用Python回顾A股历史上813次跳空,有多少回补了,又有多少还未回补?| 邢不行

2024-01-10 02:10

本文主要是介绍用Python回顾A股历史上813次跳空,有多少回补了,又有多少还未回补?| 邢不行,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

多年以后,面对上证指数重回5900点,投资者们都会想起2007年11月2日那次遥远的向下跳空。

A股市场上有很多格言源于对交易经验的总结和共识,其中有一句广为流传,叫做「跳空必回补」

关于这句话,我们可以找到大量案例与之印证。

比如2008年9月19日大盘大幅向上跳空,11个交易日后(10月13日)回补缺口

再比如2020年2月3日大盘大幅向下跳空,10个交易日后(2月17日)回补缺口

 纵观A股历史,大盘跳空时有发生,而回补也总是紧随其后。所以在A股,跳空必会回补吗?

下文我们将通过对上证指数历史数据的分析,来尝试着总结出大盘跳空回补的规律,并形成一个有效的量化策略

01 什么是跳空

首先我们要知道什么是跳空。一般根据跳空的方向不同,可以将跳空分为向上跳空向下跳空

向上跳空:当前K线的最低价高于前一根K线的最高价。

向下跳空:当前K线的最高价低于前一根K线的最低价。

 跳空本质上就是相邻两根K线的最高价和最低价之间出现一个明显的缺口。

02 跳空回补

至此我们了解了跳空,那什么是跳空回补呢?

跳空回补即股价向上跳空后,价格重新跌回跳空前,或股价向下跳空后,价格重新涨回跳空前。

比如图中发生向下跳空,5个交易日后K线的最高价超过了跳空前K线的最低价,此时就完成了一次回补。

                                                                向下跳空完成回补

当然并非所有的跳空都会在短时间内回补。

比如图中指数向上跳空后一路上涨,并未跌回跳空前的价格,即未完成回补。

                                                               跳空后短时间内未回补

那关于跳空后是否大概率会回补,很多人持不同的看法

我们做量化交易的对这些所谓的市场经验一定要保持质疑的心,一切用数据说话

接下来我们就去看看历史上发生了多少次跳空,跳空后回补的概率又有多大。

03 跳空必回补?

首先我们找来了上证指数的全部历史交易数据,包含了指数从90年上市至今每天的开高收低价格,非常的完备。

                                                               上证指数历史数据

然后再借助Python代码来计算出指数跳空的次数及回补时间。

如果你需要这个数据和代码的话,可以点我头像交流,都是可以免费发给你的。

最终的结果如图所示:

 从1990年12月19日到2022年11月14日,上证指数总共出现813次跳空。其中783次都回补了,概率高达96.31%。

看到回补概率如此之高,想必很多人会认为这个结论可以直接用来赚钱吧?

但事实并非如此。

04 跳空多久回补

1 跳空回补时长

比如遇到如下情况,应该没几个人有耐心等待回补。

2008年3月13日上证指数向下跳空,直到15年的4月13日指数价格才重回4000点,完成回补,历时2587天。

因此我们统计了每次跳空回补所需天数的分布情况:

大多数回补都在50天内完成,也有少部分需要400天以上平均回补时长84天

进一步看50天内回补的天数分布情况:

可以发现大多数的回补都是在10天之内完成的,在所有回补中占比55%

2 其他指数统计

有同学可能想看其他指数甚至个股的跳空回补情况,我也给大家准备好了相应的数据,感兴趣的可以点我头像交流,都是可以免费发给大家的。

至此我们了解了跳空回补的整体情况。但跳空实际上也分多种形式。不同的跳空之间,情况是否有区别呢?

05 不同方向跳空

1 跳空次数

我们按向上和向下两个方向的跳空分别统计:

                                                    绿色为回补次数,橙色为未回补次数

历史上大盘向上跳空478次,其中24次未回补向下跳空335次,其中8次未回补

向下跳空更容易回补这一现象也很好解释:向下跳空回补的关键在于指数价格的回升。

A股虽然伤了很多人的心,但整体曲线仍是向上的,自然可以完成更多向下跳空的回补。

                                                              指数价格曲折上升

2 回补时长

而不同方向上的跳空所需要的回补时间也不同。

向上和向下跳空回补的平均时间分别是86天和80天。

最极端的案例中,向下跳空整整用了2681天才完成回补;而向上跳空用了2182天

比如发生在1999年5月20日的极端案例:

这看起来只是一次平平无奇的向上跳空,但随后指数价格一路上涨,直到2005年的5月10日才回补缺口,历时6年

而这次回补也让市场情绪降到了最低点,为之后牛市开启做好了准备。

当然跳空之后至今没有回补的案例也是存在的,最著名就发生在2007年11月2日:

大盘在5860点向下跳空,至今仍未回补。

虽然之后肯定会回补,不过在何时就不好判断了,大家也可以在评论区说一下自己的猜测。

06 不同幅度的跳空

1 跳空幅度统计

看了这么多的案例,我们发现每次跳空的幅度差距也极大。有些跳空连0.01%都没有,有些却高达10%。

那不同幅度的跳空背后又有怎样的规律呢?

从上图中可以看出,跳空幅度在0.01%到0.5%之间出现最多,共598次。

2 跳空幅度影响

那么跳空的大小是否会影响后续的回补,比如说是否有跳空越大越难回补这样的结论呢?

经计算发现,跳空幅度在1%-5%的范围内回补的概率是最高的,但和其他组别相差不大

所以整体来看跳空是否回补和跳空的大小没有太明显的关系。

至此我们从跳空的方向、幅度大小两个角度进行了分析,验证了跳空必回补这句格言是否有效。

07 总结

最后我们做个简单的总结。

一、跳空回补的几率很大,接近于100%。但总有那么一两次跳空是不会回补的。

二、大部分跳空会在10天之内回补,少部分跳空回补时长在400天以上。

三、向下跳空更容易回补,且回补周期更短。

四、大部分跳空幅度较小,在0.5%以内,且跳空幅度与是否回补并无显著关系。

此外我们还有很多其他的量化分析方向,感兴趣的可以去一一尝试,也可以点头像和我交流。

 

08 后记

文章的最后,和大家分享一点量化投资的心得

很多人问我小白如何开始学习量化投资,有什么可以书单推荐

我的建议是千万不要直接找本书来看。

你找本编程书看,那跟着敲完“Hello World”就结束了;你找本数学书看,那看到第七页的公式就睡着了。

更好的学习方式是做实际的项目,在实践中学习量化策略。

研报就是很好的量化实践项目。

一篇研报就是一个策略,作者都是年薪百万的高学历券商分析师,你要做的就是读懂策略研报,并用代码实现。

在此期间什么不会学什么,哪里不会点哪里,抱着解决问题的心态去学习,事半功倍。

熟读唐诗三百首,不会作诗也会吟。

那么哪里可以获取研报呢?

你可以点我头像交流,我这里有分门别类几万份研报,还会实时更新

我会区分难度,精选之后发给你。

 

点我头像后,也可以交流量化投资相关问题,我比较忙,回复的比较慢,但是看到的都会回复。

聊的开心,聊得有缘,很多量化的数据、资料都是可以送给你的。

也可以翻翻我朋友圈的内容,很多量化干货。一些不会公开发的内容,都会在朋友圈说。

这篇关于用Python回顾A股历史上813次跳空,有多少回补了,又有多少还未回补?| 邢不行的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/589205

相关文章

Python判断for循环最后一次的6种方法

《Python判断for循环最后一次的6种方法》在Python中,通常我们不会直接判断for循环是否正在执行最后一次迭代,因为Python的for循环是基于可迭代对象的,它不知道也不关心迭代的内部状态... 目录1.使用enuhttp://www.chinasem.cnmerate()和len()来判断for

使用Python实现高效的端口扫描器

《使用Python实现高效的端口扫描器》在网络安全领域,端口扫描是一项基本而重要的技能,通过端口扫描,可以发现目标主机上开放的服务和端口,这对于安全评估、渗透测试等有着不可忽视的作用,本文将介绍如何使... 目录1. 端口扫描的基本原理2. 使用python实现端口扫描2.1 安装必要的库2.2 编写端口扫

使用Python实现操作mongodb详解

《使用Python实现操作mongodb详解》这篇文章主要为大家详细介绍了使用Python实现操作mongodb的相关知识,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、示例二、常用指令三、遇到的问题一、示例from pymongo import MongoClientf

使用Python合并 Excel单元格指定行列或单元格范围

《使用Python合并Excel单元格指定行列或单元格范围》合并Excel单元格是Excel数据处理和表格设计中的一项常用操作,本文将介绍如何通过Python合并Excel中的指定行列或单... 目录python Excel库安装Python合并Excel 中的指定行Python合并Excel 中的指定列P

一文详解Python中数据清洗与处理的常用方法

《一文详解Python中数据清洗与处理的常用方法》在数据处理与分析过程中,缺失值、重复值、异常值等问题是常见的挑战,本文总结了多种数据清洗与处理方法,文中的示例代码简洁易懂,有需要的小伙伴可以参考下... 目录缺失值处理重复值处理异常值处理数据类型转换文本清洗数据分组统计数据分箱数据标准化在数据处理与分析过

Python调用另一个py文件并传递参数常见的方法及其应用场景

《Python调用另一个py文件并传递参数常见的方法及其应用场景》:本文主要介绍在Python中调用另一个py文件并传递参数的几种常见方法,包括使用import语句、exec函数、subproce... 目录前言1. 使用import语句1.1 基本用法1.2 导入特定函数1.3 处理文件路径2. 使用ex

Python脚本实现自动删除C盘临时文件夹

《Python脚本实现自动删除C盘临时文件夹》在日常使用电脑的过程中,临时文件夹往往会积累大量的无用数据,占用宝贵的磁盘空间,下面我们就来看看Python如何通过脚本实现自动删除C盘临时文件夹吧... 目录一、准备工作二、python脚本编写三、脚本解析四、运行脚本五、案例演示六、注意事项七、总结在日常使用

Python将大量遥感数据的值缩放指定倍数的方法(推荐)

《Python将大量遥感数据的值缩放指定倍数的方法(推荐)》本文介绍基于Python中的gdal模块,批量读取大量多波段遥感影像文件,分别对各波段数据加以数值处理,并将所得处理后数据保存为新的遥感影像... 本文介绍基于python中的gdal模块,批量读取大量多波段遥感影像文件,分别对各波段数据加以数值处

python管理工具之conda安装部署及使用详解

《python管理工具之conda安装部署及使用详解》这篇文章详细介绍了如何安装和使用conda来管理Python环境,它涵盖了从安装部署、镜像源配置到具体的conda使用方法,包括创建、激活、安装包... 目录pytpshheraerUhon管理工具:conda部署+使用一、安装部署1、 下载2、 安装3

Python进阶之Excel基本操作介绍

《Python进阶之Excel基本操作介绍》在现实中,很多工作都需要与数据打交道,Excel作为常用的数据处理工具,一直备受人们的青睐,本文主要为大家介绍了一些Python中Excel的基本操作,希望... 目录概述写入使用 xlwt使用 XlsxWriter读取修改概述在现实中,很多工作都需要与数据打交