格子衫小C 聊聊均線(四)更多投資標的
大家好，我是 格子衫小C，在繼續均線的話題以前，先集中回覆一些朋友提的問題。
一、咱們這樣研究歷史數據，是不是就是在為已經發生的事情找個理由而已，有價值麼？
市場是由所有交易者共同博弈產生的，每個交易者都會有自己的交易習慣，有些時候甚至是無意識的習慣。
還記得我們前面研究的周內效應麼？一些經常炒股的朋友多少應該都有概念（週一波動率高，週三週四市場才穩定下來），但沒進行過系統的分析。
而這些是可以從歷史數據裏抽象出來的。
二、聽人説，炒股切記不要擇時，我們這樣研究均線的參數，是不是就是在擇時，有意義麼？
我相信説炒股不要擇時的人的初衷，其實想説的是，投資股票就是在買公司，買一件有價值的公司，本來就是一件在創造價值的事。
這個觀點我非常認同，但就算是一直秉持這個原則的巴菲特老爺子，也不可能不記回報的一直買入看好的公司吧。價值投資還有一個最基本的原則——買入被低估的好公司股票。
何時才算是被低估呢？這也是一種擇時吧。
前面我們基於 滬深300指數 和 納斯達克指數 ，研究了最簡單的 SMA（Simple Moving Average，基於算術平均數的均線），並得出以下結論：
“小的均線”因為距離實際價格曲線太近，交點過多，不適合交叉算法。
“大的均線”因為滯後性嚴重，也不適合交叉算法。經常會導致該拿下的上漲沒吃到，該避開的下跌也沒躲過。
均線不適用於突然的劇烈價格變化。譬如2020年初疫情導致的突然下跌。
合適的均線可以吃掉大的上漲區間，避開大的下跌區間。但想象中，一種投資標的不太可能被一條均線完美切割（就算有，持續時間也不會很長）。
均線不適用於震盪期。震盪期裏，均線的收益幾乎都是收窄的。
均線和價格處於同一數值區間，可以用 “穿過” 或 “在上方或下方” 的判斷方法來判斷。
“大的均線”會因為滯後性，造成牛市後期有明顯回撤，而這個回撤如果疊加多次，其收益差距會倍數級的放大。
單一均線，不適應單邊行情（長期的上漲或下跌）。
今天我們就上次聊到的單邊環境，再多看看其它投資標的。
我今天選擇了2只上證指數，分別是 上證能源（000032.XSHG）和 上證消費（000036.XSHG） 。
以下數據來均源於 jqdata ，code 為 000032.XSHG 和 000036.XSHG 。
為了和前面的研究對齊，如無特別説明，時間區間為 2013-05-01 到 2020-09-30。
上證能源我們選定的時間區間是 2010-11-01 到 2020-09-30 ，可以看到，這段時間裏，除了2015年牛市有一段回升外，幾乎都是下行趨勢，只有比較陡峭和更陡峭的差別 。
15日均線 和 39日均線，相對大的 39日均線 牛市回撤更深（滯後性更嚴重）。
相對小的 15日均線因為和價格曲線交點過多，牛市以外的震盪區間裏收益率會收窄（看了這麼多均線，這些應該都能背下來了吧 ）。
15日均線 和 39日均線，因為2015年以前下行區間有多次操作，造成一些損失，所以在2015年牛市裏收益不如240均線。
但 240日均線 由於滯後效應更嚴重，在牛市裏回撤更深。
我們不看2015年那一段牛市，只看牛市前後那2段長期的下行趨勢，會發現上面這幾個策略其實都賺不到錢（廢話，下行趨勢，不買就是賺到 ）。
在下行趨勢裏，如果沒有做空機制，很難賺到錢（不虧就好了）。
上證消費指數從2013年到2020年，也是一條上行曲線，最終回報率和納指也差不多，只是中間起伏更大一些。
回報最好的是 203日均線 和 71日均線，雖然總回報低了一些，但它們的最大回撤也降低了，因此夏普率還提高了。
這樣看來，單均線策略也還算有點幫助。
上圖是對齊後的240日均線和基線回報率（240日均線策略需要在240日以後建倉，所以需要對齊）。
可以看到240日均線策略交易點非常少了（回報率水平的區域就是賣出但還未買入的），但單一均線還是無法適應複雜的價格曲線，只是因為中證消費指數整體處於上行階段，所以收益率還好。
71日均線 和 203日均線 最後差不多重合了，而且 203日均線 回報還比 71日均線 高一點。
大家來猜猜看，如果將時間放大到2005年-2020年，哪一條回報會更高呢？（答對有獎哦，私聊小C，提交答案吧）
前面我們看過納指、道指、恆指，今天又比對過A股另外2個行業指數，我們有理由相信，國外成熟市場，已經不太適合這種簡單策略了，但國內指數，還有一定的效果。
如果您錯過了前面的文章，可以關注我們，查看歷史文章。
希望您能一如既往的支持我們，也歡迎各種疑難雜症各種勾搭。
均線系列：
均線 （一）：基於滬深300指數初步分析 SMA 。
均線 （二）：就 SMA 時間粒度做進一步分析。
均線 （三）：基於納斯達克指數繼續研究SMA。
注：
題圖來源於 pexels，感謝 Olya Kobrusev。
本文數據來源於 jqdata，感謝 jqdata 提供免費的高品質數據。
本文公式編輯採用 latexlive，感謝 latexlive 提供的公式編輯服務。