在上一篇文章中，作者介绍了一个优化投资组合结构的方案：多多教Python：Python 金融: 建立A股最优投资组合​zhuanlan.zhihu.com

最近A股又启动了，从2020年第一个交易日以来站稳3080，RSI 动能信号几乎进入了超买区域，在布林线上也进入了超买区域，那么接下来准备好钱包，等待回调的小伙伴们，准备用什么选股策略来入场呢？上证指数日线，2020年1月6号下午2:10分

作者今天介绍一个利用Python，通俗易懂的选股策略。虽然简单，但是可以帮助你在建立仓位的时候避免潜在亏损会比较大的股票，甚至做到投资组合0亏损。那么在风险那么大的股票市场下，0亏损投资组合有可能实现吗？那我们来进入文章来看看作者是不是在吹牛逼。

好了，现在我们开始进入教程，在这之前需要完成下列需求：

下行风险 Downside Risk

要做扛亏损能力最强的投资组合，我们需要看的重要指标是 下行风险 (Downside Risk)。也就是当我们入场之后，我们手上的票子预期亏损的金额是多少。

在市面上买的理财产品，一般都只会告诉你预期回报率是多少，而不会告诉你有多少暴雷的概率。而我们在自己做股票投资的时候，除了预期回报率的高低，更要关心的是预期损失的大小。计算下行风险的量化指标有很多，包括 Value at Risk (VaR), Price Volatility 价格波动率，Return Volatility 回报波动率，布林线宽窄 Bollinger Bands Width 等，这里作者要介绍的是三款自己常用的指标：索提诺比率 Sortino Ratio, 最大回撤 Maximum Drawdown 和 日回报波动率 Daily Return Volatility。索提诺比率 Sortino Ratio：这个指标和夏普比率类似，但是重点考量的是下行标准差，也就是说，资产价格下跌程度较小的股票，索提诺比率会比较高。具体的金融概念参考百度：如何通俗的理解sortino ratio(索提诺比率)？​www.zhihu.com最大回撤 Maximum Drawdown: 最大回撤是指一类资产从最高点一路下跌到低位的一个百分比。最大回撤比较大的股票，容易成为庄股，或者割韭菜股，利用这个指标可以回避那种下瀑布一样措手不及的行情。干货 | 夏普比率和最大回撤计算方法详解​www.sohu.com日回报波动率 Daily Return Volatility: 涨得快跌的快。这个指标越小，说明资产的每日价格回报比较整齐，不会出现比较大的偏差。那么在持有日回报波动率比较小的资产的时候，虽然涨的慢，但是很稳定，也可以规避上蹿下跳，被割韭菜的风险。波动率_百度百科​baike.baidu.com

进入选股正题

作者是一个实践派选手，如果上面的理论点不太正确，还请大神补充修改，下面我们在Anaconda 平台，通过 TuShare API 来挑两只股票，计算其各自的三大下行风险指标，然后来看看如何做筛选：

In [1]:

import tushare as ts

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns

import scipy.optimize as sco

%matplotlib inline

In [2]:

stock_codes = ['600801', '000401', '600585']

num_stocks = len(stock_codes)

stock_daily_quotes = {}

In [3]:

import time

for code in stock_codes:

print(code)

df = ts.get_k_data(code=code, start='2015-12-01', end='2019-12-01')

df = df.set_index(['date'])

df[code] = df['close']

stock_daily_quotes[code] = df[code]

time.sleep(1)

In [4]:

all_df = pd.concat([value for _, value in stock_daily_quotes.items()], axis=1)

In [5]: all_df.head()

Out [5]:

600801000401600585

2015-12-017.47711.2815.469

2015-12-028.22712.4116.073

2015-12-038.33312.7916.092

2015-12-048.06412.0515.661

2015-12-077.98711.9215.597

这段代码我就不详细解释了，在另外一篇文章中有类似的代码详解:多多教Python：Python 金融: 建立A股最优投资组合​zhuanlan.zhihu.com

这里我选择了三只水泥股票: 华新水泥 (600801), 翼东水泥 (000401) 和 海螺水泥 (600585)。这三只股票从2015-2019年12月1号都实现了正收益，也就是你只要一直持有都赚钱，否则算出来指标是负数就没有意义了。所以要做0亏损选股，底线是在历史回测时期股票本身得实现盈利。华新水泥，翼东水泥 和 海螺水泥 2015-2019 价格

那么如何在三只水泥股票里选择一只入仓呢？如果不考虑超买，超卖的前提下，我们来分别对三只股票做一下下行风险计算：

In [6]:

def sortino_ratio(series):

r = series / series.shift(1) - 1

r = r.dropna()

sr = np.sqrt(252) * (r.mean()) / np.std(r[r < 0.027/365])

return sr

def return_volatility(series):

return_pcnt = series.pct_change(1)

volatility = np.std(return_pcnt)

return volatility

def maximum_drawdown(series):

performance_list = list(series)

i = np.argmax(np.maximum.accumulate(performance_list) - performance_list)

j = np.argmax(performance_list[:i])

mdd = (performance_list[i] - performance_list[j]) / performance_list[j]

return mdd

这三个指标的计算都用到了 Pandas DataFrame, 没有用过的小伙伴可以去看这篇教程:多多教Python：Python 基本功: 11. 初学 Pandas 库​zhuanlan.zhihu.com

有了三个计算指标之后，对三只水泥股票的历史价格进行量化计算:

In [7]: sortino_ratio(all_df['600801'])

Out[7]: 1.1570110960999087

In [8]: return_volatility(all_df['600801'])

Out[8]: 0.031602504850323884

In [9]: maximum_drawdown(all_df['600801'])

Out[9]: -0.4406617881005409

600801 是华新水泥，我们可以看到，从2015年12月到2019年12月，华新水泥的索提诺比率是1.157，日回报波动率是 0.0316，最大回撤是 -44%。我们用相同的方法对另外两只水泥股进行计算，然后统计入表格当中：

我们可以看到，三只水泥股票当中，海螺水泥的索提诺比率是最高的，如回报波动率最低，并且最大回撤最小。打一个比方，如果你的仓位里10%是海螺水泥，那么在2015年到2019年当中，你的海螺水泥占整体仓位的最大回撤是 10% * -27.78% = -2.78%。

如果要从三只水泥股票当中选出两只，那么第二优秀的应该是华新水泥，在三个指标中都表现出中等水平。而最差的则是翼东水泥，最大回撤高达 -66.13%，会对投资组合带来较大的亏损风险。

另外的介绍一个指标： 卡尔玛比率 Calmar Ratio，这个指标直接拿 最大回撤 作为风险，对收益进行调整，代码放在下面，有兴趣的小伙伴可以拿来做股票筛选：

In [10]:

def calmar_ratio(series):

r = series / series.shift(1) - 1

r = r.dropna()

mdd = maximum_drawdown(series)

return np.sqrt(252) * (r.mean()) / abs(mdd)

小结：防止风险在同一时间发生

我们从三只水泥股票中，选出了一只风险最小的放入组合。但是我们可以看到，哪怕风险最小的股票都会有回撤，在一段时间内产生负收益，那么我们该如何做到投资组合0亏损呢？

答案就在于分散投资中的负相关性。三只水泥股票均属于水泥板块，如果我们能找到一个板块，和水泥板块有负相关性的收益曲线，那么在水泥股下行的时候，负相关性的板块将有可能上行，带动投资组合整体避免亏损。作者将在另外一篇文章中介绍如何用 Python 找到负相关性板块。

在单一的板块中选择下行风险最低的票子，然后纳入不同的板块，最后在板块之间通过相关性进行调和，就可以创造出一款 0亏损的投资组合。