如何投资股票型基金？什么时间买？买什么？

数量技术宅团队在CSDN学院推出了量化投资系列课程

欢迎有兴趣系统学习量化投资的同学，点击下方链接报名：

量化投资速成营（入门课程）

Python股票量化投资

Python期货量化投资

Python数字货币量化投资

C++语言CTP期货交易系统开发

数字货币JavaScript语言量化交易系统开发

股票型基金的特点

基金是我们在日常生活中，最常见的可投资金融资产之一。相比较股票、期货、数字货币，基金有两大特点，第一是基金最低10元就可以起投，资金门槛极低，适合普通投资者参与；第二，股票型基金并不直接对标实际的金融资产，它是由或被动选择、或基金经理主动选择的一揽子股票所组合而成的投资标的，股票型基金持股数量往往达到十几只或几十只个股，而且由专业的投资团队进行选股、调仓维护，在一定程度上解决了非专业投资者直接面对个股过度波动的风险。可以说，投资基金（股票型基金），对于非专业投资者来说，是一个相对可行的投资方式。

但是，各位读者请注意，投资基金并不意味着不同的时间、不同的基金，可以随意选择，投资基金想要盈利，必须有一套自己的交易体系，这与我们做量化交易，必须遵循所开发得到的量化交易策略，是一样的。

那么，我们如何构建一个盈利的基金交易体系，或者说，落实到实际才做，我们应该怎么买基金？在什么时间买？买什么样的基金？要想回答上述的问题，我们需要先来看股票型基金对标的底层资产：A股市场，它的特征。

A股市场的特征

A股市场的特征，我们可以总结为两个大的方面：

第一，散户参与度高，市场情绪化明显，极端乐观（高估）与极端悲观（低谷）并存

我们来看长期A股、美股的走势对比，可以说近20年，A股与美股的总体涨幅相差不大，但为什么A股总是给我们横盘不涨、长期下跌的印象？这就是由市场参与结构决定的，A股散户占比相对美股更高，导致情绪化更明显，牛市的时候大家一窝蜂的买股票，盲目的对股票市场过度乐观，导致市场估值奇高；而熊市的时候大家又过于悲观，一路卖股票，导致市场长期在底部低迷。

可以看到上图，虽然A股长期与美股涨幅相当，甚至还好于美股，但A股的波峰、波谷，它的波动幅度，显著的要大于美股，如果你没有选择好购买股票、基金的时机，在情绪乐观到达顶点的07年、15年买入了基金，那么面对的将是长时间、大幅度的亏损。而美股的整体波动率更小，任意挑选时间买入，后续盈利的概率会更大一些，正是这样的市场特征，在A股市场买基金，会买和不会买，最后的收益率天差地别。

第二，股票市场是一个长期正和博弈的市场

不仅是A股，所有的股票市场，都是一个长期正和的市场。长期正和，意味着只要你在合适的价格买入并长期持有，长久来看大概率是能够盈利的。这里我们就需要引入股价的一个公式 P = PE*E。其中P是股票指数或股票的价格，PE是市盈率，E是股票或者市场的整体盈利情况。由于PE市盈率是在一个范围内波动的，我们可以把它认为是一个接近常量的值，而E市场的整体盈利会随着国家经济的发展、通胀、GDP的增长而长期上涨，那么这两个指标相乘后得到的P，必然也将长期上涨。

所以，我们要做的，就是在PE不那么高的时候，买入，持有，并享受E长期的上涨，以及所带来P长期的上涨。

到底怎么买基金才能盈利

问题就来到了，我们如何做到在PE不那么高的时候买入，由于预测PE的波动是很难的，我们假定自己没有预测PE的能力，于是我们引入基金定投的思路：即按照每隔一定的时间间隔，固定、等额的买入一定数量的基金，当定投的次数越多、时间越长，由于PE是在一个相对稳定的区间波动的，那么随着定投次数增多，根据中心极限定理，最终我们买入的平均PE，会大概率的收敛到市场PE的中位数，这样，我们就能确保自己持仓基金（及对应的一揽子股票）的PE不那么高了。

我们团队是做量化投资的，如此理论思路，自然需要用数据来做验证。直接为大家展示我们的回测结论：定投时间越久，盈利概率越大，与定投开始的时间关系不大，只要时间足够长，最终年化收益率IRR接近。

我们在文中以沪深300指数举例，我们也测试了其他的宽基指数，得到的结论大同小异：当定投的时间足够长（2014年以前开始定投，最终的年化收益率，都是比较接近的），年化IRR：7%，与这几年真实GDP的增长率也比较接近，这从数据上进一步验证了我们对于P = PE*E 公式的假设。

我们应该怎样挑选基金

在上一小节中，我们测试得到沪深300指数，如果我们长期定投的话，最终的真实年化收益率会逼近7%，可能有些同学会觉得这个收益率比较低，的确，定投只能确保我们不买在一个高PE，或者价格的高位，解决了不长期被套、能够通过长期投资盈利的问题。再进一步，我们如果进一步提高投资的收益率，也就是我们前文测算的年化IRR？

这就涉及到一个新的问题，我们应该怎样挑选基金？选择什么样的基金投资（定投），对最后的收益率也会产生较大的差异。 不同基金，E的增长率是有显著差别的，也就是，最终P的收益率，会千差万别。

例如沪深300、中证500等宽基指数，由于其行业分布广泛、持股数量多，最终的收益率，往往会收敛到真实的GDP增速，如果我们想要获取超额收益率，就需要在基金选股上，进一步研究。能够长期跑赢大市的基金，可以分为两类，一类是优秀基金经理操盘的基金，一类是重点配置在某个优秀行业（好赛道）的基金。对于第一类基金，因为基金经理更换，风格切换等原因，不太适合长期定投，所以，为了获取更高的收益，我们需要将投资标的聚焦在那些优秀的行业基金上。

巴菲特所说的滚雪球，长长的坡道，厚厚的雪堆，指的就是好行业、好赛道的重要性。近期大火的高瓴资本，在一二级市场都有不错的投资业绩，他们近几年的持仓，有一半左右配置在了医药行业，在高瓴眼中，医药是一个好的赛道。从下图可以看到，医药指数在历史上，远远跑赢了上证和沪深300指数。

A股、港股、美股行业超额收益统计

那么，究竟哪些行业才是好的赛道，才是值得长期投资的对象？我们通过历史的数据分析，按行业划分赛道，统计A股、港股、美股三个不同的市场、不同行业的超额收益率，超额收益指的是相对于基准指数（大盘）的收益率。不同的市场由于经济结构的原因，好的赛道也不尽相同。我们通过wind的Python接口获取行业指数、基准指数数据，计算各行业累积超额收益率后排序。

A股行业收益统计

首先来看A股市场，我们选择中信一级行业（剔除了新近编制的综合金融），基准指数选沪深300，数据选择所有行业的历史数据。

我们分别来看累积收益排名靠前、累积收益排名靠后的行业。在A股，食品饮料、家电、非银金融、医药这些消费类的行业，在历史上的表现更佳，而排名靠后的行业，多是周期性较强的行业，比如电力、石油石化、交通运输、钢铁等。

由于我们国家的经济结构不断在发生变化，我们再来统计近10年、近5年表现最好的行业。从结果来看，近10年表现最好的行业包括电子、计算机等新兴高科技行业，以及食品饮料、家电等消费品行业；而近5年表现最好的行业，依然集中在科技和消费领域，特别是以白酒为代表的食品饮料行业，在A股长期表现优秀。

港股行业收益统计

统计完A股各行业的收益，我们接下来读入港股的数据，选择恒生行业指数作为港股市场行业划分的指数，同时选择恒生指数，作为统计超额收益的基准指数。我们依然是统计了历史全量数据、过去10年、过去5年的历史收益率。对于港股，以腾讯为代表的科技资讯行业，在历史涨幅，尤其是近几年的涨幅中，显著领先于其他行业，也说明在港股，互联网公司是一个优质的行业（赛道）。

美股行业收益统计

最后，我们来看美股的行业统计，美股经济结构与A股不尽相同，行业超额收益的分布也会有所不同。我们选择标普美国行业指数，基准指数选择标普指数，同样使用WindPy接口，进行统计。在美股的行业中，以Facebook、Amazon、Apple、Netflix、Google为代表的互联网高科技企业，长期产生了巨大的超额利润，与此同时，必须消费、医药，在美股，同样有长期比较好的表现。

优秀行业的总结

通过统计A股、港股、美股不同行业的超额收益对比，可以看到，尽管不同国家、不同地区的经济结构有所不同，但这些主流市场长期走牛的行业，基本集中在消费、医药、高科技，这三大行业领域。因此，我们不论是在挑选基金、还是挑选个股的时候，都要有意识地侧重于这三个行业，选对了行业，我们才能够获取长期比指数平均收益率更高的收益。

以上就是本期内容的完整分享，如果你想要获取本期分享的WindPy统计行业超额收益的Python代码，或者是对本次分享的内容有问题，欢迎扫码添加技术宅微信，与我交流。

往期干货分享推荐阅读

【数量技术宅|量化投资策略系列分享】基于指数移动平均的股指期货交易策略

AMA指标原作者Perry Kaufman 100+套交易策略源码分享

【数量技术宅 | 期权系列分享】期权策略的“独孤九剑”

如何获取免费的数字货币历史数据

【数量技术宅|金融数据分析系列分享】套利策略的价差序列计算，恐怕没有你想的那么简单

【数量技术宅|量化投资策略系列分享】成熟交易者期货持仓跟随策略

【数量技术宅|量化投资策略系列分享】多周期共振交易策略

【数量技术宅|金融数据分析系列分享】为什么中证500（IC）是最适合长期做多的指数

大宗商品现货数据不好拿？商品季节性难跟踪？技术宅带你Python爬虫一键解决没烦恼

【数量技术宅|金融数据分析系列分享】如何正确抄底商品期货、大宗商品

【数量技术宅|量化投资策略系列分享】股指期货IF分钟波动率统计策略

【数量技术宅 | Python爬虫系列分享】实时监控股市重大公告的Python爬虫