【量化】验证《股市操盘宝典》对周期论

起源

今年7月26日暴跌的时候，葫芦群里有大佬祭出了一张图，通读下来非常震惊，因为这位作者预测了这一次的下跌：

虽然不是每次都对的上，但群里大佬们都说是神书，好奇之下打开阅读，发现作者提出“A股存在10年周期”的结论，尽管对作者的论证方式不懂，但粗看之下似乎有几分道理，就来验证一下！

作者观点与验证

作者观点

作者提出的观点：中国股市以10年为一个周期，从农历丙年开始一轮牛市，丁年经调整后持续到辛年，壬癸年为熊市，到乙年孕育牛市。

由于作者的计算方法为天干纪年，而天干有10个，因此每一年可以公元纪年的尾数对应，可以整理为该表格：

流年天干	公元尾数	市场状况
庚	0	结构熊
辛	1	熊市
壬	2	熊市
癸	3	熊市
甲	4	熊牛转换
乙	5	熊牛转换
丙	6	牛
丁	7	大牛+熊转换
戊	8	大熊
己	9	牛

验证

初步验证的内容就是作者提出的这个十年周期，并不是前面精确到月份和日的内容，主要是那些东西给人的第一印象就不能是百分百正确的，而这个周期如果有一定大体规律可循的话，对于我们策略的择时还是有很大帮助的。

我的验证思路是：

下载上证指数和沪深300指数的数据（课程讲了，懒得爬可以去网站下）并将其转换为干支纪年；
计算每年（以干支纪年分类，下同）的涨跌幅、振幅、上涨天数、下跌天数等指标，结合作者结论进行初步判断；
画出每年的图表，进行主观上的判断（不是说好了我们是搞量化的吗）；

准备工作

爬取指数数据

目前我们可以获取的上证指数最早是1990年12月份的数据（from 新浪财经），沪深300指数最早是2005年4月份的数据。

下载可以转换为农历时间的库

我用的是这个库

转换后的沪深300指数是这样的：

过程

首先咱们按干支纪年对其来个描述性的统计：

df_all = pd.DataFrame()
df_all['year'] = list(set(df001['year']))
for i in list(set(df001['year'])):df_all.loc[df_all['year'] == i, 'candle_begin_time'] = df001.loc[df001['year'] == i, 'candle_end_time'].iloc[0]df_all.loc[df_all['year'] == i, 'candle_end_time'] = df001.loc[df001['year'] == i, 'candle_end_time'].iloc[-1]df_all.loc[df_all['year'] == i, '涨跌幅'] = round(df001.loc[df001['year'] == i, 'close'].iloc[-1] / df001.loc[df001['year'] == i, 'close'].iloc[0] - 1, 2)df_all.loc[df_all['year'] == i, '振幅'] = round(df001.loc[df001['year'] == i, 'close'].max() / df001.loc[df001['year'] == i, 'close'].min(), 2)df_all.loc[df_all['year'] == i, '上涨天数'] = len(df001.loc[(df001['year'] == i) & (df001['close_change'] >= 0), 'close_change'] )df_all.loc[df_all['year'] == i, '下跌天数'] = len(df001.loc[(df001['year'] == i) & (df001['close_change'] < 0), 'close_change'] )
df_all['上涨天数-下跌天数'] = df_all['上涨天数'] - df_all['下跌天数']
df_all.sort_values(['candle_begin_time'])

得到结果如下：

year	candle_begin_time	candle_end_time	涨跌幅	振幅	上涨天数	下跌天数	上涨天数-下跌天数
庚午	1990/12/19	1991/2/14	0.07	1.07	39	1	38
辛未	1991/2/19	1992/1/31	0.12	1.12	180	57	123
壬申	1992/2/7	1993/1/22	7.09	10.43	69	14	55
癸酉	1993/1/27	1994/2/4	-0.31	2.04	129	138	-9
甲戌	1994/2/14	1995/1/27	-0.28	3.09	100	146	-46
乙亥	1995/2/6	1996/2/16	0.04	1.74	128	138	-10
丙子	1996/3/4	1997/1/31	0.6	2.25	129	106	23
丁丑	1997/2/17	1998/1/23	0.24	1.68	137	99	38
戊寅	1998/2/9	1999/2/9	-0.13	1.33	118	140	-22
己卯	1999/3/1	2000/1/28	0.4	1.64	120	111	9
庚辰	2000/2/14	2001/1/19	0.23	1.33	136	98	38
辛巳	2001/2/5	2002/2/8	-0.25	1.65	123	129	-6
壬午	2002/2/25	2003/1/29	-0.02	1.31	116	115	1
癸未	2003/2/10	2004/1/16	0.08	1.24	114	118	-4
甲申	2004/1/29	2005/2/4	-0.22	1.5	113	143	-30
乙酉	2005/2/16	2006/1/25	-0.02	1.3	118	116	2
丙戌	2006/2/6	2007/2/16	1.33	2.41	166	91	75
丁亥	2007/2/26	2008/2/5	0.51	2.2	150	85	65
戊子	2008/2/13	2009/1/23	-0.56	2.73	101	135	-34
己丑	2009/2/2	2010/2/12	0.5	1.73	157	102	55
庚寅	2010/2/22	2011/2/1	-0.07	1.34	119	114	5
辛卯	2011/2/9	2012/1/20	-0.16	1.42	112	124	-12
壬辰	2012/1/30	2013/2/8	0.06	1.26	133	123	10
癸巳	2013/2/18	2014/1/30	-0.16	1.24	110	123	-13
甲午	2014/2/7	2015/2/17	0.59	1.7	148	108	40
乙未	2015/2/25	2016/2/5	-0.14	1.95	133	104	29
丙申	2016/2/15	2017/1/26	0.15	1.22	130	107	23
丁酉	2017/2/3	2018/2/14	0.02	1.17	154	104	50
戊戌	2018/2/22	2019/2/1	-0.2	1.35	105	129	-24
己亥	2019/2/11	2020/1/23	0.12	1.23	125	112	13
庚子	2020/2/3	2021/2/10	0.33	1.37	140	115	25
辛丑	2021/2/18	2021/7/30	-0.08	1.1	54	58	-4

以下是沪深300的情况：

year	candle_begin_time	candle_end_time	沪深300涨跌幅	沪深300振幅	沪深300上涨天数	沪深300下跌天数	沪深300上涨天数-下跌天数
乙酉	2005/2/16	2006/1/25	0.01	1.23	103	93	10
丙戌	2006/2/6	2007/2/16	1.59	2.67	166	91	75
丁亥	2007/2/26	2008/2/5	0.82	2.39	151	84	67
戊子	2008/2/13	2009/1/23	-0.58	3.08	104	132	-28
己丑	2009/2/2	2010/2/12	0.58	1.84	164	95	69
庚寅	2010/2/22	2011/2/1	-0.05	1.41	119	114	5
辛卯	2011/2/9	2012/1/20	-0.18	1.48	109	127	-18
壬辰	2012/1/30	2013/2/8	0.13	1.32	130	126	4
癸巳	2013/2/18	2014/1/30	-0.2	1.27	105	128	-23
甲午	2014/2/7	2015/2/17	0.59	1.75	140	116	24
乙未	2015/2/25	2016/2/5	-0.15	1.88	132	105	27
丙申	2016/2/15	2017/1/26	0.15	1.24	126	111	15
丁酉	2017/2/3	2018/2/14	0.18	1.32	148	110	38
戊戌	2018/2/22	2019/2/1	-0.2	1.39	105	129	-24
己亥	2019/2/11	2020/1/23	0.21	1.27	121	116	5
庚子	2020/2/3	2021/2/10	0.57	1.65	147	108	39
辛丑	2021/2/18	2021/7/30	-0.17	1.22	59	53	6

然后我们根据上文那个表格大致看下，我浏览了一遍，基本上大差不差。

比如作者着重强调的，丙丁年是一轮牛市的起点，96年与06年都是50%以上的涨幅，97与07年上指也是20%以上的涨幅，只有16与17年涨幅较小，但也都为正；然后看戊年作为牛市后的回调涨幅都是负的；而己年作为作者指明的牛市，也都是较大的涨幅，但相对来说近年的19年幅度较小；然后看庚年，说是有行情，四次只有一次为负；只有92年的壬申年，本来说是熊市，但市场表现很好，最终的涨幅为7倍（但比较特殊这个年份，具体什么原因也不知道）。

ok，经过第一轮的判断，我们姑且认为作者的结论存在一定的合理性，接下来我们通过图表的形式来进一步认识。

plt.figure(figsize=(15, 38))
var1 = ['丙', '丁', '戊', '己', '庚', '辛', '壬', '癸', '甲', '乙']
var_temp = 0
for o in var1:ax = plt.subplot(10, 1, var_temp+1)for i in list(filter(lambda x: x.startswith(o), set(df001['year']))):temp = df001.loc[df001['year']==i, 'close'].reset_index(drop=True)temp['curve'] = (1+temp.pct_change()).cumprod()ax.plot(temp['curve'], label=i)plt.legend()var_temp += 1plt.savefig('picture.png')
plt.show()

得到一张这样的图：

这是沪深300的：

到这里我发现，如果想要肯定作者的结论，明显有的年份不支持，如壬申年即92年一飞冲天，而作者提出的壬年为熊市；如果要否定作者的结论，也是证据不足，作者提出的丙丁年都是大牛市、戊年是熊市、己年是牛市的结论也确实都是这样，无非是近几年所谓的牛市涨跌幅比较小，那么也有解释说不同的地支带来的组合强弱不一样，比如作者谈到26年为丙午年，午火为最纯正的火、天干地支都是财，所以是一场很强烈的牛市。

结论

至于对我们的策略有什么用？个人并没有找到特别好的辅助方法，唯一有点用的就是避开丁年大涨后的大跌，即戊年，但作者说的辛壬癸三年的熊市，我看很多策略都是可以赚到钱的，而丙丁年的大牛市也不是各个策略表现最好的时候，作者说的熊牛转换的甲乙年是很多策略赚钱最多的年份。

另外也不是每年的丙丁年都是大牛市，比如最近的就不是，而是14、15的甲乙年构成的牛市，16、17只是从2600走到了3500的小牛。

总之，目前样本数据太少，也就三个周期，而且作者对周期的描述没有非常定量，我们的验证也不能百分百肯定或否定他的结论，完全用他这套做方针也是存在不确定性的，大家仁者见仁智者见智吧。