前言 市場上帶人炒股的騙局屢見不鮮,手法花樣翻新,核心推薦要點(diǎn)就是告訴你一個(gè)股票代碼,更告訴你精準(zhǔn)的買賣點(diǎn)。很多新韭菜老韭菜都會(huì)入溝,最終虧損出局。其實(shí)用簡單的常識(shí)就可以判斷真假,如果真有那么準(zhǔn)確,那些薦股人自己操作,就算很小的資金都可以在一年內(nèi)富可敵國。 這些騙子的套路核心就是告訴你怎么擇時(shí),另一個(gè)擇股相對(duì)淡化。但是,真正的擇時(shí)策略效果如何呢?我們來看一組統(tǒng)計(jì)數(shù)據(jù) 從統(tǒng)計(jì)數(shù)據(jù)看,所有賬戶的擇時(shí)效益都是負(fù)的,從交易成本與擇時(shí)收益的比率來看,散戶10-300 萬的散戶操作頻繁,交易成本與收益的比率都在 30%以上。散戶 10 萬以下占比 10%,資金賬號(hào)少,能操作機(jī)會(huì)空間不多,被動(dòng)減少操作。 散戶 300-1000 萬以上的賬戶比率都在20%左右,這類交易者在市場中較少,已經(jīng)有一定的專業(yè)技能,但仍然操作頻繁。 機(jī)構(gòu)投資者賬戶比率在 10%左右,相對(duì)散戶好一些,有專業(yè)技能,同時(shí)在規(guī)則制度上有所限制,被動(dòng)減少操作。 公司法人投資者是表現(xiàn)最好的一組賬戶,原因有規(guī)則限制頻繁賣出,股票的獲得是從一級(jí)市場,原始成本更低。 短期頻繁擇時(shí)策略實(shí)不可取。作為專業(yè)投資者,應(yīng)該減少短期的擇時(shí),只在大周期長時(shí)間上做一定的擇時(shí)。 擇時(shí)的幾個(gè)維度:牛熊周期,震蕩幅度,估值水平,開戶數(shù)據(jù),日均成交額,股債收益差,資產(chǎn)證券化率,恐慌指數(shù) 牛熊周期 以上證指數(shù) 30 年的月線圖為例,以 A 股為例,1990 年以來,A 股牛熊周期平均 5-6 年一輪回,其中牛市持續(xù)時(shí)間為 10-30 個(gè)月左右,熊市為 7-20 個(gè)月時(shí)間,震蕩市為 15-35 個(gè)月之間。 剔除掉一些極端值以后,牛市維持在 20-30 月之間,熊市 9 一 13 個(gè)月左右,震蕩市 20-30月之間。以后的牛熊比會(huì)越來越接近美國股市,震蕩期振幅縮小。 散戶所認(rèn)為的牛短熊長是將震蕩市也算到熊市里面,導(dǎo)致牛市時(shí)間占比降低,實(shí)際上牛市持續(xù) 時(shí) 間是 長 于 熊 市 時(shí) 間的 , 這 是 物 理 學(xué) 的 運(yùn) 動(dòng) 規(guī) 律 決 定 的 我們?cè)賮砜纯粗忻拦墒械膶?duì)比 美國的牛市運(yùn)行周期更長平均 20 多年一次,熊市很短,震蕩市也少。理論上來說,只要你持有美股指數(shù),不管買在高點(diǎn)還是低點(diǎn),最終都會(huì)創(chuàng)新高,擇時(shí)帶來的超額收益很少,最終是靠持股,這是巴菲特出現(xiàn)在美國的最主要原因。 A 股的國運(yùn)牛市仍處于早期階段,股票市場開始到現(xiàn)在也才 30 年,波動(dòng)大是正常的 美國的國運(yùn)牛市已經(jīng)進(jìn)行到中后期,牛短熊長。從很多個(gè)股的微觀層面觀察就可以看到,到了上漲中后期,趨勢(shì)形成,會(huì)導(dǎo)致漲多跌少,直到反轉(zhuǎn)。每個(gè)國家的指數(shù)可以看作一家國家經(jīng)營公司股票,從底層邏輯上來說也需要以基本面為綱,遵循正常的股票走勢(shì)。 震蕩幅度 A 股波動(dòng)很高,因此擇時(shí)仍然重要。A 股收益率雖然長期很高,但是波動(dòng)也很大。以上證綜指為例,1991 年以來 A 股已經(jīng)經(jīng)歷了五輪'牛市-熊市-震蕩市'周期不斷交替的過程,目前處在第六輪牛熊周期中。過去五輪完整的牛熊周期分別是 1991/1-1996/1、1996/1-2005/6、2005/6-2008/10、2008/10-2013/06、2013/06-2018/12, 我們?nèi)∑渲信J猩蠞q的階段計(jì)算上證綜指在牛市中的漲跌幅,分別為 1459%、195%/114%(第二輪周期中有兩段牛市)、514%、109%和 180%,換成復(fù)合年化漲幅為 255%、125%/44%、112%、142%和 207%,剔除第一次極端值后平均為 126%; 同樣我們計(jì)算熊市中上證綜指的漲跌幅,熊市區(qū)間的年化漲幅分別為-61%、-54%、-73%,-38%和-64%,平均為-58%。美股以同樣的方法計(jì)算后道瓊斯指數(shù)在牛市中的平均年化漲幅為 20%,熊市平均年化跌幅為 29%。 可見牛熊周期視角下 A 股的波動(dòng)更為劇烈。自然年視角下的結(jié)論也一致,上證綜指過去 30年平均振幅(年度指數(shù)最高點(diǎn)/最低點(diǎn)-1)達(dá)到了 80%,而美股過去 50 年為 28%。 A 股這種高波動(dòng)的特征使得擇時(shí)策略性價(jià)比很高。前期以華夏大盤大盤精選為代表。 估值波動(dòng) 以滬深 300 指數(shù)為例,合理波動(dòng)區(qū)間為 20-40 倍,中樞值為 30 倍,低于 20 倍為低估區(qū)間,可以作為擇時(shí)買入?yún)^(qū)間,高于 40 倍為高估區(qū)間,選擇的策略為賣出區(qū)間。 當(dāng)然,隨著中國股市的市值越來越大,估值中樞有下調(diào)的可能,我們可以參考美國道瓊斯的百年估值數(shù)據(jù) 美股道瓊斯指數(shù) 1900-2006 年的市盈率估值區(qū)間圖,美股 PE 估值區(qū)間為 5-45 倍,美股的估值波動(dòng)區(qū)間更大,時(shí)間更長。反映到股市是上美股牛長熊短。 由于交易制度的差異,美股 T+0,無漲跌停板限制,A 股 T+1,10%漲跌停板制度,美股的有效性更高,下跌速度更快,震蕩時(shí)間更短,從效率來說,美股的買入賣出擇時(shí)效率更高。A 股的震蕩時(shí)間更長,買入擇時(shí)效率相對(duì)較低,賣出效率更高。 A股日均成交額 整體上,隨著 A 股的上市公司數(shù)量和上市總市值的不斷增加,成交額呈現(xiàn)出周期性的增大過程。2015 年牛市中日均交易額在 1 萬億以上的月份有 6 個(gè),日均交易額 1.4 萬億以上的三個(gè)月,股市加速?zèng)_頂,牛市頂峰月,日均交易額超過 1.7 萬億。目前這一輪的牛市很有可能將這個(gè)極值推向新高,日均 2 萬億甚至可能不是頂峰。 新增開戶數(shù) 由于政策的變動(dòng),這個(gè)指標(biāo)有點(diǎn)失真,例如 2015 年,政策放開,每個(gè)股民最多可開 20 個(gè)滬深股票賬號(hào),那一年開戶數(shù)突破極值。隨后政策又變動(dòng),開戶數(shù)限制為 3 個(gè),開戶數(shù)隨之大跌,目前的中樞值為 250 萬個(gè)。 股債收益差 從長周期的角度來看,股市的投資回報(bào)率是大于 10 年期國債回報(bào)率(無風(fēng)險(xiǎn)利率)低。二者的差在 4%以上時(shí),是股市的底部擇時(shí)買入?yún)^(qū)間,當(dāng)二者的收益差在 0%以下時(shí),就進(jìn)入了股市高位擇時(shí)賣出區(qū)間(針對(duì)長期投資者和逆向投資者),其他為隨機(jī)游走,可漲可跌 股市市值與 GDP 的比率(巴菲特指標(biāo)) 又叫資產(chǎn)證券化率,指該國股市市值與 GDP(GNP)的比值,低于 50%為低估區(qū)間,高于 120%以上為高估區(qū)間,高于 150%為泡沫性高估,主要由巴菲特 1999 年和 2001 年提出 ,此時(shí)美股處于科技股泡沫時(shí)期 全球主要經(jīng)濟(jì)體在 2008 年經(jīng)濟(jì)危機(jī)之后進(jìn)入印鈔模式,市場流動(dòng)性非常充沛,各國的資產(chǎn)證券化率不斷走高,以美國 為例,美國目前的證券化率已經(jīng)超過了 170%,最高達(dá)到 189%,再以傳統(tǒng)的 50-120%區(qū)間作為判斷,可能會(huì)造成很大困擾,但是可以判斷,目前不是一個(gè)好的投資區(qū)間 A 股的資產(chǎn)證券化率,底部不斷抬高,頂部區(qū)間也會(huì)逐步走高,2019 年為 89%。2020 年 7.24日數(shù)據(jù),A 股總市值為 70.4 萬億,港股 25.4 萬億人民幣,海外中概股為 13 萬億市值,合計(jì)109 萬億,2019 年 GDP 為 99 萬億,證券化率為 110%,對(duì)應(yīng) 2020 年 GDP 也超過 100%,總體來說,到了謹(jǐn)慎區(qū)間 恐慌指數(shù) 美國道瓊斯指數(shù)2009年以來指數(shù)與VIX指數(shù)的對(duì)照?qǐng)D,這是一個(gè)反向指標(biāo),從目前數(shù)據(jù)看,是一個(gè)相對(duì)較好的指標(biāo)。印證了巴菲特的名言:別人恐懼我貪婪,別人貪婪我恐懼 。目前A股暫時(shí)沒有這個(gè)指數(shù) |
|