形态识别优选趋势上涨的股票
创建于 更新于
摘要
本报告通过形态识别技术,从均线多头排列、胜率、盈亏比、累计收益率和RSI等指标筛选价格趋势上涨的个股。模型基于A股市场自2014年以来的回测,显示基础组合年化收益15.63%、累计收益329.15%,严格条件组合年化收益20.42%、累计收益544.24%,均大幅跑赢沪深300指数,且在熊市表现更稳健,且绩效提升显著。行业收益归因显示传媒、建筑装饰等行业轮动表现较好,银行股表现较弱,近期信号个股包括中航沈飞、中国银行等,模型具有较强的趋势捕捉能力但每年可选股票数量有限 [page::0][page::6][page::7][page::9][page::10][page::12][page::13]
速读内容
形态识别个股筛选框架及指标解释 [page::2][page::3][page::4]
- 通过均线多头排列确认趋势上涨个股,示意图清晰展示短、中、长均线排列顺序,反映多头趋势。
- 辅以胜率(正收益天数占比)、盈亏比(正负收益均值或总和比)、累计收益率及RSI指标构建筛选条件。
- 以RSI剔除超买个股,降低回撤风险,提高模型的稳定性。
模型参数及回测区间 [page::5]
- 回测期为2014年2月7日至2024年7月18日,涵盖主板、创业板及科创板的非停牌、非ST股票。
- 信号频率为日度,调仓频率为月度。
- 模型分为基础组合和严格条件组合,后者在盈亏比等指标上设更高门槛。
基础组合回测表现 [page::6][page::7][page::8]

| 指标 | 基础组合 | 沪深300 |
|----------------|---------|------------|
| 累计收益 | 329.15% | 60.75% |
| 年化收益 | 15.63% | 4.85% |
| 最大回撤 | 优于沪深300 | — |
- 回测显示模型长期跑赢基准,分年收益多数年份优于沪深300,尤其在市场下跌年份表现稳健。
- 盈亏比均高于1.8,持有120日盈亏比最高达2.14,表明策略整体正向收益显著。
严格条件组合回测表现及对比 [page::8][page::9]

| 指标 | 严格组合 | 基础组合 | 沪深300 |
|-------------|---------|---------|---------|
| 累计收益 | 544.24% | 329.15% | 60.75% |
| 年化收益 | 20.42% | 15.63% | 4.85% |
| 年化波动率 | 25.58% | 略低 | — |
| Sharpe比率 | 0.80 | 0.63 | 0.22 |
- 严格条件组合信号数减少,但胜率及盈亏比指标明显提升,组合风险调整后表现更优。
- 2021年以来,严格组合持续跑赢基础组合及沪深300,回撤控制良好。
收益归因与行业表现分析 [page::10][page::12]


- 个股信号覆盖广泛,集中在医药生物、机械设备、基础化工、医药生物等行业。
- 持股20日收益率高的行业包括传媒、建筑装饰、通信、农林牧渔;持有40日收益率行业为钢铁、煤炭及传媒等。
- 银行业个股一般表现负收益,提示行业轮动重要性。
近期信号及风险提示 [page::13][page::15]
- 近期模型选出的股票包括中航沈飞、中国银行、福建高速、中国广核等,涵盖多行业。
- 风险提示包括政策变动影响及模型失效风险,特别强调模型基于历史数据,未来有效性不可保证。
深度阅读
形态识别优选趋势上涨的股票——金融研究报告详尽分析
---
1. 元数据与概览
报告标题:形态识别优选趋势上涨的股票
分析师:张雨蒙
发布机构:上海证券有限责任公司研究所
发布日期:2024年8月7日
研究主题:基于技术形态识别方法,通过量价角度筛选A股中价格趋势向上的个股,构建量化选股模型,评估其有效性及回测表现。
核心论点与主要信息
报告基于量价技术指标(如均线多头排列、胜率、盈亏比、累计收益率、RSI),通过形态识别筛选出趋势上涨股票。回测结果表明,模型能够捕获A股市场长期存在的动量效应,在多数年份跑赢沪深300指数,且在市场下跌年表现稳健。报告划分为基础组合与严格条件组合,其中严格条件组合通过更严苛筛选标准显著提升盈亏比、累计收益与Sharpe比率。
风险提示为政策风险和模型失效风险,强调模型基于历史数据,未来表现存在不确定性。
[page::0-1]
---
2. 逐节深度解读
2.1 形态识别趋势上涨的个股(第1章)
该章节从投资者视角出发阐述问题背景:市场震荡和下跌时寻找有效市场信息的重要性,强调价格和成交量是市场最终交易表现,任何基本面、资金面信息终归反映走势。基于此,报告聚焦量价指标进行股票筛选,假设股票价格趋势上的动量效应能够延续,进而通过胜率、盈亏比等统计指标对未来表现进行检验。
推理依据:技术分析工具能捕捉投资者心理和市场趋势,动量效应长期存在是学术和实证研究广泛验证的结论。
[page::2]
2.2 模型思路与选股指标(第2章)
模型选股逻辑基于多指标:
- 均线:四条不同期限均线从短到长呈多头排列,表征短期、中期至长期投资者均对价格持乐观态度,股价处于强劲上涨趋势(示意图1显示均线排列顺序,橙、黄、紫、绿分别代表不同期限移动平均线,短均线居上说明多头趋势)。
- 胜率:定义为正收益交易日占比,反映股票获利概率。
- 盈亏比:采用正收益总和与负收益总和比率,体现潜在收益与风险的权衡。
- 累计收益率:限定上涨幅度上限,避免选入价格有极端反转风险的标的。
- RSI:计算相对强弱指数,作为反转指标剔除超买标的,降低回撤风险。
通过上述综合指标的筛选,期望捕获未来一段时间内持续上涨的股票。
[page::2-4]
2.3 模型参数(2.2节)
- 回测区间:2014年2月7日至2024年7月18日,长达十年多的历史数据。
- 样本范围:剔除停牌、ST和*ST股票,涵盖主板、创业板、科创板。
- 信号判定条件:均线多头排列、胜率≥N%、盈亏比≥M%、累计涨幅≤一定值、RSI≤设定阈值(具体数值见表1未详述)。
- 调仓频率:月度调仓,信号每日计算。
- 组合设置:区分基础组合和严格条件组合,根据盈亏比阈值不同筛选股票。
该模型以沪深300为基准衡量表现。
[page::5]
2.4 回测结果解析(第3章)
3.1 基础组合回测
- 日度信号统计发现胜率整体不算高,但盈亏比均衡表现良好,持仓120日盈亏比最高达2.14。
- 月度调仓组合净值(图2)显示自2019年以来净值显著跑赢沪深300指数,表现稳定。
- 风险收益指标(表3)累计收益329.15%,年化15.63%,均明显优于沪深300(累计60.75%,年化4.85%),最大回撤较低。
- 分年收益(图3)组合大部分年份跑赢沪深300,尤其市场跌年(2016、2018、2021-2023)表现更稳健,实现超额收益。
此部分强调基础组合虽信号频繁,胜率适中,但盈亏结构优良,使得整体回测表现持续优异。
[page::6-8]
3.2 严格条件组合回测
- 筛选条件严格后,选股数量减少但质量提升。
- 日度信号胜率略提升,盈亏比表现明显增强,持仓50日盈亏比最高达2.87。
- 净值表现(图4)显示2014-2020年与基础组合相近,自2021年以来明显优于基础组合和沪深300。
- 风险收益指标(表5)累计收益544.24%,年化20.42%,波动率25.58%,Sharpe比率0.80显著高于基础组合(0.63)和沪深300指数(0.22)。
- 分年收益(图5)严格条件组合在2021年后连续跑赢基础组合和沪深300,除2014年、2018年稍逊外,整体表现优异且更稳定。
严格条件组合的表现提升证明,通过强化盈亏比等条件筛选,可更有效地捕获趋势上涨个股,收益风险比提升明显。
[page::8-10]
2.5 模型优缺点及收益归因(第4章)
优缺点
- 优势:不依赖基本面,只聚焦价格形态,适用不同市场环境,长期有效筛选上涨趋势股票。
- 缺点:满足条件的股票数量有限,尤其严格条件更少,可能影响组合多样性和流动性。
行业信号分布(图6、表6、表7)
信号覆盖申万一级行业广泛,主要集中在医药生物、机械设备、基础化工、电力设备、汽车等行业,证明模型适用广泛但存在行业偏好。
近期银行业信号增多但收益表现不理想(后文收益归因),暗示行业内部结构差异或模型在部分行业表现不佳。
收益归因(图7,表8)
- 持股20日和40日收益均值显示传媒、建筑装饰、通信、农林牧渔等行业收益较好。
- 钢铁、煤炭、传媒等资源周期股长期收益显著,尤其持有40日。
- 银行业无论持仓时间均呈负收益,提示模型在传统银行业择时能力欠佳,可能受政策或估值修复周期限制。
- 逐年看,煤炭行业2016、2017、2019年持股收益突出,2024年电子行业表现优异,年内持股20日均值高达23.83%。
行业表现差异揭示市场消息传播、行业景气周期与技术信号互动复杂,模型应结合行业特征优化。
[page::10-12]
2.6 近期模型信号(第5章)
报告列示了近期满足基础和严格条件的股票名单,包括中航沈飞、中国银行、福建高速、中国广核等,有助于跟踪模型近阶段推股票池,便于投资者识别潜在标的。
[page::13]
2.7 未来展望与风险提示(第6章)
- 未来工作:结合不同持有期和形态多样化,构建择时策略,提升实时投资的灵活性与效果。
- 风险提示:
- 政策风险:市场监管和宏观政策波动可能影响趋势持续性。
- 模型失效风险:模型基于历史数据且价格行为模式可能变更,市场结构变化带来不确定性,投资者应审慎使用。
[page::14-15]
---
3. 图表深度解读
图1:均线多头排列示意图(第3页)
展示4条不同颜色均线橙、黄、紫、绿由短到长均线短期排在长期均线之上,形成多头排列模式。该排列对应股价处于上升趋势阶段,支撑均线多头作为选股条件。形象说明短长期投资者共识乐观,价格趋势积极。
[page::3]
---
图2:组合回测净值(月度调仓)(第7页)
该折线图显示基础组合净值红线显著高于沪深300橙线,自2019年后组合表现更优,整体呈现稳步增长,说明模型通过月度调仓能持续跑赢大盘。
[page::7]
---
图3:组合分年收益(月度调仓)(第8页)
柱状图对比每年组合与沪深300收益率,显示多数年份基础组合收益优于沪深300,尤其2016、2018、2021-2023等跌市年份组合仍有正收益,体现策略的稳健性和抗跌特征。
[page::8]
---
图4:严格条件组合回测净值(月度调仓)(第9页)
3条线对比严格条件组合(红)、基础组合(橙)、沪深300(灰),严选组合近2年明显跑赢其他组合,表现更好,验证严格筛选的有效性。
[page::9]
---
图5:严格条件组合分年收益(月度调仓)(第9页)
对比条形图显示严格条件组合的分年收益普遍高过基础组合和沪深300,尤其近3年成绩突出,表明加强条件提升组合收益质量。
[page::9]
---
图6:分行业历史信号数(日度信号)(第10页)
柱状图表现各行业信号数量,医药生物和机械设备行业信号最多,说明这些行业的个股更频繁满足模型条件,可能行业内存在更多趋势机会。
[page::10]
---
图7:分行业股票收益均值(日度信号)(第12页)
分为持有20日和持有40日收益均值,显示传媒、钢铁、煤炭等行业表现优越,而银行持续为负收益板块。该图体现行业间趋势回报差异,且时间持有更长提升部分行业收益水平。
[page::12]
---
4. 估值分析
报告聚焦于量价技术形态识别的量化模型,未涉及基本面估值指标、现金流折现、比率估值分析等传统估值方法,因此无估值部分。
---
5. 风险因素评估
- 政策风险:监管、宏观政策调整可能改变市场资金面和投资风格,进而影响动量策略表现。
- 模型失效风险:基于历史数据的技术模型存在未来失效可能,若市场结构、投资者行为变化,动量效应可能减弱,模型表现下降。报告明确指出模型不构成投资建议。
报告未对风险发生概率作量化判断,也未提出明确的风险缓解措施,仅提示投资者注意风险。
[page::0,15]
---
6. 批判性视角与细微差别
- 报告坚持不考虑基本面,仅依赖价格形态,因此在基本面驱动明显的行情可能失准。
- 严格条件下股票数量减少,可能带来流动性风险或组合分散度不足,未在报告中展开分析。
- 银行业收益均为负,显示模型在部分行业可能存在选择偏误或市场特殊因素干扰,应谨慎应用。
- 表格1等具体参数信息未完整展示,限制外部复核和深入理解。
- 报告表述客观,未发现明显夸大宣传,但需警惕因量化策略过度依赖历史特征而产生的“模型过拟合”风险。
- 投资建议不明确,提示为量化筛选工具,不构成买卖意见,符合监管对独立报告的要求。
---
7. 结论性综合
本报告系统地构建并回测了基于技术形态识别的趋势上涨股票筛选模型,核心依托均线多头排列、胜率、盈亏比、累计收益率及RSI指标,充分体现量价分析优势。通过对2014年至2024年A股市场的月度调仓回测,验证模型长期有效,尤其在市场下跌年份表现更为稳健。
从基础组合到盈亏比等指标更严格的筛选组合,严格条件组合在累计收益(544.24% vs 329.15%)、年化收益、Sharpe比率(0.80明显优于0.63和沪深300的0.22)均实现显著提升,表现出更优质的风险调整回报。
行业维度的收益归因揭示,传媒、建筑装饰、钢铁、煤炭等周期行业是模型效应较强的板块,相比之下银行板块表现较差,显示模型对行业驱动不一,提醒投资者行业配置需结合基本面判断。
图表展示了模型收益与风险特征,综合展现了模型优越的抗跌性和稳定性,且策略调仓频率适中(月度),方便实操应用。
模型优势在于直接反映市场行为,不依赖基本面数据,适应多样市场环境。但缺点是信号股有限,且模型表现依赖历史动量效应的持续,风险较明显,投资时需谨慎。
报告的风险提示简洁明确,强调政策和历史有效性风险。未来可通过动态择时策略等方法,进一步提升模型实用性。
总的来看,报告为投资者提供了一种有效的趋势选股量化工具,能显著跑赢主流基准指数,尤其适合捕捉中短期价格动量机会;但投资者应结合风险特点和行业差异,合理配置与动态调整。
[page::0-15]
---
重要图表展示
图1:均线多头排列示意图

图2:组合回测净值(月度调仓)

图3:组合分年收益(月度调仓)

图4:严格条件组合回测净值(月度调仓)

图5:严格条件组合分年收益(月度调仓)

图6:分行业历史信号数(日度信号)

图7:分行业股票收益均值(日度信号)

---
综上,本报告以详实的技术分析视角剖析了趋势上涨选股模型,数据丰富且层层验证,体现出扎实的量化研究水准,为投资量化策略构建提供借鉴。