首选声明：本人就是一名小投顾，不是什么大v，大神的。另本人选股喜欢中线。写作水平很烂，大家将就着看吧。

本人07年进入证券公司，从痴迷技术图形，技术指标，到研究基本面到现在，发现没有方法是万能的。唯一的心得就是每个人都需要有一套适合自己的方法并严格执行，才能在这个残酷的市场中存活。

首先我要感谢@守正出奇BJ大哥，没有他的指导我可能到现在都没找到适合自己的方法。很怀念当初在天相投顾培训的日子。

我有两个组合表现的还凑合$年报龙头(ZH157378)$$拿个十年咋样(ZH002716)$大家如果观察过的话能发现我基本上是埋伏上股票，几乎不动，放弃了波段的收益。 组合之所以业绩不错，主要是抓住了几个牛股
000626.600447.000712.300032吧。当然这不全是我自己发现的。比如000626是私募一朋友推荐的，私募在挖掘股票方面真的很厉害。

下面我就分享一下我个人的一点心得：我遵循的是基本面选股，技术面择时，寻找股票的上涨逻辑。基本面把握股票大的方向，技术面选择介入时机（不过我经常指导客户介入后先被套），上涨逻辑支撑持股信心。基本面雪球上很多大v无私奉献@耐力投资@价值at风险技术面上雪球也有很多大神就不一一列举了。我就简单说一下我自己总结的一点上涨逻辑吧（适合我自己的）

一、高送转逻辑

高送转是不管牛市熊市都必炒的一个题材，虽然就是个数字游戏，但是在A股还是百炒不厌。

高送转是分三段炒：炒预期、炒抢权、炒填权

1、炒预期

高送转预期的股票一般都有以下几个特征：

第一点 也是最重要的一点 看股票的总股本和流通股份

第二点 业绩优良 最好是业绩相比去年同期有所增长 全年最好是0.6元以上

第三点最好有一定的题材。比如国产化（国产软件、硬件的替代）、信息安全、工业4.0、智能化（智能穿戴、智能家居、机器人、智能汽车）、物联网互联网（云计算、大数据、4g、移动支付）、节能led等。

2、炒抢权

有一些高送转的股票，公布高送转前没有被机构挖掘，股价涨幅较小，一旦公布了高送转之后，在行权日这一段时间里往往会出现较大的涨幅。

3、炒填权

这个是我最喜欢的。有题材的股票高送转后往往都是要填权的。比如说002414.300034.002241等，我一般认为填权价就是第一目标位。填权后股价横盘震荡或者大幅回调的概率较大。

二、借壳摘帽逻辑

A股是个奇葩市，经常上演乌鸦变凤凰的传奇。借壳摘帽自然也是毕炒的题材。st摘帽的相对来说比较好找。只要业绩改善，摘帽当日一般会有涨停出现。借壳的公司也是有一定规律的，比如市值一般在20到50亿之间，主营业务多年持续不景气，公司一直处于盈利亏损的边缘。这样的公司往往卖壳的概率较大。记得去年有一个统计：2014年1月1号，买入市值低于20个亿的公司，不看基本面，到2014年6月30日，平均收益率不低于50%。可见A股的炒壳多么厉害。当然随着注册制的退出，壳资源会越来越不值钱，但是从目前来看，壳还是值得一炒。

三、业绩拐点

业绩最坏的时候也是股价最低的时候。业绩一旦拐点，确认上升，股票往往会被爆炒。300136.300032.600143都是业绩出现向上的拐点。

四、业绩白马股

这是价值投资者的最爱。事实也证明业绩白马股的涨幅也一直很可观。格力，茅台，云南白药等等，一复权你就明白什么是大牛了。

五、企业转型逻辑

一个企业发现自己的主营没有起色或者越来越差，往往会转型，市场对于转型企业的炒作也是很热情。市场对转型企业的预期往往都比较高。这个得经常翻研报寻找，转型方向往往是炒的比较热的题材。比如千山药机转型基因测序。太极实业转型半导体，宏达高科转型移动医疗。

六、大股东回购、定增、引进战略投资者、员工持股

机构往往比我们更清楚一个公司的详情，机构敢于介入这个公司，就说明对未来股价的大的方向是有把握的，机构的成本往往都是公开的。机构成本就是相对安全的区域。员工持股更是安全区域。

七、市值管理

国外的市值管理是公司为了维护自己的股价保持到合理水平，不过国内的市值管理貌似变了味道。公司跟机构合作，拉高自己的股价，这个不便于明说，如果你发现一个公司的股东频繁质押自己的股份，你就要注意了。往往这样的公司后期涨幅会不小。比如说乐视、复兴医药等等。

困的不行了，水平有限，仅作抛砖引玉，欢迎大家指点。@不见开花但见结果

雪球是一个投资者的社交网络，聪明的投资者都在这里。

点击下载雪球手机客户端 http://xueqiu.com/xz

一、GARP 概述

价值策略和成长策略是投资者熟知的两种选股策略，两种策略的结合便是 GARP（Growth at a Reasonable Price）策略。与成长策略和价值策略更加注重基本面分析相比，GARP 策略更加侧重数量化分析。GARP 策略由于选股时兼顾价值和成长，风险相对适中，可以获得较高的风险调整后收益，因此深受数量化基金的青睐。在此之前，我们首先简单的介绍下价值、成长以及 GARP 策略。

价值投资策略最初起源于本杰明·格雷厄姆（Benjamin Graham） ，这位毕业于

哥伦比亚大学，以数学见长的大师强调安全边际、偏重于低投资成本的估值策

略。价值投资主要是借助 PE、PB、PCF 等参数去挖掘具有更高安全边际、被市场低估的股票。

(NAIC)是一个非常著名的使用和教授成长投资策略的公司，它们对外提供了一个选择成长型公司基本普遍使用框架。价值投资者关注股票的过去和现在，他们寻找成交价格低于他们价值的股票； 而成长投资者则关注公司的潜在的未来， 而不在乎它现在的价格。在量化形式上， 成长投资主要是通过 ROE、ROA、NPG 等参数

去挖掘具有更高成长性的股票。

后来将估值和成长策略的有效信息结合在一起，创造 GARP（Growth at A

Reasonable Price）策略的开创者，是美国 Fidelity 投资公司的传奇基金经理人

彼得·林奇（Peter Lynch） 。他引入了 PEG 这一概念，用估值成长比来衡量公

司的投资价值；并且强调找寻“兼具低估值和高成长”公司最好的办法，就是

深入地了解公司的经营状况。从 1977 年到 1990 年 13 年间，他所执掌的麦哲

伦（Magellan）基金，创造了年化收益率高达 29%的传奇业绩。

二、GARP研究方法

1、股票池筛选：全部A股非ST 类上市公司。为了控制股票池的整体长期经营业绩风险，我们剔除了明显不符合价值投资导向的公司，即 ST类公司。

2、选出量化指标

3、指标打分： 按照价值成长因子的各个指标进行排序（价值指标从小至大，成长指标从大至小） ，然后采用百分制整数打分法进行指标打分，即以股票在各个指标排名中所处位置的百分数作为股票对应该指标的得分，前 1%得分为 100，依次递减，最后1%得分为 1。

4、组合排序调整：我们对组合进行等权评分构建组合，并按照一定时间周期对股票组合进行调整。

至于在每个策略因子里打分的侧重和调整，各位球友可以自己进行回测优化，我自己也是在国信的GARP100上进行优化的，下图是GARP100的回测图：

可以看出， 长期而言，GARP策略在绝大多数市场条件（牛市、调整市、小熊市）下持续表现优秀，尤其在震荡市或者小熊市中，表现最好。

综上，2016年我个人认为大概率是小熊市或者震荡市，而GARP策略在这两种市场环境下，表现最为优秀，优势性凸显。值此春节之际，与大家分享一些自己的投资思考，欢迎各位球友讨论转发，我本人也是缠论拥簇者，非常赞同缠师的三个独立面基本面、技术面、资金面结合能大大提高选股的成功率，也在这套GARP策略上进行了增强处理，随后再与大家分享，好久没回雪球，人气在哪里，让我有点分享进步的动力嘛

GCN 假设图是无向的，因为利用了对称的拉普拉斯矩阵 (只有邻接矩阵 A 是对称的，拉普拉斯矩阵才可以正交分解)，不能直接用于有向图

GCN 不能处理动态图，GCN 在训练时依赖于具体的图结构，测试的时候也要在相同的图上进行。因此只能处理 transductive 任务，不能处理 inductive 任务。transductive 指训练和测试的时候基于相同的图结构，例如在一个社交网络上，知道一部分人的类别，预测另一部分人的类别。inductive 指训练和测试使用不同的图结构，例如在一个社交网络上训练，在另一个社交网络上预测。

GCN 不能为每个邻居分配不同的权重，GCN 在卷积时对所有邻居节点均一视同仁，不能根据节点重要性分配不同的权重。

2018 年图注意力网络 GAT 被提出，用于解决 GCN 的上述问题，论文是《GRAPH ATTENTION NETWORKS》。GAT 采用了 Attention 机制，可以为不同节点分配不同权重，训练时依赖于成对的相邻节点，而不依赖具体的网络结构，可以用于 inductive 任务。

图注意力网络优化了图卷积神经网络的几个缺陷：

图卷积神经网络擅长处理transductive任务，无法完成inductive任务。图卷积神经网络进行图卷积操作时需要拉普拉斯矩阵，而拉普拉斯矩阵需要知道整个图的结构，故无法完成inductive任务，而图注意力网络仅需要一阶邻居节点的信息。（transductive指的是训练、测试使用同一个图数据，inductive是指训练、测试使用不同的图数据）

图卷积神经网络对于同一个节点的不同邻居在卷积操作时使用的是相同的权重（详见图卷积神经网络最终使用的卷积公式），而图注意力网络则可以通过注意力机制针对不同的邻居学习不同的权重。

按照资料中的步骤，搭建深度学习模型，选择GATs算法，构建包括特征和标签提取、特征预处理、样本内训练、交叉验证和样本外测试等步骤。最终在每个月底可以产生对全部个股下期上涨概率的预测值，然后根据正确率、AUC 等指标以及策略回测结果对模型进行评价。我们的模型设置为月频换仓，为了让模型及时学习到市场特征的变化并兼顾计算效率，我们采用了滚动回测方法，即从 2019年1月1开始，每月底重新构建一次模型，在下一月进行测试。我们还根据模型的预测结果构建了沪深300成份内选股和中证500成份内选股策略，通过年化收益率、夏普比率、最大回撤等指标综合评价策略效果。

截至2022年5月1，中证500指数增强收益111%，同期指数30%，超额81%，夏普比率1.03，最大回撤35%。

截至2022年5月1，沪深300指数增强收益104%，同期指数30%，超额74%，夏普比率1，最大回撤40%。

1、GRU概述

　　GRU是LSTM网络的一种效果很好的变体，它较LSTM网络的结构更加简单，而且效果也很好，因此也是当前非常流形的一种网络。GRU既然是LSTM的变体，因此也是可以解决RNN网络中的长依赖问题。

　　在LSTM中引入了三个门函数：输入门、遗忘门和输出门来控制输入值、记忆值和输出值。而在GRU模型中只有两个门：分别是更新门和重置门。具体结构如下图所示：

图中的zt和rt分别表示更新门和重置门。更新门用于控制前一时刻的状态信息被带入到当前状态中的程度，更新门的值越大说明前一时刻的状态信息带入越多。重置门控制前一状态有多少信息被写入到当前的候选集ht上，重置门越小，前一状态的信息被写入的越少。

按照资料中的步骤，搭建深度学习模型，选择GRU算法，构建包括特征和标签提取、特征预处理、样本内训练、交叉验证和样本外测试等步骤。最终在每个月底可以产生对全部个股下期上涨概率的预测值，然后根据正确率、AUC 等指标以及策略回测结果对模型进行评价。我们的模型设置为月频换仓，为了让模型及时学习到市场特征的变化并兼顾计算效率，我们采用了滚动回测方法，即从 2019年1月1开始，每月底重新构建一次模型，在下一月进行测试。我们还根据模型的预测结果构建了沪深300成份内选股和中证500成份内选股策略，通过年化收益率、夏普比率、最大回撤等指标综合评价策略效果。

截至2022年4月1，中证500指数增强收益150%，同期指数50%，超额100%，夏普比率1.24，最大回撤24%。

同期LSTM收益160%，同期指数50%，超额110%，夏普比率1.28，最大回撤28%。

截至2022年4月1，沪深300指数增强收益100%，同期指数40%，超额60%，夏普比率1，最大回撤32%。

同期LSTM收益120%，同期指数40%，超额80%，夏普比率1.15，最大回撤26%。

总结：GRU的最终收益，夏普比率均略低于LSTM，但计算时间和收敛速度比LSTM快。

上一篇：买卖力道指标(买卖力道红绿线怎么看)

下一篇：孵化基金借款协议(孵化基金搭建)