量化策略之“事件驱动” 事件驱动理论( 三 )


整合好的数据示例
我们考察事件发生(即基准日期)后的20个交易日相对于基准日期价格的变动情况 , 同时选择沪深300指数作为市场参照 , 可以看出该事件确实有超额收益 , 而且超额收益随着时间递增 。
时间窗口分析示例
在此基础上 , 还可以按照属性进行分类 , 比如按照PE分组和按照股息率分组的超额收益对比图如下 。通过分组分析 , 我们可以更直观的感受事情对不同组别的标的所产生的不同影响 。
按照市盈率(PE)进行分组分析示例
按照股息率(dividend_rate)进行分组分析示例
总结
从表面来看 , 事件驱动策略好像是世界杯来了看啤酒、休闲食品;生育放开政策来了看牛奶、玩具、教育;天灾来了看医药、基建;贸易战来了看自主研发、内需 。大股东、高管增持了后市看多 , 大股东、高管减持了后市看空 。产业政策来了 , 行业大会开了 , 相关行业利好看多;企业丑闻来了 , 债务危机来了 , 相关企业利空看空 。如此种种 , 不一而足 。
尽管看着热闹 , 有时候参与进去交易一把也能赚点小钱 , 如果只是停留在这个层面上 , 更多的还是听消息炒股 , 很难避免今天盈利、明天亏损的轮回 。
从博弈的角度来讲 , 有时候消息放出的目的 , 是希望广大散户来接盘的 。对于这种“所谓利好出尽成利空”的状况 , 更是需要警惕 。
因此 , 事件驱动策略 , 要想用的好 , 是需要大数据统计 深度思考的 。

【量化策略之“事件驱动” 事件驱动理论】

推荐阅读