Benjamin Graham 是一位价值投资者。他比较有名的有 Graham number 和 Graham formula。
这个 22.5 是怎么来的呢?取自他的观点 -只买便宜的,投资 15 倍以下 pe 和 1.5 倍以下 pb 的股票。
著名的 Graham number 适用于 Defensive investor (防御型投资者),既然是防御保守型的投资者,那么除了较低的 PE 和 PB ratio 以外,还需要考察公司的其他几个方面(不然就选到垃圾股了)
抗风险的大公司,高市值,高销售
偿债能力,不会有破产风险 current ratio>2, long term debt<working captial
赚钱能力,利润持续增长
PE ratio < 15
PB ratio <1.5
这是价值投资的一个大概思路。每个月调仓一次。看下来中长期的投资回报还是相对稳健的。有兴趣的同学可以尝试修改完善。
源码在 Ricequant实现
# 可以自己 import 我们平台支持的第三方 python 模块,、numpy 等。
import pandas as pd
import numpy as np
import datetime
import math
# 在这个方法中编写任何的初始化逻辑。context 对象将会在你的算法策略的任何方法之间做传递。
def init(context):
scheduler.run_monthly(rebalance,8)
# 你选择的证券的数据更新将会触发此段逻辑,例如日或分钟历史数据切片或者是实时数据切片更新
def handle_bar(context, bar_dict):
pass
def before_trading(context):
num_stocks = 10
#删选股票
fundamental_df = get_fundamentals(
query(
fundamentals.eod_derivative_indicator.pb_ratio,
fundamentals.eod_derivative_indicator.pe_ratio,
fundamentals.financial_indicator.inc_earnings_per_share,
fundamentals.financial_indicator.inc_profit_before_tax,
fundamentals.financial_indicator.quick_ratio,
fundamentals.financial_indicator.earnings_per_share,
fundamentals.financial_indicator.book_value_per_share,
)
.filter(
fundamentals.eod_derivative_indicator.pe_ratio<15
)
.filter(
fundamentals.eod_derivative_indicator.pb_ratio<1.5
)
.filter(
fundamentals.financial_indicator.inc_earnings_per_share>0
)
.filter(
fundamentals.financial_indicator.inc_profit_before_tax>0
)
.filter(
fundamentals.financial_indicator.current_ratio>2
)
.filter(
fundamentals.financial_indicator.quick_ratio>1
)
.order_by(
fundamentals.eod_derivative_indicator.market_cap.desc()
).limit(
num_stocks
)
)
context.fundamental_df = fundamental_df
context.stocks = context.fundamental_df.columns.values
def rebalance(context,bar_dict):
#调仓
for stock in context.portfolio.positions:
if stock not in context.fundamental_df:
order_target_percent(stock, 0)
weight = update_weights(context, context.stocks)
for stock in context.fundamental_df:
if weight != 0 and stock in context.fundamental_df:
order_target_percent(stock,weight)
def update_weights(context,stocks):
if len(stocks) == 0:
return 0
else:
weight = .95/len(stocks)
return weight