之前市场计价了黄仁勋卸任CEO,昨天盘前一路跌到150,那问题来了,现在市场是否计价了黄仁勋潜在的回归可能?
大举买入中。 $NVDA
$NVDA 的底,不会靠利好来确认。
真正的信号是:利空砸下来,股价不再跌了。
看看这24小时发生了什么:
昨收 $173.73
今收 $166.19
• 黄仁勋卸任CEO
• 他的私人问题又有新料曝出
• 英伟达的领导层和未来都蒙上了不确定性
可即便如此,NVIDIA 盘中从低点拉回来不少。
我盯的就是这个。
消息越来越糟,股价却不再创新低,这往往是空头子弹快打光的第一个信号。
我今天不喊精确的底。
但我觉得 $NVDA 离告诉我们底在哪儿已经不远了。
新闻会继续上头条,至于什么时候它不再起作用,价格会告诉我们。
反过来说,英伟达也可能连着几个月走成烂股,而龙头位置被同行接走,比如 $AMD $AVGO 这些。
2
3
425
黄仁勋之于AI,犹如耶路撒冷之于西方世界。
正如西方世界不能没有耶路撒冷,AI世界也不能没有黄仁勋!!
他的重要性,早已超越了英伟达CEO这个身份。他不仅是这一轮AI革命最核心的推动者之一,更是整个AI产业的精神图腾、技术信仰和市场信心的象征。
Anyway,我希望他回来!
价值因子还能用吗?关键在于怎么算“便宜”
提到价值投资,很多人会想到巴菲特挑好公司、等低价、长期持有。量化领域里的“价值因子”跟它有亲缘关系,但做法完全是另一回事。它不研究某一家公司,而是押注一个统计规律:一群估值低的股票,长期看可能比市场平均表现更好。
价值因子是一个值得放进组合的因子。下面从它的机制讲起,再看几家知名机构怎么改造它,最后介绍一种把几家思路结合起来、效果更好的构建方式。
一、价值因子押注的是一群股票,不是某一只
价值因子的思路很简单:买便宜的股票,也就是低估值的股票。
最容易犯的错误,是把它理解成挑个股。某一家公司估值低,不代表它一定会涨。个股身上有太多特有风险,经营出问题、行业衰退、管理层失误,都可能让便宜的股票变得更便宜。
价值因子讲的是群体特征。举个粗略的例子:把市场上五千多家公司的估值都算出来,从低到高排好,买入最便宜的前30%。这样一篮子股票的收益,可能会高于市场平均水平。
个体的特征和群体的特征是两回事。单只低估值股票的结果有很大偶然性,几百只放在一起,个股风险大部分会互相抵消,剩下的才是“便宜”本身带来的那部分收益。所以价值因子必须分散持有、按规则执行,靠的是概率,不是对某一家公司的判断。
二、多空还是纯多头:基准选错了,结论也会错
学术上构建价值因子一般有两种方式,一种是多空,一种是纯做多。两者该和谁比,标准完全不同。
先说多空。做法是按估值给全市场排序,比如用市净率衡量:市净率最低的前百分之三十做多,市净率最高的后百分之三十做空。这是最传统的价值因子定义。学术界经典的 HML(高账面市值比减低账面市值比)因子,用的就是这类三成、四成、三成的分档,还会再按市值大小分组,减少小盘股的干扰。
拿这样的多空组合去和标普五百比,会发现它大幅跑输,于是有人得出结论:价值因子不行了。
这里的错误在于比错了对象。标普五百本质上是一个只做多的策略,赚的主要是整个市场上涨的钱。多空组合一边买一边卖,多头和空头的市场涨跌大体对冲,市场风险基本被中性化了。它赚的不是市场上涨的钱,而是便宜股票和昂贵股票之间的收益差。
所以多空因子应该和无风险收益率比,也就是美国国债的收益率。这样比的话,多空价值因子的表现比无风险收益好一些。
2010年之后,价值因子被说“死了十几年”。但放到多空框架里、和无风险利率比,它其实仍然有一定优势,只是这个优势越来越小。
再说纯做多。只买估值低的那一批公司,不做空。这种组合承担了市场风险,可以和标普五百比。
但比的时候不能只看收益率,要把收益和风险放在一起看,也就是夏普比率。
夏普比率的算法是:组合收益率减去无风险利率,再除以组合收益的波动率(标准差)。意思是每承担一单位波动,换来多少超额收益。两个组合收益差不多,波动小的那个夏普更高,持有体验和可复制性都更好。
标普500本身就是一个很好的组合,也是一个很好的策略。纯做多的价值组合如果夏普比率能超过标普500,才说明这个因子构建得好;如果夏普反而更低,说明这种纯做多的构建方式不怎么样。
三、原版价值因子:账面市值比与1992年
最原始的价值因子用的是市净率。更严格地说,用的是市净率的倒数,也就是账面净资产除以市值,常叫“账面市值比”。这个数越高,公司越便宜、越值得买;越低,就越贵、越不值得买。
这套做法在1992年提出,出自法玛和弗伦奇关于股票横截面收益的研究。他们发现,市值和账面市值比这两个简单指标,能解释很大一部分股票收益差异,后来的三因子模型就是在这个基础上发展出来的。
用倒数而不用市净率本身,有个实际的原因:净资产为负或接近零时,市净率会变得极大或失去意义;倒过来以后数值连续,排序更稳定。市盈率也一样,亏损公司的市盈率无法解释,换成盈利收益率(每股收益除以股价)就好处理得多。
金融市场又发展了这么多年,很多人认为这种做法已经不适用了,于是不少顶尖机构对它做了改造。
四、三种主流改造思路
第一种,AQR:用多个估值指标综合打分。
AQR 是一家很有影响力的量化机构,具体细节很多,抓住最重要的一点就够了:只看市净率不够,应该同时用市盈率、市净率等多个估值指标。做法是把全市场公司的这些指标都算出来,取平均,看谁综合下来更便宜、谁更贵,再据此构建价值因子。
这样做的道理不难理解。每个估值指标都有盲区:市净率对轻资产公司不公平,市盈率在利润波动大时容易失真,市销率又看不到利润率高低。几个指标一起用,单个指标的噪音会被稀释。实际操作中,各个指标的量纲差别很大,通常先转成排名或标准分,再做平均。
第二种,Avantis:加质量筛选,剔除商誉。
Avantis 是从 Dimensional 分出来的公司。Dimensional 和价值因子的提出者渊源很深,法玛和弗伦奇在这家公司担任董事。Dimensional 的价值因子做得非常纯粹,一直坚持只用市净率。
分出来的 Avantis 认为,传统价值因子之上还要加一层质量筛选。理由是便宜的公司不一定真的便宜,它可能是价值陷阱:股价低,是因为公司确实烂到极点了。所以要用一些基本面指标来筛查公司质量。在他们看来,值得买的是那些质量不差、因为被错杀才显得便宜的公司。
质量通常用盈利能力(如毛利率、净资产收益率)、盈利稳定性、财务健康度等来衡量。思路是在“便宜”的股票里,把那些便宜得有道理的剔掉。
Avantis 还认为,构建价值因子时要把商誉剔除。
过去几十年,美国的并购非常多。并购往往要付溢价:比如 B 公司只值一百亿,A 公司花了一百二十亿把它买下来,多出的二十亿就是溢价,记在财报上叫商誉。溢价付得越多,账面净资产就越大。
问题是商誉没法变现。应收账款收回来是钱,存货卖出去也能变成钱,商誉却换不成钱。美国公司并购太多,财报里堆积了大量商誉。所以 Avantis 主张,算市净率时,分母里的净资产,也就是股东权益,要先扣掉商誉。
这一点有个直观的影响:并购频繁的公司账面净资产被商誉撑大,市净率看起来偏低,像是“便宜”,扣掉商誉以后可能就没那么便宜了。而且商誉一旦减值,会直接冲减净资产和利润,这也是并购型公司常见的风险来源。
第三种,Research Affiliates:把无形资产加回来。
Research Affiliates 也是做因子投资的机构,它的改造方向和 Avantis 正好相反,关注的是被低估的资产:无形资产。
按美国的会计规则,很多公司的研发支出是当作费用直接扣掉的,不形成资产。而越到后来,公司的研发投入越多,全部扣掉就不太合理了。研发投入形成的技术、专利、品牌,本质上是能长期产生收益的资产。所以他们在计算企业的资产、判断估值高低时,会把被扣掉的研发费用重新加回来,算进资产,再去判断公司贵不贵。
这个调整背后的问题是,传统市净率天然偏向重资产行业。银行、钢铁、能源的账面资产厚,科技和医药的价值大多在账外。不做调整,“价值组合”很容易变成“传统行业组合”,错过很多真正被低估的轻资产公司。
这三种改造只是举例。它们的共同点是:原版价值因子的问题不在“买便宜”这个逻辑,而在“便宜”算得不够准。
五、一种结合式构建:多指标、轻质量、加入 EV/EBITDA
下面这种构建方式偏向 AQR 和 Avantis 的结合,再加上一层对负债的考量。
第一层,学 AQR,用多个指标综合评判估值,市盈率、市净率、市销率都用上。
第二层,学 Avantis,做质量筛选。但这一层做得非常轻,不做重。原因可以这样理解:质量门槛设得太高,剩下的会越来越像一个质量组合,反而丢掉了价值因子本身的收益来源;轻轻一层,只是把最明显的垃圾公司挡在门外。
第三层是自己的想法:把和债务有关的公司筛掉。有些公司看着很便宜,但负债特别大,这种公司不讨喜,尤其容易爆雷。
具体的办法,是在综合估值指标之外,再加入 EV/EBITDA。
EV 是企业价值,大致等于股权市值加上有息负债,再减去现金,相当于把整家公司连股带债买下来要付的价钱。EBITDA 是息税折旧摊销前利润,反映主营业务赚现金的能力,不受资本结构和折旧政策影响。
市盈率、市净率只看股东那一侧,一家公司借了大量债务、市值被压得很低,这些指标就会显示它“很便宜”。EV 把负债算了进去,高负债公司的 EV/EBITDA 会明显偏高,也就不再显得便宜。用这个指标去衡量贵贱,能把“靠借钱显得便宜”的公司排到后面。
用这种方式构建出来的效果要好很多。
把不同机构的方法和这套方法放在一起,比较多空组合的夏普比率,这套方法的多空表现不是最好的,但也处在一个还不错的区间。
只做纯多头时,它的表现就更突出了:市盈率、市净率、市销率综合打分,加上 EV/EBITDA,再加一层轻微的质量筛选,得到的夏普比率高于其他传统的价值因子构建方式。
这套方法不是短平快的东西,也不算引人入胜,但它是实际在用的价值因子构建方式。
六、用价值因子时容易踩的坑
· 用单只股票验证因子。某只低估值股票不涨,说明不了什么,因子要看一整个组合在长周期里的表现。
· 比错基准。多空组合和无风险利率比,纯多头组合和指数比,而且要比夏普,不能只比收益。
· 低估了它的回撤周期。价值因子可以连续很多年跑输,2010年之后的那段就是例子。这样的策略如果熬不住,中途放弃,长期优势就拿不到。
· 忽视行业集中。单用市净率时,组合很容易扎堆在金融、能源这类重资产行业,实际上押的是行业而不是“便宜”。
· 忽视交易成本。价值组合需要定期调仓,调得太勤,换手和冲击成本会吃掉本来就不大的超额收益。
七、落地:评估一个价值策略时看什么
这里没有具体的买卖建议,可以作为检查任何价值类产品或自建策略的框架:
· 看估值口径:是只用市净率,还是多个指标综合打分?是否处理了商誉、研发这些会扭曲账面的项目?
· 看负债处理:有没有引入 EV/EBITDA 这类把债务算进去的指标,能不能避开“靠借钱显得便宜”的公司?
· 看质量筛选的力度:有没有防价值陷阱的机制?筛得太重会不会把价值因子做成了质量因子?
· 看评价方法:多空组合对比无风险利率,纯多头组合对比标普500这类指数,并且以夏普比率为准。
7
7
640
$NVDA 的底,不会靠利好来确认。
真正的信号是:利空砸下来,股价不再跌了。
看看这24小时发生了什么:
昨收 $173.73
今收 $166.19
• 黄仁勋卸任CEO
• 他的私人问题又有新料曝出
• 英伟达的领导层和未来都蒙上了不确定性
可即便如此,NVIDIA 盘中从低点拉回来不少。
我盯的就是这个。
消息越来越糟,股价却不再创新低,这往往是空头子弹快打光的第一个信号。
我今天不喊精确的底。
但我觉得 $NVDA 离告诉我们底在哪儿已经不远了。
新闻会继续上头条,至于什么时候它不再起作用,价格会告诉我们。
反过来说,英伟达也可能连着几个月走成烂股,而龙头位置被同行接走,比如 $AMD $AVGO 这些。
$NVDA 日线RSI来到25,是May 2019以来最低的一次。
我翻了将近20年的历史数据,专门看类似超卖读数之后的走势:
- 82%的情况,一年后股价更高
- 1年平均回报 33.4%
- 2年平均回报 96.9%
金融危机、熊市、大级别回调都算在里面,英伟达历史上一直在奖励那些敢在恐慌里往远处看的人。
但超卖不等于见底。以前RSI到极端位置之后,NVDA也继续跌过,有几次跌得还不轻。
所以比起去猜接下来几个交易日怎么走,我更在意长线的统计结果。
还会不会再跌?完全有可能。
真正的问题是:一两年后回头看,今天的恐慌会不会是机会。
历史数据整理在下面的图里,自己看。
$NVDA 今天的量太夸张了。
过去30天日均成交量:163 million股
今天成交量:672 million股
直接放出4x的量。
7
5
718
$NVDA CEO黄仁勋离任,今天大盘要是还能收红,这信号可就太强了。
意思很简单:不管往这个市场身上砸什么,它就是不肯趴下。
看涨!
美股 | 价值罗盘 retweeted
11月12日美股盘前
$NVDA $MU $AMD $AVGO $INTC $NBIS $CRWV $GOOGL $AMZN $TSLA $SPCX
今天最大的风险还是来自女大。
另一个压力来自债券市场恢复交易。市场需要重新消化偏热的通胀、强劲的就业数据,以及联储继续➕息的预期。
开盘阶段科技权重和绊倒体预计会率先释放压力。随后资金和空头回补会推动一轮反抽,但只要女大没有公布清晰、可信的管理层方案,这轮反弹就很难持续。午后资金可能再次降低风险,尾盘虽然会有小幅回收qqq和大盘还是倾向收📉
绊倒体这边会明显分化。女大是今天压力最大的核心权重,市场交易的是管理层和政策风险,而不是业务数据。所以即使开盘后快速反弹,也只能先看成事件冲击后的减压,暂时还不能定义为事件落地止📉。
丑光同样偏弱。前一交易日涨得太快,今天容易出现获利消化。不过DRAM、HBM和数据中心内存需求并没有突然改变,所以丑光预计比女大抗📉,早盘下探后会有承接。
傻迪明确看📉。大概率是大幅低开,早盘还会继续往下探。后面靠存储基本面和拆股的关注度,会有一波技术性反抽,但这波反弹很难把昨天的高位给收复,午后还会再次承压,最终明显收低。
英特尔预计低开反抽后重新走弱。服务器和代工业务正在改善,但PC需求还是疲软,前一交易日的大幅反弹也积累了兑现压力。
AMD和博通则可能成为芯片里相对强的方向。资金未必完全离开AI,而是可能从治理风险较高的女大,暂时转向基本面增长较快、同时具备替代逻辑的公司。两者预计回踩后重新获得承接,表现可能明显强于绊倒体指数。
NBIS是今天需要重点关注财报的公司。预计营收和亏损表现可能好于市场担忧,AI云业务继续高速增长。但市场现在更关心资本开支、债务融资和潜在增发。公司订单充足,却需要先投入大量资金建设数据中心、购买芯片并接入电力。所以NBIS财报后更可能先📈,再因为融资和现金消耗问题出现回吐,最终偏弱收盘。
CoreWeave之前公布的财报证明AI算力需求没有消失,但股价已经完成一轮大幅重估。今天再叠加女大事件,短线获利盘可能集中离场。预计低开后出现反抽,随后继续回吐部分财报涨幅。
大科技方面,谷歌预计低开后逐渐修复,最终小幅走弱,但表现可能好于QQQ。搜索广告和云业务有稳定现金流,当前主要问题是AI资本开支过高,而不是核心业务突然恶化。
亚马逊短线继续偏弱。AWS增长依然强劲,但之前已经出现明显的高开低走,说明上方卖压较重。今天即使早盘反抽,也容易再次受到巨额AI投入和自由现金流压力的限制。
特斯拉预计低开反抽、冲高受阻,最终小幅收低。FSD、Robotaxi和储能预期能提供一些承接,但在科技走弱、估值较高的环境下,资金继续追高的意愿有限。
SpaceX预计震荡偏弱。公司增长依然较快,但高资本开支、AI情绪降温,以及国会可能调查其政府合同,都会压制短线估值。走势更可能是早盘反弹、随后重新转弱。
大饼继续弱于科技方向。资金持续流出,通胀和利率预期不利,同时女大事件也在向高风险资产传导。预计大饼继续下探后出现弱反弹,但目前仍不是右侧反转。
盘中的第一次反弹先按技术修复看待。只有女大公布可信的管理层安排,同时美债保持稳定,科技才可能真正扭转弱势。
以上仅为市场观察,不构成投资建议。
美股抄底先看200日均线:只在牛市里抄
纳斯达克指数这两天反弹得很猛,不少人又在问还能不能抄底。比起猜这一次对不对,更有用的问题是:在美股市场里,什么样的抄底才算好的抄底?能不能把它写成一套可以照着执行、也能回测的规则?
答案是可以。整套思路都围绕一条线展开,就是200日均线。
先看这一轮的位置。纳指跌破了200日均线,现在又回到了200日均线附近;也有指数仍然停留在200日均线下方;标普500则在这一轮里始终没有跌破200日均线。三者的位置不同,后面会看到,这决定了策略在它们身上的表现也不同。
一、为什么偏偏是200日均线
200日均线就是把最近200个交易日的收盘价加起来再除以200,得到的一条平滑曲线。美股一年大约有250个交易日,200日差不多覆盖了大半年的价格,所以它反映的是中长期趋势,短期涨跌对它的影响很小。
这条线在美股里被普遍当作牛熊分界线。基金经理、媒体、技术派交易员都盯着它,指数站上或跌破它本身就会改变一部分资金的行为,这种共识又反过来强化了它的作用。
真正让它有意义的,是长期数据里看得到的差别。无论纳指还是标普,价格在200日均线上方和下方时,表现完全是两个市场。
先看收益。1971年到2026年这段时间里:
· 纳指在200日均线上方时,年化收益为15.9%;在下方时为负1.7%。
· 标普在200日均线上方时,年化收益为9.8%;在下方时为4.6%。
再看波动。同样的区间里:
· 纳指在均线上方时年化波动率为15.8%,下方时升到28.4%,从十五左右涨到接近三十,几乎翻倍。
· 标普在均线上方时年化波动率为13.2%,下方时为24.9%。
这些都是长期统计的结果。归纳起来就是一句话:200日均线下方,收益更低,波动更大,波动差不多是上方的两倍。
收益低、波动大,叠加起来就让两边的夏普比率差得非常远。夏普比率是衡量收益和风险性价比的常用指标,算法是用超出无风险利率的那部分收益,除以收益的波动率。分子变小、分母变大,结果自然大幅下降。换句话说,同样承担一份风险,在均线下方拿到的回报要少得多。
二、均线附近,进攻和防守都说得通
200日均线有一个很矛盾的特性:在它附近,选择进攻是对的,选择防守也是对的。
说进攻对,是因为2008年以后的美股,200日均线是一条非常强的支撑。纳指也好,标普也好,大多数时候跌到这条线附近或者下方,都是一个深V被拉回去。
说防守对,是因为时间拉长到上世纪70年代来看,想躲开那些灾难级别的股灾,跌破200日均线时离场都是正确的位置。2000年的科网泡沫,2007年到2008年的次贷危机,甚至2022年那一轮下跌,都是如此。
所以同一段行情,对风险偏好不同、策略不同的人,意义完全不一样。以躲过大跌为首要目标的人,到了200日均线会做一些防守动作;短线交易者看到指数来到200日均线,反而会兴奋,因为市场马上要进入大波动区间,而且从近十几二十年的经验看,这里多半是很强的支撑。
理解这一点很重要:200日均线本身不给答案,它只是告诉你,市场到了一个分歧最大的地方。
三、三条原则:先定理念,再谈规则
基于上面的特性,可以先立下三条原则,之后再把它们翻译成具体条件。
第一条,尽量避开200日均线附近。
既然在这里进攻和防守都有道理,最怕的就是指数在均线上下反复穿越。今天站上,明天跌破,后天又站上,按均线做多做空的人会被反复打脸,技术分析里管这种行情叫“来回拉锯”或“骗线”。这种时候操作难度极大,胜率和赔率都不理想。
机会出现在两种状态里:
· 指数稳定运行在200日均线上方。这时基本面等底层条件没有改变,但因为情绪或某种外力冲击出现急跌,这种由情绪造成的下跌往往修复得很快。
· 指数跌到200日均线下方很远。近二十年来,美股偏离均线过多时容易出现深V反弹。
一句话概括:均线上方稳定运行时可以做,下方急跌偏离很多时也可以做,唯独贴着均线的时候不做。
第二条,只在牛市里做择时。
牛市里,各种技术指标比较好用,急跌之后也会快速修复。一旦确认进入熊市,再去做择时会非常惨,因为熊市里经常出现意想不到的大跌,几乎能把所有技术指标钝化、打破。
所谓钝化,是指指标早就显示超卖,价格却继续下跌,超卖之后还有更深的超卖,按信号抄底的人一次次被套。熊市里的“便宜”往往还会更便宜。
怎么区分牛市和熊市?办法很简单:200日均线还在向上,就定义为牛市;200日均线已经开始拐头向下,就定义为熊市。
第三条,做好止盈和止损。
短线策略不设退出规则,等于没有策略。
四、进场规则一:牛市里的情绪急跌
第一种进场针对的是“指数在200日均线上方稳定运行,突然出现情绪性急跌”的情形。量化成三个条件,需要同时满足:
· 收盘价高于200日均线。这一条确认指数处在均线上方。
· 200日均线高于20个交易日之前的数值。也可以改成“200日均线斜率为正”,意思一样。选20个交易日,是因为它差不多是一个月,用来确认过去一个月里200日均线仍在向上,对应的就是“熊市不择时”那条原则。
· 5个交易日内的跌幅,超过平均5日波动的两倍。
第二个条件把熊市区间过滤掉了。回头看历史,2000年9月开始到2003年、2007年到2009年、以及2022年,这些都是很明显的熊市区间,用200日均线的斜率,或者与20个交易日之前作比较,就能把它们识别出来,策略在这些时段自动停手。
第三个条件是用来识别“情绪性急跌”的。情绪带来的下跌,一个共同特征就是波动突然放大,所以只要看短期跌幅是否明显超出平常的波动范围即可。
参数为什么这样定,也有讲究:
选5个交易日、平均5日波动,原因很简单,就是一周。不要去做太精细的参数设定,否则容易过拟合。
选两倍,是因为两个标准差是区分大概率事件和小概率事件的常用界限,布林线默认用的也是两个标准差。
这里补充一下具体怎么算。先用每天的收盘价算出滚动的5日涨跌幅,再在一段较长的历史窗口里计算这些5日涨跌幅的标准差,这就是“平均5日波动”的一种常见度量。如果最近5天的跌幅超过这个标准差的两倍,就满足条件。在近似正态分布的假设下,偏离均值两个标准差以外的情况大约只占5%左右,单边下跌一侧更少,所以触发时意味着市场确实走出了一段不寻常的急跌。
布林线也是同样的思路:中轨是20日均线,上下轨是中轨加减两倍的20日标准差,价格触及下轨往往被视为短期超跌。区别在于,布林线在单边下跌行情里会沿着下轨一路走低,这正是为什么必须先用200日均线方向把熊市排除在外。
五、进场规则二:均线仍向上时的深度偏离
第二种进场针对另一种状态:指数已经跌穿200日均线很多,但200日均线本身还在向上。
依据是偏离度的均值回归特性。偏离度通常这样算:用指数收盘价减去200日均线,再除以200日均线,得到一个百分比。看纳指和标普500的偏离度走势,它有很明显的回归特性,不会一直往上,也不会一直往下,走到一定极端之后会被拉回来。
所以在均线下方、均线还在上行时,跌幅一旦达到某个阈值,就可以去博一个深V反弹。进场条件有两条:
· 指数对200日均线的偏离度达到10%或更多。
· 200日均线高于20个交易日之前的数值,同样可以用均线斜率来定义。
第二条与规则一完全相同,还是熊市不择时。
至于为什么是10%,原因还是不调参,定一个差不多的整数即可。想做得更激进一些,可以定成8%;想更保守,可以定成12%、13%甚至15%,都可以。关键是不要为了让历史回测更好看,去把参数抠到小数点后面。
这里也值得多说一句为什么怕过拟合。一套参数如果是在历史数据里反复试出来的,它很可能只是恰好贴合了过去那几段行情,换到未来就失灵。参数越简单、越符合直觉,比如一周、一个月、两个标准差、10%,越说明策略赚的是市场本身的规律,而不是数据里的偶然。检验方法也简单:把参数上下挪动一点,如果结果变化不大,策略就是稳健的;如果稍微一动结果就崩,那就是过拟合了。
六、离场规则:止盈、止损和时间
进场之后还要定离场。离场规则因人而异,因为它涉及止盈和止损:止盈取决于胃口,有人胃口大有人胃口小;止损取决于风险承受能力,有人亏10%就受不了,有人亏30%也无所谓。
下面这组条件只是一个示例,用来说明思路,三个条件满足任意一个就退出:
· 止盈:收盘价回到5日均线以上,结束这笔短线交易。也可以改成指数本身浮盈达到2%以上或5%以上就停止交易。如果用期权来做,杠杆会更高。
· 止损:比如设定15%的止损,也可以根据自己的情况调整。
· 时间:持仓达到20个交易日,无论盈亏都结束这笔交易。
时间止损这一条尤其容易被忽视。短线策略千万不能和长期策略混在一起。美股长期买入持有的胜率本身就很高,标普或纳指随便闭着眼选一天买入,胜率都能达到53%到54%左右。一笔短线交易做亏了,就转成长线拿着,嘴上说是“长期持有”,实际是把两种逻辑搅在一起,这在专业上站不住脚。
既然是短线,就限定在一个月以内,到了20个交易日必须了结。
七、回测结果:胜率和赔率都要够
进场和离场都量化之后,就可以做回测了。这套规则的回测表现相当不错:胜率大约在70%以上,标普上甚至可以达到80%以上,赔率可以达到1.5以上。这已经算很优秀了。
胜率和赔率是评价交易策略最基本的两个维度。
胜率是赚钱交易占全部交易的比例。胜率80%,就是十笔交易里大约八笔赚钱、两笔亏钱。
赔率是平均每笔盈利与平均每笔亏损的比值。如果每次赚钱只赚一点点,亏的那一次却亏很多,赔率就很低,这样也不划算。总的来看赚的能抵过亏的,就是赔率大于1的情况。
两者合在一起才决定一套策略是否赚钱。每笔交易的期望收益,可以用“胜率乘以平均盈利,减去败率乘以平均亏损”来估算。假设胜率70%、赔率1.5,以平均亏损为一个单位,期望就是0.7乘1.5减去0.3乘1,等于0.75个单位,每做一笔平均都是正收益,而且正得很明显。
巴菲特常说投资要做确定性的事情,短期择时也应该做确定性高一点的事情。高胜率低赔率,意味着偶尔一次大亏就吃掉很多次小赚;低胜率高赔率,意味着要忍受长时间连续亏损,心理上很难坚持。在短期择时里,这两种都不是好思路,胜率和赔率都过得去才是。
八、有效的前提和边界
这套规则之所以有效,有两个前提,用之前必须清楚。
第一,它得益于美股的交易机制。美股几乎可以24小时交易,有盘中、盘前、盘后,还有夜盘,价格接近连续。止盈止损可以在接近预设的位置执行,不容易被隔夜跳空打乱。如果没有这种市场机制,这套规则的效果会大打折扣。
第二,它只在标普500和纳斯达克上有效。用在黄金、原油,甚至其他一些新兴市场的股市上,基本没什么效果,感兴趣的话可以自己回测验证。
原因不难理解。美股宽基指数背后是长期向上的企业盈利,又有大量资金在回调时进场,所以“牛市急跌会修复、偏离过大会回归”的规律才站得住。商品价格受供需周期驱动,长期未必向上;一些新兴市场的指数可能长年震荡,200日均线的方向本身就频繁变化,规则的前提就不成立了。
此外还要清楚,回测结果是历史,不是承诺。熊市过滤器依赖200日均线拐头,而均线天然滞后,熊市刚开始的那一段,均线可能还在向上,这时触发的买点是策略最脆弱的地方,也正是止损和时间退出存在的意义。
九、这一轮行情触发了吗
拿最近这一轮行情对照一下规则。
纳指这一次没有触发策略。它跌破了200日均线又拉回来,整个过程都在200日均线附近,也就是这套思路认为最危险、最不确定的区域。按第一条原则,这种行情不做。
标普这一次触发了买点和卖点。标普下跌但没有跌破200日均线的那一天,符合第一种进场规则里的急跌条件;之后收盘价回到5日均线以上,按止盈条件离场,完成了一笔完整的交易。
所以很多人说自己这次抄纳指抄对了,在这套逻辑看来,很多时候只是运气。靠直觉和盘感,觉得这里该抄了就抄进去,这次赚了,下次可能就亏了。
好的短期择时策略,应该是长期可量化、可执行的规则。现实里做交易、做择时,心理干扰太大,恐惧和贪婪会在最关键的时候改变你的判断。没有一套清晰的规则,从长期看几乎无法抵御自己内心的这些干扰。投资还是尽量少靠直觉。
十、照着检查的清单
把整套规则压缩成几步,每次想抄底之前对照一遍:
· 先看方向:200日均线是否高于20个交易日之前(或斜率为正)。如果已拐头向下,视为熊市,不做择时。
· 再看位置:指数如果贴着200日均线来回穿越,不做;稳定在均线上方,等待“5日跌幅超过平均5日波动两倍”的急跌信号;跌到均线下方,等待偏离度达到10%左右(激进8%,保守12%到15%)。
· 进场前先定好离场:收盘回到5日均线以上止盈(或指数浮盈2%至5%),设定止损(示例为15%),持仓最多20个交易日。
· 只用在标普500和纳斯达克上,不要搬到黄金、原油或其他新兴市场,也不要把亏损的短线单转成长线。
美股 | 价值罗盘 retweeted
$NBIS财报业绩可能超预期,但股价容易冲高回落
我还是认为NBIS这份财报本身大概率不错,营收可能超过预期,亏损也可能小于预期。但股价未必买账,更可能先拉升、再回落,最终收低。这跟我之前判断不一样。
原因很简单:昨天NBIS已经大涨15.44%,市场提前交易了不少利好。接下来投资者关注的重点,不只是公司赚了多少,而是为了继续扩张还要花多少钱、融多少钱。
简单来说,我认为:
NBIS的营收会超过预期,亏损会小于预期,AI云业务仍然保持高速增长。
为什么业绩可能超预期?
NBIS第二季度营收达到5.823亿美元,同比增长454%;集团调整后EBITDA达到2.362亿美元,AI云业务自身的利润率接近50%。Nebius第二季度报告
公司此前还披露:
已经签订超过400亿美元的客户承诺
预计2026年获得超过90亿美元客户预付款
新增GPU和数据中心容量正在陆续交付
这些合同不会一次性全部变成收入,但第三季度能够投入使用的算力明显高于第二季度。因此,营收继续快速增长并不奇怪。
但是我为什么现在不看好股价
因为市场现在最关心的问题,不是NBIS有没有客户,而是:
为了完成这些订单,公司到底还要烧多少钱?
NBIS第二季度资本开支已经达到约57亿美元,全年资本开支可能达到200亿至250亿美元。
公司也明确表示,未来可能继续通过债务融资和ATM增发筹集资金。
截至第二季度,公司已经通过ATM计划出售1270万股,融资约28亿美元,而且还有1230万股额度可以继续使用。
这说明两件事:
业务增长是真的,但融资和股权稀释压力也是真的。
只要管理层在电话会议上提到继续扩大资本开支、增加债务融资,或者继续使用ATM增发,市场就会马上开始计算:
公司还要发行多少股票,才能完成下一阶段扩张?
昨天的大涨已经提前反映利好
NBIS昨天收在154.69美元,单日大涨15.44%,成交量超过4100万股,盘中最高达到160.21美元。
盘前价格则在152美元附近。
也就是说,市场受crwv影响已经提前押注财报不错。
所以即使营收超过预期,只要没有远远超过预期,或者管理层给出的融资计划不够理想,就很容易出现典型的“利好兑现”。
那么
更可能:
财报公布后先涨,电话会议后回吐;开盘再次反抽,午后继续承压,最终收在144至151美元。
以上仅为市场分析,不构成投资建议。
$NBIS 这次大概率会超预期。
营收应该能打到9.5亿到10亿美金,调整后EBITDA大概3.6到4.2亿,每股亏损在0.55到0.85之间。季度末ARR我看能到52到58亿。管理层应该会维持年底ARR目标,而且会暗示更靠近区间上沿。
市场现在大概预期营收9.07亿、每股亏0.72块。所以如果真按我这个数走,营收和增速都会好看,但净利润因为折旧、利息和扩张成本还是不会太漂亮。
为什么觉得会超?上一季营收已经5.82亿了,同比增长454%,AI云几乎占满,季度末ARR到30亿,AI云调整后EBITDA利润率接近50%。从30亿ARR干到50多亿确实不轻松,但有几个支撑:三季度新GPU算力继续上线,之前签的大客户合同开始逐步进收入,而且AI算力现在还是供不应求的,CoreWeave那边最新一季收入和订单储备也在继续涨,说明需求没突然没了。
真正的悬念不是有没有客户,而是他们能不能够快把电力、数据中心和GPU变成能确认的收入。
风险还是老问题——资本开支和融资。上季资本开支大概57亿,营收才5.8亿多。6月底现金大概80亿,非流动债务85亿左右。虽然有客户预付款在撑扩张,但这种玩法就是得一直建、一直融、一直交付。所以电话会里最关键的不是EPS,而是2027年还要砸多少钱、新项目有多少被预付款覆盖、还要不要继续发股票或者上高成本债务。
如果营收超了,但管理层给出更激进的资本开支计划,市场可能先嗨一下,然后又开始担心融资和稀释。
股价这边我看主路径是:财报出来先跳空往上,第一反应大概涨个5%到12%,然后盘中容易出现明显兑现,最后收盘还能留一部分涨幅,不是直线冲。
关键位置大概是:重新站稳145说明资金认这个财报;150到155是第一波压力;指引特别强才有机会去试160以上。如果跌破130,说明市场不认ARR或者融资前景,下一步就容易往120到123去。
总结就是:我看财报会超预期,营收更可能靠近10亿,ARR继续快速增长,展望偏积极。但不能指望财报后连续单边大涨。更可能是盘前跳、开盘冲高,然后消化资本开支和融资压力,最终偏强收盘。
假设我是个不希望任何人拥有 AI 的人。不希望有中国 AI,不希望有开源 AI,只希望拥有自己的 AI,而且想卖什么价就卖什么价。
我要怎样才能实现这个梦想?
1. 在 NVIDIA 扳倒 Jensen。
2. 扶植一个傀儡 CEO 上任。
3. 让我的人推动通过法律,全面禁止 GPU 出口。
这真是一个黑暗的愿景。
2
3
226
突发:英伟达董事会正准备罢免公司创始人兼首席执行官黄仁勋。
真是一波未平一波又起,Alice Huang还没说明白,怎么又出来一个Kimberly Powell?
BREAKING 🚨: Nvidia $NVDA
New York Times reports that CEO Jensen Huang apparently had another affair with Kimberly Powell, Nvidia's vice president of health care 👀
1
344

















