作者:詹姆斯·奥肖内西
格式: PDF, TXT, EPUB, MOBI, AZW3, DOCX
网友评价:
- 用论文的方式论证常识~
- 一本不太想让别人看到的书
- 虽是老生常谈,但策略思维的大框架很有用。付诸实践,长期坚持。
- 【读书笔记】一本非常学术性的书,统计的是1964年到2009年美国的股市,把基本面分析常用的指标用依次进行了分析,记住了投资低市盈率,低市销率,低市净率的股票,长期来看还是能赚到钱的,每个章节后面还有关于投资者的启示,这个可以看一下,其他的都是一些表格之类的,不看也罢,大概的浏览了一遍
- 这本书对于入门量化派还是比较耳目一新,不过后面有点过拟合的感觉了,而且内容过于冗余,大段表格数据,而不是可视化,导致本来能一本书写完的内容出了两本书,一个上午看完两本大部头直接想退货…
- 最高的EBITDA/EV比率、最高的股东收益率与回购收益率、最低的市盈率、市销率、市现率等股票组成的投资组合,它们在长期内的基本比率都非常高。数据统计方法有点蠢,但还是比较实用的。
- 对投资策略构建具有启发性。
- 量化策略回顾,看到第8章之后就再没有耐心看图表了。
- 内容五分,翻译零分,辛苦分也不给,因为机器翻译不辛苦!
- 很棒,对各大指标在股市中的长期价值有了清晰的认识
- 前面1/4主要讲了投资者容易犯的一些共同错误. 后面花了大篇幅来讲各种基本面量化策略的历史收益数据. 所有这些数据背后的支撑就是作者认为 "这次还是一样的", 历史总是会反复重演, Reversion to mean始终会发生, 最简单的反而是最容易的, 也是最容易不被认可和执行的, 尤其是通常会需要很长的时间来验证. 在基本面的这些参数里, 作者分别统计了, 市盈率, EBIT,市现率,市销率,市净率,股息,回购,股东收益率等多因素做了历史数据分析. 对我自己来说,我对统计这样的东西还是很难去执行, 因为里面没有一个参数可以告诉你如何择时, 其实时间也只有几十年, 是否会存在小数偏差. 不过我也不是完全否定, 只是可能这不适合我自己的性格.
- 基本都是各种策略的统计,很难照搬,还是要看本质,归纳没用。
- 实战性强,对于中国股市参考意义很大。
- 非常棒的一篇论文
- 我有办法对于投资组合的结果进行优化,估计作者也可以做到,不过应该没有人会写出来,巴菲特写了这么多年信你看他写过如何做仓位管理吗?
- 本书介绍了10多种选股(例如市盈率、市销率、股息率等)的方法,并且使用了大量历史数据进行佐证。从数据上来看,还是很有说服力的。但是有一个问题,股票的涨跌,肯定不能依靠一项数据来选股,并且随着AI的深度参与,很容易就失效,而从平均持股时间5~10年来看,估计没有几个人有这个耐心。从这个角度看,其实本书对实际选股没有多少参考意义,倒是可以了解一下这些专业术语的作用。
- 神书,贵在坚持
- 像一本资产定价的论文集,主题和方法都高度类似,看结论即可。
- 经过20年锤炼的交易策略量化分析,实证研究方法值得鼓励。但是从策略广泛性和分类上还是不如《量化投资策略》
- 基本面分析,投资模式,认知模式,看,思,改变。弱点。理论分析,重在实践,试错。
- 详实数据,给我抄作业的依据
- 开篇几章的投资思想论述的特别好,经典语句层出不穷,适合散户看;之后就是量化策略的回测,大量数据表格,这个可以略读,看结论就行了;全书适合机构投资者,历史数据表明,用简单的策略就可以大幅战胜指数和绝大多数人。
- 基于十几年前的数据了,已经过时了。比如美股现在已经是科技股的天下了。书里面的数据显示最差的就是科技股,明显已经跟不上时代了。
- 财务因子量化入门
- 喜欢搞定量化投资、价值投资,搞长线的可以翻翻。
- 这是一本很奇怪的书。大概是说,我们对股市做了一些统计发现某些现象,我们并不知道这些现象的成因,也不想知道,但我们打算根据这些现象设计未来能赚钱的模型。
- 数据是任人打扮的小姑娘。😂😂😂数字不敏感加数学不好的结果就是判断不出结论是否和论据相符。不过文中提到的价值和成长因素以及复合价值因素,倒是可以去研究下其代表的意义,以便提高自身的判断。至于结论在A股的适用性,也需慢慢观察实践。“思易行难,按自己所思采取行动更是难上加难”。
- 介绍的都是比较浅显容易理解的策略,难能可贵的数据充实分析周期又长,好奇用来指导未来投资的收益会怎么样。
- 市场策略类最佳书籍,没有之一。无统计,无真相。
- 书是好书,翻译就只能呵呵了,缺的这一星是给翻译的。
- 非常有用的参考书,赚钱和亏钱都有很多流派。当交易者初步建立自己的交易体系以后,就得借鉴各流派来校验和完善自己的交易系统,才能在变幻莫测的市场中走的远一点。
- 知易行难。正如歌德所说:“在理念的世界中,凡事取决于热情;而在现实世界中,凡事需要坚忍不拔。”尽管我们可能知道应该做什么,但我们通常无法克服人性的弱点,不是根据理性判断,而是感情用事。后面的数据分析过于琐碎,以结果倒退原因如数据发生变化结果会时时更改。
- 实证有余,但背后的逻辑论证不足