【华泰金工林晓明团队】去年12月是股市底部吗？——每周观点20190901

摘要
利率走向与股票市场走向的背离是难以确定市场拐点的重要因素
今年以来，全球股票市场表现较好，一季度部分宏观指标也呈现出上行的态势，似乎短周期上行的证据开始显现。但是今年以来的股票市场表现与利率市场表现存在一些不一致，导致无法确认周期上行。一般情况下，风险资产和避险资产很难发生同涨同跌的情况，股票资产开始上行之后，债券类资产往往开始进入熊市，也就是利率开始逐步上行。今年股票市场表现不弱的同时，全球利率却开始了快速下行，这是无法确认周期上行的重要原因。

历史上股票同比的低点与十年期国债收益率同比变化量的低点比较一致
观察主要国家的股票指数对数同比序列与十年期国债收益率的同比变化量序列，两者的同步性相对较好，低点位置也比较一致。整体来看，两者低点的位置很少会超过半年以上。通常都是股票同比达到低点前后的半年以内会出现国债收益率变化量的拐点。以A股为例，上证综指对数同比与十年期国债收益率同比变化量基本保持同步，仅在2014年和2015年出现了背离。美国市场也与此类似，且十年期国债收益率的同比变化量低点在标普500同比低点的前后4个月内。所以，大部分情况下当股票市场同比拐点发生之后，利率同比变化量的拐点也很快出现。

2018年12月是海外股票市场本轮下跌低点的概率较低
从股票指数同比与国债收益率同比变化量的同步性上来看，如果18年12月是股票市场本轮下跌的低点，则股票同比的低点也出现在这个时间，对应地，国债收益率同比变化量的低点也应该在18年12月前后半年内出现。但是，中、美、日、英、法、德六个主要国家中，只有中国满足这个条件，其余五个国家国债收益率同比变化量一直处于下行趋势。目前距离2018年12月已经过去了8个月，欧美国家历史上没有出现过股票指数同比与国债收益率同比变化量的低点间距如此远的情况。因此18年12月很有可能不是海外市场的低点，未来再次下跌的概率较大。

华泰大类资产周期进取策略近期表现回顾
华泰金工基于市场统一周期理论，提出了大类资产定价模型，在回测中取得了良好的业绩表现。我们将该资产配置策略应用于全球大类资产，精选优质可投资标的，根据周期轮动规律配置中国和海外的股指、债券和商品类资产，逐月调仓，构建“华泰大类资产周期进取策略”。该策略指数在Wind与Bloomberg金融终端同步更新（Wind代码CI001801.WI，Bloomberg代码 WI001801）。策略指数近一周收益0.38%，最近3个月收益4.43%，最近一年收益10.28%。

“华泰周期轮动”基金组合近期表现回顾
华泰金工基于择时、板块轮动、资产配置相关研究成果提出了一个完整的基金配置体系，自上而下分为4层：宏观择时、板块轮动、组合优化、落地配置，样本内回测取得了良好的业绩表现。截止到目前，上周收益-0.02%，近一个月收益0.38%，本年度以来收益为4.26%，最近一年收益7.30%。根据最新的8月底建模结果，择时模型已经转空，板块轮动模型最看好周期上游，最新的持仓如下：南方中证申万有色金属ETF联接C（1.94%）、富国中证煤炭（1.94%）、易方达中债新综合C（96.13%）。

风险提示：模型根据历史规律总结，历史规律可能失效。金融周期规律被打破。市场出现超预期波动，导致拥挤交易。

2440点是否是A股低点的疑问
A股自2018年初进入基钦周期下行期，目前上证综指的最低点出现在2018年12月份的2440点，2440点是本轮基钦周期下行期的最低点吗？历史上A股42个月的高斯滤波底部基本都能对应到A股的最低点附近。如果2440是本轮基钦周期的最低点，那么同比序列就会大概继续上行，本轮低点距离高斯滤波的最低点较远，距离上一个低点也只有34个月，与42个月的平均值偏离较大。如果2440不是本轮基钦周期的最低点，则同比序列大概率仍然下行，未来会形成二次探底的过程。因此，最低点的位置非常值得探讨。

经济周期的状态需要通过多个维度、多个指标共同观测
我们理解的经济状态，其实就是投资者常说的基本面，本质是金融经济体这个复杂系统的内生状态，它具有高维、抽象的特征，无法被精准测度，只能通过各类观测指标去感知。所以无论是实体部门的产出、通胀水平，还是政府、央行的逆周期调节手段，无论是宏观经济指标的涨跌，还是金融资产价格的波动，都只是我们观测基本面的一个视角，但并非基本面本身。

在梳理基本面这个系统状态与各类低维观测指标的关系时，我们认为金融资产价格的走势也是一种基本面指标，相比于宏观经济指标更加高频、实时，而且是交易所得，干扰成本更大，是非常重要的观测变量。传统的自上而下研究中，总是把宏观指标和资产价格分割开来，试图在两者之间得到某种稳定的、线性的逻辑映射。而我们认为资产价格本身也是系统状态在低维视角下的投影，与宏观指标具有“同源异象”性，是同一个事物在不同维度的反映，并不存在逻辑上的因果关系。

从股票同比与利率同比的同步性分析股票低点位置
我们认为资产价格本身也是系统状态在低维视角下的投影，与宏观指标具有“同源异象”性，因此在周期研究中我们也对股票指数进行类宏观指标处理，观察其同比序列。A股在2018年形成的低点，实际上也是一个全球股票市场的低点。2018年四季度，以欧美国家代表的全球主要股票市场纷纷出现下跌，在2018年12月形成了一个局部低点，进入2019年后开始反弹，2019年一季度发达国家股票市场和新兴国家股票市场表现都比较强劲。在此情形下，本文刚开始提出的问题，可以进一步扩充，2018年12月的底部是不是本轮基钦周期下行阶段全球股票市场的底部？

为了研究这个问题，我们首先考虑2018年12月是不是股票同比的底部？历史上来看，股票同比的底部与股票价格的底部位置相差不大，而股票同比序列更具有规律性，可以以此作为切入点。

历史上股票同比的低点与十年期国债收益率同比变化量的低点比较一致
今年以来，全球股票市场表现较好，一季度部分宏观指标也呈现出上行的态势，似乎短周期上行的证据开始显现。但是今年以来的股票市场表现与利率市场表现存在一些不一致，导致无法确认周期上行。一般情况下，风险资产和避险资产很难发生同涨同跌的情况，股票资产开始上行之后，债券类资产往往开始进入熊市，也就是利率开始逐步上行。今年股票市场表现不弱的同时，全球利率却开始了快速下行，这是无法确认周期上行的主要原因。

历史上，各个国家股票市场同比的低点附近往往也是10年期国债收益率的同比变化量的低点。考察各个国家10年期国债收益率，由于海外过去20年利率长趋势上始终处于下降状态，因此直接观察利率对局部低点较难辨别，我们采用对利率计算同比变化量的形式，也就是当前利率减去去年同期利率作为观测值。同比变化量的优势在于周期性较为显著，同时高低点与利率的局部高低点位置接近。

观察主要国家的股票指数对数同比序列与十年期国债收益率的同比变化量序列，两者的同步性相对较好，低点位置也比较一致。整体来看，两者低点的位置很少会超过半年以上。通常都是股票同比达到低点前后的半年以内会出现国债收益率变化量的拐点。以A股为例，上证综指对数同比与十年期国债收益率同比变化量基本保持同步，仅在2014年和2015年出现了背离，这两年情况较为特殊。2005年3月，上证综指同比达到低点，8个月之后国债收益率同比变化量达到低点，这是两者间隔最长的一次。2008年10月上证综指同比序列达到低点，2个月之后国债收益率同比变化量达到低点。2012年3月上证综指同比达到低点，4个月之后国债收益率同比变化量达到低点。2016年5月上证综指同比达到低点，在此之后国债收益率同比变化量才正式开始上行趋势。美国市场也与此类似，且十年期国债收益率的同比变化量低点在标普500同比低点的前后4个月内。所以，大部分情况下当股票市场同比拐点发生之后，利率同比变化量的拐点也很快出现。

中国历史上股市同比与利率同比变化量的底部位置

美国历史上股市同比与利率同比变化量的底部位置

日本历史上股市同比与利率同比变化量的底部位置

英国历史上股市同比与利率同比变化量的底部位置

法国历史上股市同比与利率同比变化量的底部位置

德国历史上股市同比与利率同比变化量的底部位置

2018年12月是海外股票市场本轮下跌低点的概率较低
从股票指数同比与国债收益率同比变化量的同步性上来看，如果2018年12月是股票市场本轮下跌的低点，则股票同比的低点大概率也出现在这个时间附近，对应地，国债收益率同比变化量的低点也应该在2018年12月前后半年内出现。但是，从之前的数据中可以发现，中国、美国、日本、英国、法国、德国六个主要国家中，只有中国满足这个条件，其余五个国家国债收益率同比变化量的拐点一直没有出现，且一直处于下行趋势。目前距离2018年12月股票同比的低点已经过去了8个月，欧美国家历史上没有出现过股票指数同比与国债收益率同比变化量的低点间距如此远的情况。因此2018年12月很有可能不是本轮基钦周期下行阶段股票市场同比的低点，海外市场未来再次出现下跌的概率较大。

猜想：本轮周期状态接近2001年，海外市场可能构筑双底
本轮周期海外市场表现接近2001年至2003年，同比走势上也有可能与之相近。根据前文论证，2018年12月份就是同比低点的概率较低，未来可能重新出现一个新的同比低点。这样的走势将会与2001年至2003年标普500的同比走势类似。2001年9月是标普500同比在这轮周期下行中的第一个底部，之后出现反弹，在2003年3月再次达到同比低点。中间间隔一年半的时间。当前对于标普500来说，今年的6月、7月是一个高位，如果明年年中下跌至底部，则在同比上将会出现一个较低值，刚好2001年至2003年形态类似。

上周海外股票市场反弹，A股小幅回调，白银出现大涨
统计全球主要股票指数近期表现：1、海外股票市场大部分出现上涨，这是上周下跌之后出现的震荡反弹，A股大部分指数出现下跌，中小板指表现最好，上证50跌幅较大；2、A股内部，消费板块表现最好，其次为周期上游，大金融板块出现较深的回调，消费是今年以来表现一直强势的板块。

从国内主要债券指数的表现来看：总体方向上，各债券指数今年以来均处于上行走势，且长久期品种好于短久期；最近一周长久期指数和金融债指数出现下跌。在经济周期下行、流动性周期上行状态下长久期债券一般表现较好。在基本面探底回升前，我们仍然认为债券（尤其是长久期债）是确定性较高的配置标的。

从全球主要商品资产的表现来看，工业品指数与能化指数表现较好，农产品指数和金属指数出现下跌。贵金属依旧表现强势，伦敦银现大涨5.59%，SHFE黄金上涨3.02%。

情绪面跟踪：大盘下方跳空已补，个股上空方力量仍然较强
上证综指2月25日与5月6日跳空形成上下两个缺口，目前两个缺口下方已经被补。A股最近三周表现较强，上涨4.02%，开启了一波小反弹。但从个股情绪上看，处于空头排列的个股数仍然高于处于多头排列的个股数，个股层面空方力量仍然较强。

华泰金工模型跟踪
华泰大类资产周期进取策略近期表现回顾
华泰金工周期系列之《周期三因子定价与资产配置模型》仿照FAMA三因子模型，基于市场统一周期理论，提出了大类资产定价模型。根据定价模型外推预测的资产表现排序结果构建了资产配置策略，在回测中取得了良好的业绩表现。我们将该资产配置策略应用于全球大类资产，精选优质可投资标的，根据周期轮动规律配置中国和海外的股指、债券和商品类资产，逐月调仓，构建“华泰大类资产周期进取策略”。该策略指数在Wind与Bloomberg金融终端同步更新（Wind代码CI001801.WI，Bloomberg代码 WI001801），我们在月报中跟踪该策略的表现，供投资者参考。

大类资产周期进取策略以沪深300指数、标普500指数、欧洲斯托克50指数、恒生指数、日经225指数、iShares MSCI新兴市场指数ETF、中国10年期国债期货、美国10年期国债期货、英国10年期国债期货、德国10年期国债期货、日本10年期国债期货、彭博商品指数为投资标的，各标的指数代码及货币单位如下表所示。

策略从2010年5月开始回测，回测至今取得优异的表现。无论从收益指标还是收益风险比率都超越各大类资产。截至2019年8月29日，策略的收益表现如下图表所示。

“华泰周期轮动”基金组合近期表现回顾
在《“华泰周期轮动”基金组合构建》和《“华泰周期轮动”基金组合改进版》报告中，我们提出了一个自上而下的、开放式的基金配置体系，构建原理如下：1、宏观择时，核心是给出股票市场的多空判断，灵活调整股、债权重配比，力争在权益市场上行期加大股票资产配置，博取弹性收益；在权益市场下行期加大债券资产配置，减少回撤风险。2、板块轮动，核心是通过轮动模型给出板块超、低配观点，进一步增厚模型收益；3、组合优化，首先结合择时和板块轮动结果，给不同资产分配相应的风险预算，求解初始权重，然后基于目标波动约束进一步调整资产权重，将整个组合的风险控制在相对稳定的水平，这里为了满足不同投资者的风险偏好需求，我们设置了5%、7.5%、10%三个目标波动版本；4、落地配置，将权重优化结果映射到对应基金标的上进行配置。

不同目标波动策略近期表现如下，以7.5%目标波动版本为例，上周收益-0.02%，近一个月收益0.38%，本年度以来收益为4.26%，最近一年收益7.30%。根据最新的8月底建模结果，择时模型已经转空，板块轮动模型最看好周期上游，最新的持仓如下：南方中证申万有色金属ETF联接C（1.94%）、富国中证煤炭（1.94%）、易方达中债新综合C（96.13%）。注意，由于过去一年股票市场整体运行于低位区间，波动较小，没有触发目标波动约束，所以三个版本的持仓权重近期业绩都一样。

风险提示：模型根据历史规律总结，历史规律可能失效。金融周期规律被打破。市场出现超预期波动，导致拥挤交易。基金测算样本有限，与市场真实情况出现偏差。

免责申明
本公众平台不是华泰证券研究所官方订阅平台。相关观点或信息请以华泰证券官方公众平台为准。根据《证券期货投资者适当性管理办法》的相关要求，本公众号内容仅面向华泰证券客户中的专业投资者，请勿对本公众号内容进行任何形式的转发。若您并非华泰证券客户中的专业投资者，请取消关注本公众号，不再订阅、接收或使用本公众号中的内容。因本公众号难以设置访问权限，若给您造成不便，烦请谅解！本公众号旨在沟通研究信息，交流研究经验，华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。

本公众号研究报告有关内容摘编自已经发布的研究报告的，若因对报告的摘编而产生歧义，应以报告发布当日的完整内容为准。如需了解详细内容，请具体参见华泰证券所发布的完整版报告。

本公众号内容基于作者认为可靠的、已公开的信息编制，但作者对该等信息的准确性及完整性不作任何保证，也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期，华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。

在任何情况下，本公众号中的信息或所表述的意见均不构成对客户私人投资建议。订阅人不应单独依靠本订阅号中的信息而取代自身独立的判断，应自主做出投资决策并自行承担投资风险。普通投资者若使用本资料，有可能会因缺乏解读服务而对内容产生理解上的歧义，进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果，华泰证券及作者均不承担任何法律责任。

本公众号版权仅为华泰证券股份有限公司所有，未经公司书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失，华泰证券保留追究一切法律责任的权利。本公司具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J。

林晓明
执业证书编号：S0570516010001

华泰金工深度报告一览
金融周期系列研究（资产配置）

【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（下）
【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（上）
【华泰金工林晓明团队】周期轮动下的BL资产配置策略
【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究
【华泰金工林晓明团队】市场拐点的判断方法

【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告（上）
【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型（四）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（三）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（二）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（一）——华泰金工周期系列研究

【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索

【华泰金工林晓明团队】市场周期的量化分解

【华泰金工林晓明团队】周期研究对大类资产的预测观点

【华泰金工林晓明团队】金融经济系统周期的确定（下）——华泰金工周期系列研究

【华泰金工林晓明团队】金融经济系统周期的确定（上）——华泰金工周期系列研究

【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列

行业指数频谱分析及配置模型：市场的周期分析系列之三

【华泰金工林晓明团队】市场的频率——市场轮回，周期重生

【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探

FOF与金融创新产品
【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一

因子周期（因子择时）

【华泰金工林晓明团队】市值因子收益与经济结构的关系——华泰因子周期研究系列之三
【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二
【华泰金工林晓明团队】因子收益率的周期性研究初探

择时
【华泰金工林晓明团队】A股市场低开现象研究
【华泰金工林晓明团队】华泰风险收益一致性择时模型
【华泰金工林晓明团队】技术指标与周期量价择时模型的结合
【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用

行业轮动
【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八

【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七
【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六
【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五
【华泰金工林晓明团队】动量增强因子在行业配置中的应用——华泰行业轮动系列报告之四
【华泰金工林晓明团队】财务质量因子在行业配置中的应用——华泰行业轮动系列报告之三
【华泰金工林晓明团队】周期视角下的行业轮动实证分析——华泰行业轮动系列之二
【华泰金工林晓明团队】基于通用回归模型的行业轮动策略——华泰行业轮动系列之一

Smartbeta
【华泰金工林晓明团队】Smart Beta：乘风破浪趁此时——华泰Smart Beta系列之一
【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一

多因子选股
【华泰金工林晓明团队】桑土之防：结构化多因子风险模型——华泰多因子系列之十二

【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一
【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十
【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九
【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八

【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七
【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六

【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五
【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四
【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三
【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二

【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一
【华泰金工林晓明团队】五因子模型A股实证研究
【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二

人工智能
【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三
【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二
【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一
【华泰金工林晓明团队】必然中的偶然：机器学习中的随机数——华泰人工智能系列之二十
【华泰金工林晓明团队】偶然中的必然：重采样技术检验过拟合——华泰人工智能系列之十九

【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八

【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七
【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六
【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五

【华泰金工林晓明团队】对抗过拟合：从时序交叉验证谈起

【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三

【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二
【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一

【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十
【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九

【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八
【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七

【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六

【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五
【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四
【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三

【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二

指数增强基金分析
【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告
【华泰金工林晓明团队】酌古御今：指数增强基金收益分析
【华泰金工林晓明团队】基于回归法的基金持股仓位测算
【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证

基本面选股
【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究
【华泰金工林晓明团队】华泰价值选股之FFScore模型
【华泰金工林晓明团队】相对市盈率选股模型A股市场实证研究

【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究
【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究
【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究

基金定投
【华泰金工林晓明团队】大成旗下基金2018定投策略研究
【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四
【华泰金工林晓明团队】基金定投3—马科维茨有效性检验

【华泰金工林晓明团队】基金定投2—投资标的与时机的选择方法

【华泰金工林晓明团队】基金定投1—分析方法与理论基础

其它
【华泰金工林晓明团队】A股市场及行业的农历月份效应——月份效应之二
A股市场及行业的月份效应——详解历史数据中的隐藏法则

【华泰金工林晓明团队】去年12月是股市底部吗？——每周观点20190901

浏览过的版块