股票资金流动量化模型

‘壹’ 什么是股票价格贴现现金流量模型

这是巴菲特的现金流量贴现法计算股票估值：对银行股适用。一、股价现金流贴现模型理论股票价格变动分析方法大致可以分为两派，基本面分析和技术分析。随着股票市场发展的日益成熟，基本面分析已成为投资者使用的主要分析方法。基本面分析认为股票具有“内在价值”，股票价格是围绕价值上下波动。格雷厄姆和多德在1934年出版的《证券分析》一书中，通过对1929年美国股票市场价格暴跌的深刻反思，对基本面分析理论作了全面的阐述，成为这一领域的经典着作。他们认为，股票的内在价值决定于公司未来盈利能力，股票价格会由于各种非理性因素的影响而暂时偏离价值，但是随着时间的推移，股票价格终将会回归到其内在价值上。格雷厄姆和多德对基本分析理论的重要贡献是指出股票内在价值决定于公司未来盈利能力，而在当时，人们普遍认为股票价格决定于公司的账面价值。此后，戈登对“内在价值”作了进一步的量化，提出了股票定价股息折现模型(也称戈登模型)。按照此模型，假设某投资者持有股票后第一年的分配得到股息为D，以后每年按固定比率g增长，该股票的折现率为r(决定于市场利率和该股票的风险)，那么该股票的内在价值V为：V=D/(r-g)戈登模型已成为一个股票估价的基本模型，在基本面分析理论中占有重要的地位。戈登模型在实际应用过程中遇到的最大问题在于上市公司往往由于企业战略或其他原因而改变分红派息比率，导致模型不能很好的发挥作用。由此，人们又对戈登模型进行了拓展，使用股权自由现金流作为企业未来收益的度量指标。由于企业现金流相对比较稳定，不易受到操控，这样在对股票进行估值时可以减少上市公司管理层具体经营措施带来的干扰。戈登模型另外一个拓展的方向是在企业增长率的变化上，人们又发展出两阶段和三阶段模型。两阶段模型适用于前期适度增长后期低速平稳增长的情形；三阶段模型更为复杂，它适用于企业在第一阶段高速增长，而后第二阶段增速逐渐下降，第三阶段低速平稳增长的情形。价值投资的实质在于使用金融资产定价模型估计股票的内在价值，并通过对股票价格和内在价值的比较去发现那些市场价格低于其内在价值的潜力股并进行投资，以期获得超越业绩比较基准的超额收益。因此，如何恰当地评估股票的内在价值是投资者所必须关注的问题。从实质上看，投资者所购买的是他们认为公司在未来可能创造的业绩，而不是公司过去的成果，当然也不可能是公司的资产。因此在以股东价值最大化为总目标的现代企业中，上市公司股票的价值评估更注重对公司未来盈利能力的评估。二、股价现金流贴现模型应用研究股票现金流贴现模型基本原理是股票当前价格等于其预期现金流的现值总和。该模型基于特定公司自身的增长和预期未来现金流进行估价，因而不会为市场的扰动所影响。但该模型估计参数的问题比较困难。我们永远不能够确定任何一个参数估计是正确的，因为每个参数都依赖其他参数，那么怎样决定哪组参数是正确的呢?股票价值估值的质量将最终取决于所获信息的质量，而所获信息的质量决定于市场是否是有效的和获取信息成本的限制。股利贴现模型中需要有上市公司的股利分配率，并对股利分配的成长率需做出预测，而我国上市公司派现不是普遍现象，而且派现的公司分配的现金数额也很有限。我国股市的实际情况是，企业往往不发放现金股利，更多的企业分红选择的是股票股利，而这实际上相当于不断地增资配股，并没有给投资者实质性的回报，这也使以现金股利为基础的贴现模型失去估价基础。并且股票股利是非定期发放的，这种股利发放模式增大了贴现模型计算的难度。尽管我国的股利分配存在以上情况，股利贴现模型在我国并不一定就完全不能适用。即使对于无股息支付的股票，如果通过调整股息支付比率以反映预期增长率的变化，也可以得到一个合理的评估值。一个高增长的公司，尽管当前不支付股息，仍然能通过股息计算其价值。只要满足增长率降低，股息增加的条件，即对于公司处于稳定增长(公司在其经营的领域中收益增长率处于正常或偏低的水平)的情况，用戈登增长模型可以恰当评估其股票价值。对于适度增长的公司(即公司在其经营的领域中收益增长率处于适度偏高的水平)而言，两阶段的折现现金流量模型可以反映公司的具有一定增长变化的特征，而三阶段的模型可以更好地反映高增长(公司在其经营的领域中收益增长率远远高于正常水平)的公司在长期中趋于稳定增长的特征。但是，如果股息支付率不能反映增长率的变化，那么，股息折现模型就会低估无股息支付或低股息支付股票的价值，而这时用上述相对价值模型来进行股票价值估价也许是一个相对正确的估价。现金流贴现模型是着眼于企业未来的经营业绩，通过估算企业未来的预期收益并以适当的折现率折算成现值，借以确立企业价值的方法。使用该方法应以企业过去的历史经营情况为基础，考虑企业所在的行业前景、未来的投入和产出、企业自身资源和能力、各类风险和货币的时间价值等因素，然后进行预测。以这种方法来评估所选企业，是建立在对企业外在因素和内在条件等多种因素综合分析的基础上的，因此在对企业进行价值评估时，需要解决4个主要因素问题。（一）现金流这是对公司未来现金流的预测。需要注意的是，预测公司未来现金流量需要对公司所处行业、技术、产品、战略、管理和外部资源等各个方面的问题进行深入了解和分析，并加以个人理解和判断。确定净现金流值的关键是要确定销售收入预测和成本预测。销售收入的预测，横向上应参考行业内的实际状况，同时要考虑企业在行业内所处位置，对比竞争对手，结合企业自身状况；纵向上要参考企业的历史销售情况，尽可能减少预测的不确定因素。成本的预测可参考行业内状况，结合企业自身历史情况，对企业的成本支出进行合理预测。（二）折现率资金是有时间价值的，比如来自银行的贷款需要6%的贷款利率，时间却比较短，而来自一般风险投资基金的资金回报率则可能高达40% ， 时间却可能比较长。在应用过程中，如果是风险较小的传统类企业，通常应采用社会折现率（全社会平均收益率），社会折现率各国不等，一般为公债利率与平均风险利率之和，目前我国可以采用 10%的比率。如果是那种高风险、高收益的企业，折现率通常较高，在对中小型高科技企业评估时常选30%的比率。（三）企业增长率一般来说，在假设企业持续、稳定经营的前提下，增长率的预测应以行业增长率的预测为基础，在此基础上结合企业自身情况适度增加或减少。在实际应用中，一些较为保守的估计也会将增长率取为0。需要注意的一点是，对增长率的估计必须在一个合理的范围内，因为任何一个企业都不可能永远以高于其周围经济环境增长的速度增长下去。（四）存续期评估的基准时段，或者称为企业的增长生命周期，这是进行企业价值评估的前提，通常情况下采用5年为一个基准时段，当然也会根据企业经营的实际状况延长或缩短，关键是时段的选定应充分反映企业的成长性，体现企业未来的价值。

‘贰’ 量化选股的基本面量化选股模型

基本面选股主要有多因子模型、风格轮动模型和行业轮动模型三类 筹码选股是另外一种市场行为策略，基本思想是，如果主力资金要拉升一支股票，会慢慢收集筹码，如果主力资金要卖出一支股票，则会慢慢分派筹码，所以根据筹码的分布和变动情况，就可以预测股票的未来是上涨还是下跌。

‘叁’ 股票量化交易是什么意思

股票量化交易，就是将股票市场所有的股票信息，比如股票的涨跌历史数据，成交量历史数据，股票的基本面历史数据，指数涨跌历史数据等等全部输入计算机，进行大数据分析，之后根据大数据选择出炒股成功率最高的方案，并设计成计算机自动操盘模式，称为量化交易。

量化交易
所谓量化交易，是指以先进的数学模型替代人为的主观判断，同时利用计算机技术从庞大的历史数据中海选出能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。
量化选股就是利用数量化的方法选择股票组合，期望该股票组合能够获得超越基准收益率的投资行为，研究表明，板块、行业轮动在机构投资者的交易中最为获利的盈利模式是基于行业层面进行周期性和防御性的轮动配置，这也是机构投资者最普遍采用的策略。此外，周期性股票在扩张性货币政策时期表现较好，而在紧缩环境下则支持非周期性行业。行业收益差在扩张性政策和紧缩性政策下具有显着的差异。

量化交易潜在风险
1、历史数据的完整性。行情数据不完整可能导致模型与行情数据不匹配。行情数据自身风格转换，也可能导致模型失败，如交易流动性，价格波动幅度，价格波动频率等，而这一点是量化交易难以克服的。
2、模型设计中没有考虑仓位和资金配置，没有安全的风险评估和预防措施，可能导致资金、仓位和模型的不匹配，而发生爆仓现象。
3、网络中断，硬件故障也可能对量化交易产生影响。
4、同质模型产生竞争交易现象导致的风险。
5、单一投资品种导致的不可预测风险。

‘肆’ 股票量化是什么意思

所谓量化交易，是指以先进的数学模型替代人为的主观判断，同时利用计算机技术从庞大的历史数据中海选出能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。
量化选股就是利用数量化的方法选择股票组合，期望该股票组合能够获得超越基准收益率的投资行为，研究表明，板块、行业轮动在机构投资者的交易中最为获利的盈利模式是基于行业层面进行周期性和防御性的轮动配置，这也是机构投资者最普遍采用的策略。此外，周期性股票在扩张性货币政策时期表现较好，而在紧缩环境下则支持非周期性行业。行业收益差在扩张性政策和紧缩性政策下具有显着的差异。

拓展资料:
一、量化交易特点
1、纪律性。根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。
2、系统性。具体表现为“三多”。一是多层次，包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型；二是多角度，定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；三是多数据，即对海量数据的处理。
3、套利思想。定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而发现估值洼地，并通过买入低估资产、卖出高估资产而获利。
4、概率取胜。一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用；二是依靠组合资产取胜，而不是单个资产取胜。
二、量化交易潜在风险
1、历史数据的完整性。行情数据不完整可能导致模型与行情数据不匹配。行情数据自身风格转换，也可能导致模型失败，如交易流动性，价格波动幅度，价格波动频率等，而这一点是量化交易难以克服的。
2、模型设计中没有考虑仓位和资金配置，没有安全的风险评估和预防措施，可能导致资金、仓位和模型的不匹配，而发生爆仓现象。
3、网络中断，硬件故障也可能对量化交易产生影响。
4、同质模型产生竞争交易现象导致的风险。
5、单一投资品种导致的不可预测风险。

‘伍’ 量化模型的八种基础

量化模型的八种基础
量化选股就是利用数量化的方法选择股票组合，期望该股票组合能够获得超越基准收益率的投资行为。量化选股策略总的来说可以分为两类：第一类是基本面选股，第二类是市场行为选股。
基本面选股主要有多因子模型、风格轮动模型和行业轮动模型。市场行为选股主要有资金流模型、动量反转模型、一致预期模型、趋势追踪模型和筹码选股模型。
有关量化选股业绩评价要从两个方面来考虑，一个是收益率，一个是风险指数，只是收益率高的策略并不能成为最好的策略，应该综合考虑收益率和风险情况才能判断一个选股的策略的好坏。量化选股需要考虑的是在承担多大的风险情况下的收益率情况。
简单的说一下八种基本的量化模型，这个也是在网上经常被提到的模型。
多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。多因子模型相对来说比较稳定，因为在不同市场条件下，总有一些因子会发挥作用。
风格轮动模型是利用市场的风格特征进行投资，比如有时候市场偏好小盘股，有时候偏好大盘股，如果是风格转换的初期介入，则可以获得较大的超额收益。
行业轮动模型与风格轮动类似，由于经济周期的原因，总有一些行业先启动，有的行业跟随。在经济周期过程中，依次对这些轮动的行业进行配置，则比买入持有策略有更好的效果。
资金流选股模型的基本思想是利用资金的流向来判断股票的涨跌，如果资金流入，股票应该会上涨，如果资金流出，则股票应该下跌。所以将资金流入流出的情况编成指标，则可以利用该指标来判断在未来一段时间股票的涨跌情况了。
动量反转模型是指股票的的强弱变化情况，过去一段时间强的股票，在未来一段时间继续保持强势，过去一段时间弱的股票，在未来一段时间继续弱势，这叫做动量效应。过去一段时间强的股票在未来一段时间会走弱，过去一段时间弱势的股票在未来一段时间会走强，这叫做反转效应。如果判定动量效应会持续，则应该买入强势股，如果判断会出现反转效应，则应该买入弱势股。
一致预期模型是指市场上的投资者可能会对某些信息产生一致的看法，比如大多量加牛人看好某一只股票，可能这只股票在未来一段时间会上涨；如果大多数量加牛人看空某一只股票，可能这只股票在未来一段时间会下跌。一致预期策略就是利用大多数牛人（股票分析师）的看法来进行股票的买入卖出操作。
趋势追踪模型是属于图形交易的一种，就是当股价出现上涨趋势的时候，则追涨买入；如果出现下跌趋势的时候，则杀跌卖出，本质上是一种追涨杀跌策略。判断趋势的指标有很多种，包括MA，EMA，MACD等，其中最简单也是最有效的是均线策略。
筹码选股模型是另外一种市场行为策略，基本思想是，如果主力资金要拉升一只股票，会慢慢收集筹码，如果主力资金要卖出一只股票，则会慢慢分派筹码，所以根据筹码的分布和变动情况，就可以预测股票的未来是上涨还是下跌。

‘陆’ 股票里面的量化是什么意思

股票里面的量化指的是用先进的数学模型代替主观判断，然后从庞大的历史数据中海选能带来超额收益的情况以制定策略，随后用数量模型验证及固化这些规律和策略。此外，量化交易是指利用统计学，数学，计算机技术和现代的金融理论，来辅助投资者更好地盈利。
拓展资料
一、常见的十大量化投资策略
01、海龟交易策略
海龟交易策略是一套非常完整的趋势跟随型的自动化交易策略。这个复杂的策略在入场条件、仓位控制、资金管理、止损止盈等各个环节，都进行了详细的设计，这基本上可以作为复杂交易策略设计和开发的模板。
02、阿尔法策略
阿尔法的概念来自于二十世纪中叶，经过学者的统计，当时约75%的股票型基金经理构建的投资组合无法跑赢根据市值大小构建的简单组合或是指数，属于传统的基本面分析策略。
在期指市场上做空，在股票市场上构建拟合300指数的成份股，赚取其中的价差，这种被动型的套利就是贝塔套利。
03、多因子选股
多因子模型是量化选股中最重要的一类模型，基本思想是找到某些和收益率最相关的指标，并根据该指标，构建一个股票组合，期望该组合在未来的一段时间跑赢或跑输指数。如果跑赢，则可以做多该组合，同时做空期指，赚取正向阿尔法收益；如果是跑输，则可以组多期指，融券做空该组合，赚取反向阿尔法收益。多因子模型的关键是找到因子与收益率之间的关联性。
04、双均线策略
双均线策略，通过建立m天移动平均线，n天移动平均线，则两条均线必有交点。若m>n，n天平均线“上穿越”m天均线则为买入点，反之为卖出点。该策略基于不同天数均线的交叉点，抓住股票的强势和弱势时刻，进行交易。
双均线策略中，如果两根均线的周期接近，比如5日线，10日线，这种非常容易缠绕，不停的产生买点卖点，会有大量的无效交易，交易费用很高。如果两根均线的周期差距较大，比如5日线，60日线，这种交易周期很长，趋势性已经不明显了，趋势转变以后很长时间才会出现买卖点。也就是说可能会造成很大的亏损。所以两个参数选择的很重要，趋势性越强的品种，均线策略越有效。
05、行业轮动
行业轮动是利用市场趋势获利的一种主动交易策略其本质是利用不同投资品种强势时间的错位对行业品种进行切换以达到投资收益最大化的目的。
06、跨品种套利
跨品种套利指的是利用两种不同的、但相关联的指数期货产品之间的价差进行交易。这两种指数之间具有相互替代性或受同一供求因素制约。跨品种套利的交易形式是同时买进和卖出相同交割月份但不同种类的股指期货合约。主要有相关商品间套利和原料与成品之间套利。
跨品种套利的主要作用一是帮助扭曲的市场价格回复到正常水平；二是增强市场的流动性。
07、指数增强
增强型指数投资由于不同基金管理人描述其指数增强型产品的投资目的不尽相同，增强型指数投资并无统一模式，唯一共同点在于他们都希望能够提供高于标的指数回报水平的投资业绩。为使指数化投资名副其实，基金经理试图尽可能保持标的指数的各种特征。
08、网格交易
网格交易是利用市场震荡行情获利的一种主动交易策略，其本质是利用投资标的在一段震荡行情中价格在网格区间内的反复运动以进行加仓减仓的操作以达到投资收益最大化的目的。通俗点讲就是根据建立不同数量，不同大小的网格，在突破网格的时候建仓，回归网格的时候减仓，力求能够捕捉到价格的震荡变化趋势，达到盈利的目的。
09、跨期套利
跨期套利是套利交易中最普遍的一种，是股指期货的跨期套利（Calendar Spread Arbitrage）即为在同一交易所进行同一指数、但不同交割月份的套利活动。
10、高频交易策略
高频交易是指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易，比如，某种证券买入价和卖出价差价的微小变化，或者某只股票在不同交易所之间的微小价差。这种交易的速度如此之快，以至于有些交易机构将自己的“服务器群组”安置到了离交易所的计算机很近的地方，以缩短交易指令通过光缆以光速旅行的距离。（该策略源码模板暂无）

‘柒’ 如何量化炒股

首先，可以通过学习量化策略来进行，主要包括多因子策略、统计套利、机器学习。

量化交易是一种新兴的系统化金融投资方法，它综合多个学科的知识，用先进的数学模型代替人的主观思维制定交易策略，利用计算机强大的运算力从庞大的股票、债券、 期货等历史数据中回测交易策略的盈亏“概率”，通过管理盈亏的“概率”帮助投资者做出准确的决策。

此外，我们可以通过数库多因子量化平台进行炒股，它会呈现出影响股价走势的相关因子，让投资者从中选取影响力高的因子，组合成量化策略，进行收益对比分析，得出最理想的股票组合。还可以自由添加、删除、收藏多个因子，仅需几秒钟就可以完成大量的数据运算，操作方便快捷。

潜在风险

量化交易一般会经过海量数据仿真测试和模拟操作等手段进行检验，并依据一定的风险管理算法进行仓位和资金配置，实现风险最小化和收益最大化，但往往也会存在一定的潜在风险，具体包括：

1、历史数据的完整性。行情数据不完整可能导致模型与行情数据不匹配。行情数据自身风格转换，也可能导致模型失败，如交易流动性，价格波动幅度，价格波动频率等，而这一点是量化交易难以克服的。

2、模型设计中没有考虑仓位和资金配置，没有安全的风险评估和预防措施，可能导致资金、仓位和模型的不匹配，而发生爆仓现象。

3、网络中断，硬件故障也可能对量化交易产生影响。

4、同质模型产生竞争交易现象导致的风险。

5、单一投资品种导致的不可预测风险。

为规避或减小量化交易存在的潜在风险，可采取的策略有：保证历史数据的完整性；在线调整模型参数；在线选择模型类型；风险在线监测和规避等。

‘捌’ 如何建立一个股票量化交易模型并仿真

研究量化投资模型的目的是找出那些具体盈利确定性的时空价格形态，其最重要手段的概率取胜，最重要的技术是概率统计，最主要的研究方向是市场行为心理。那么我们在选择用于研究的参数时，也应该用我们的经验来确定是否把某技术参数放进去，因为一般来说定性投资比较好用的参数指标对量化投资同样适用。
量化投资区别于传统定性投资的主要特征在于模型。我打个比方，我们看病，中医与西医的诊疗方法是不同，中医是望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，主观定性程度大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。中医对医生的经验要求非常高，他们的主观判断往往决定了治疗效果，而西医则要从容得多，按事先规定好的程序走就行了。量化投资就是股票投资中的西医，它可以比较有效地矫正理智与情绪的不兼容现象。
量化投资的一般思路：选定某些技术指标（我们称之为参数，往往几个组成一组），并将每一个参数的数据范围进行分割，成几等份。然后，用计算机编程写出一段能对这些参数组对股票价格造成的影响进行数据统计的程序，连接至大型数据库进行统计计算，自动选择能够达到较高收益水平的参数组合。但是选出这些参数组后还不能马上应用，因为这里涉及到一个概率陷阱的问题，比如说，有1到100这一百个数字放在那里，现在让你选择，请问你选到100的可能性是多大？是的，就是1/100，如果较幸运你选到了100并不能说明你比别人聪明，而是概率的必然。所以，在进行统计时要特别关注统计的频率与选出的结果组数量之间的关系。在选出符合要求的参数组后我们还应留出至少三年的原始市场数据进行验证，只有验证合格后才能试用。
量化投资原始数据策略：我们选用96年后的市场数据，因为96年股市有过一次交易政策改革（你可以自己查询了解一下），为了不影响研究结果我们不采纳96年以前的数据进数据库。
量化投资研究的硬设备：高计算性能电脑，家用电脑也可以，不过运算时间会很长，我曾经用家用电脑计算了三个月时间才得到想要的数据。
统计方法：可以选用遗传算法，但我在这里陪大家做的是比较简单的模型，所以采用普通统计方法就可以了。
用于量化研究的软件：我采用的是免费的大型数据库MYSQL，ASP网络编程语言，以及可以设置成网络服务器的旗舰版WIN7操作系统。

‘玖’ 什么是股票的量化交易的原理

量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

量化交易具有以下几个方面的特点：
1、纪律性。根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。
2、系统性。具体表现为“三多”。一是多层次，包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型；二是多角度，定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；三是多数据，即对海量数据的处理。
3、套利思想。定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而发现估值洼地，并通过买入低估资产、卖出高估资产而获利。
4、概率取胜。一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用；二是依靠组合资产取胜，而不是单个资产取胜。

量化交易风险具体包括：
1、历史数据的完整性。行情数据不完整可能导致模型与行情数据不匹配。行情数据自身风格转换，也可能导致模型失败，如交易流动性，价格波动幅度，价格波动频率等，而这一点是量化交易难以克服的。
2、模型设计中没有考虑仓位和资金配置，没有安全的风险评估和预防措施，可能导致资金、仓位和模型的不匹配，而发生爆仓现象。
3、网络中断，硬件故障也可能对量化交易产生影响。
4、同质模型产生竞争交易现象导致的风险。
5、单一投资品种导致的不可预测风险。

‘拾’ 股票如何做资金流模型

在市场中，经常存在交易性机会，这是指股价在短期内可能受到某些消息的影响，或者某些市场内在因素的改变从而产生剧烈波动带来的价差投资机会。其中，一个典型的交易性策略就是资金流模型，该模型使用资金流流向来判断股票在未来一段时间的涨跌情况，如果是资金流入的股票，则股价在未来一段时间将可能会上涨；如果是资金流出的股票，则股价在未来一段时间可能会下跌，那么，根据资金流向就可以构建相应的投资策略。
基本概念资金流是一种反映股票供求关系的指标。传统的量价无法区分市场微观结构中的流动性和私有信息对股价的影响，而根据委托测算的资金流，能够有效地观察微观市场交易者的真实意图及对股价造成的影响。资金流定义如下：证券价格在约定的时间段中处于上升状态时产生的成交额是推动指数上涨的力量，这部分成交额被定义为资金流入；证券价格在约定的时间段中下跌时的成交额是推动指数下跌的力量，这部分成交额被定义为资金流出；若证券价格在约定的时间段前后没有发生变化，则这段时间中的成交额不计入资金流量。策略模型1．逆向选择理论在非强势有效的A股市场，普遍存在信息不对称的问题。机构投资者与散户投资者在对同一信息的评估能力上存在差异。在大部分情况下，散户投资者缺乏专业的投资能力和精力，那么根据“搭便车”理论，希望借助机构投资者对股价的判断进行投资。一旦机构投资者率先对潜在市场信息做出反应，羊群效应的散户投资者则追涨杀跌，往往导致在很多情况下市场对潜在信息反应过度。这样根据逆向选择理论，能够准确评估信息价值的投资者便会对反应过度的股价做出交易，买入低估的、卖出高估的股票，从而纠正这种信息反应过度行为。根据市场对潜在信息反应过度的结论及市场投资者的行为特征，可以采取逆向选择模型理论来构建选股模型，即卖出前期资金流入、价格上涨的股票，买入前期资金流出、价格下跌的股票。按照这个思路，对一些指标参数进行回测分析，可以得到稳定的选股模型。2．策略模型根据资金流各种指标的特点，在选股模型中采用比较简单的方法，即以指标排序打分的方式来筛选股票。首先通过对各个资金流指标进行排序打分，然后将股票对各个指标的得分进行求和，最后以总得分值大小来筛选股票，具体步骤如下：（1）确定待选股票池。在选择组合构建时，剔除上市不满一个月的股票，剔除调仓期涨跌停及停牌的股票，防止因涨/跌停无法交易。剔除信息含量小于10%的股票，因为这部分股票信号不明显，无法取得有效信息。（2）构建股票组合。①指标打分：首先将待选股票池中的股票按照资金流指标进行排序，然后采用百分制整数打分法进行指标打分，即以股票在各个指标中所处位置的百分数作为股票对于该指标的得分，前1%得分为1，依次递减，最后1%得分为100。②求和排序：将股票相对于各个指标的得分进行求和，将和值从小到大排序，进行分组比较；另外，选择排名靠前的N只股票构建组合。③股票权重：采用等量权重。（3）组合定期调整，调整时间从1到3个月不等。持有到期后，利用更新后的指标数据重新确定待选股票池，重复步骤（2）打分求和过程，并将股票按照指标得分从小到大排序，将原来分组中跌出组合的股票剔除，调进新的股票，同时将新组合内样本股的权重调整到相等。（4）统计检验。分别计算各组合的收益率情况，考察组合的效果。