用Python回測總經指標(1)|M1B & M2 年增率

  • Post author:
  • Reading time:4 mins read

利用上一篇「Python爬蟲教學|台灣貨幣總計數 M1B & M2」的資料,我們可以用來回測該指標是否為具有領先性的大盤濾網,並測試看看資金流動性指標是否能優化股價動能策略,在市場資金變保守時,能否減低動能策略回檔的殺傷力?

指標意義

M1B=M1A(通貨淨額 + 支票存款 + 活期存款)+活期儲蓄存款,為人民手邊可隨時動用的資金。

M2=M1B+準備貨幣(如定期存款、郵政儲金及外匯存款),流動性較 M1B 低,代表整體市場的資金。
當 M1B 年增率 – M2 年增率 > 0,表示流動資金成長較定存快,台股資金越活絡。 當 M1B 年增率 – M2 年增率 < 0,表示流動資金成長較定存慢,台股資金越趨緩。 在過去幾次循環中,M1B 減 M2(年增率)常領先台股三至六個月前出現上漲,在 M1B 減 M2 出現向下走勢時,台股亦出現下跌(資料來源:財經M平方)。

總經平台「財經M平方」有豐富的總經資訊,如果對總經指標不熟悉,可以在該平台習得知識,了解概念後,就可以使用「 FinLab 回測模組」來驗證。「 M1B 年增率 – M2 年增率 > 0」這個指標有用嗎?

圖表觀察

寫回測之前,可以先將數據視覺化簡單觀測一下「資金指標與加權報酬指數關係圖」。
灰色區塊是每次「 M1B 年增率 – M2 年增率 剛小於 0」到「 M1B 年增率 – M2 年增率 剛大於 0」的區間。
圖中可發現 2000 以前由於銀行利率很高,在那個定存5%的年代,M2 年增率好長一陣子都大於M1B年增率。
2000 以後,利率開始降,資金開始流入股市,展開台股大多頭。
2006-2007 指標出現好幾次震盪,但看起來是提早被洗掉。
2008 該指標領先崩盤訊號,成功躲掉崩盤,但股市反轉一大段後,該指標才翻多,看起來也躲掉大漲。金融海嘯後全球開始印鈔,降息降到極限,維持好長一段「 M1B 年增率 – M2 年增率 > 0」,2012-2013 的訊號失靈,2015 的訊號有領先,2017-2018 出現極短循環。
而 2022 這次崩盤,雖然美國狂升息,但 M2年增率 由於「台灣央行」升息很慢,所以增幅並不明顯,由於之前M1B增幅很快,收斂要時間,所以直到崩了好一大段後,現在才又轉負,沒能提早示警

截圖 2022 11 04 下午9.06.12
資金指標與加權報酬指數關係圖

M1與M2交叉訊號回測

圖表訊號看起來實用性是55波。寫程式回測一下,操作標的為「0050 元大台灣50 (藍線)」。
結果和一直持有(灰線)的結果是差不多的…雖然可能會躲崩,但也會落後進場。然後慘烈的 2022 整段回檔吃下來,是不是不用那麼忙?

newplot 20

M1均線指標

為何「 M1B 年增率 – M2 年增率 > 0」會沒傳說中的有用?
我想關鍵在於跟「M2 年增率」的波動不大有關,「M1B 年增率」波動才是關鍵,像 2022 由於 2021 資金行情讓兩者差距太大,在 M2 上升不夠下,M1B 要收斂向下穿過 M2 要花的時間太長。
實際要使用的話,我會試試單用「M1B 均線訊號來回測」,例如當月「M1B 年增率」穿越「M1B 年增率近6月平均年增率」當訊號,產生更靈敏的指標,訊號也變多。將條件修改回測結果如下,確實能解決「M2 年增率」太遲緩的問題,以此操作 0050 或是長期投資台股指數,會有擇時進出場的優勢。

newplot 21

Top Down 選股策略實測

Top Down 選股法簡單說是先分析最上層的總經,大環境若逆風,則不再後續選股動作。要確認大環境好,才進行選股,不是硬要靠選股能力待在市場,而是選最順風的時候。
動能策略在資金行情時,往往衝第一,然而當資金消退時,也是跌勢驚人!究竟「M1B 均線指標」能不能進一步提升「動能策略」的績效?

動能策略範例

範例選定為「突破策略豆知識 | 如何避免假突破?」文章中的「創新高延續動能策略」。
回測績效如下,很兇猛。

newplot 22

動能策略*資金行情指標回測

下圖中是套上「M1B 均線指標」當大盤濾網,可以發現雖然 2022 成功躲過,但前幾年也錯過不少飆股機會,累積報酬率少了7倍,且最後與一直持有指數是一樣的,白忙一場。長期待在市場衝鋒陷陣才是王道?

newplot 23

結論

  • 「 M1B 年增率 – M2 年增率 > 0」不夠靈敏。
  • 「M1B 年增率」穿越「M1B 年增率近6月平均年增率」較能解決「M2 年增率」不靈敏的問題,有助於台股指數擇時操作,但個股策略則無明顯效果。

colab 範例程式檔 提供大家自己驗證,之後會繼續研究其他總經指標。

Ben

Python 軟體工程師與量化策略研究員。 鑽研資料工程、網頁後端、資料視覺化、量化交易策略開發。 投資主力在台股市場,量化策略為主、質化分析為輔,追求人機攜做最佳化。逐步將觸角延伸到總經、美股、加密貨幣,朝更全方位的交易人邁進。