据说在华尔街有句名言: “Don’t catch a falling knife.”,意思是不要去接下跌中的飞刀，也就是不买下跌中的股票。下跌趋势中的股票有多惨烈，有一路向南到退市的，如乐视网2015年最高170.03，到2020退市。也有最近的中国平安例子，因为2021年的市场从指数上来看，不是熊市吧，但是中国平安从年内高点，下跌接近腰斩。类似中国平安的例子有很多，如格力电器，三一重工等等，多是去年大涨的各种“茅”。

ps: 中国平安的走势图已经作为个人的电脑桌面了

或许，从行业逻辑和基本面角度去审视某家公司，觉得低估了，进场抄底，但其实不知道底到底在哪儿。高毅资产创始人邱国鹭先生在他的著作《投资中最简单的事》中谈到他的一次经历:

我以前有个合伙人是有着30年从业经验的价值投资者。有一次我问他，1979年美国市场市盈率只有7倍，商业周刊封面文章宣告股市已死时，价值投资者们都跑哪儿去了呢？他笑着说，那时他们正忙着给客户解释为什么净值缩水了30%，因为他们在9倍市盈率时就早已满仓了。

《投资中最简单的事》

经典的投资书籍《证券分析》扉页题词引用了一句诗:

现在已然衰朽者，将来可能重放异彩现在倍受青睐者，将来却可能日渐衰朽

贺拉斯《诗艺》

2021年大跌的中国平安，格力电器，三一重工，恒瑞医药，万科等等，固然这些公司有这样那样的问题，经历了50%, 40%的回调，不好的那部分已经price in了吧，当然如中公教育，豆神教育这样因政策陷入困境的则要另外分析。这些经历大幅回调后的好公司，估值已经很低，没有重放异彩的那天? 应该不会吧。

雪球大v小小辛巴在他的著作《百箭穿杨》谈到一个抄底方法: 五档买入。如图:

来源: 《百箭穿杨》. P64

小小辛巴也总结了这个方法的一些特征，我自己理解认为有至关重要的两点:

精选股票池。小小辛巴说这个五档买入的交易对象局限在好行业的困境龙头好股。
大回调(或称为大跌)。按小小辛巴的话就是:
用严格甚至有点极端的低价作为真正建仓起点。

但是这个实操起来好像不是那么回事，很多主观性，毕竟时间也是成本。

改进: 好公司，大回调，走趋势

最近一段时间，我发现自己持仓里面有部分盈利的股票好像呈现一种模式, 简单的总结就是: 好公司，大回调，走趋势。

想了想，这也是挺符合逻辑的，好公司在高估值，市场风格等很多因素的主导下，进入下跌通道，可能跌个60%以上, 再慢慢磨底，然后超跌反弹(或许是主升浪)。根据这个思路，构建一个抄底抢反弹（或许是主升浪）的策略:

好公司: 以中证500和沪深300作股票池。
大回调: 250个交易日低点相对高点下降了40%以上。
走趋势: 使用30天动量算法计算，排除动量小于10的，且股价必须站上20日线。然后按动量降序。
买入卖出: 分析选出的股票的基本面，根据基本面再做进一步分析。当然，觉得图形漂亮，可以先上车再研究。如果一买入就调头向下该如何处理? 首先， Losers average losers；其次，如果基本面也支持，毕竟前面也跌了40%以上，那就启动五档买入，挡位要足够大。
大盘在年线下则不进行买入操作。

Note: 走趋势是一个很模糊的概念。小小辛巴在《百箭穿杨》中也提到:

很多时候，股票虽然掉头向右侧拐，但要确认底部的话，往往要拐离前期底部20%以上，因为确认要有一定趋势，并且要有一定形态。

《股票魔法师》中谈到一个趋势模板，其中规则之一就是:

因股价上涨突破前期底部，现价格应在50日均线之上。

找出250个交易日下跌40%以上的股票是非常容易，不过我发现即使这么看上去这么简单，有个实现细节挺有意思的，记录下目前使用的方式:

def get_fall_stock(code):
    conn = pymysql.connect(user='***', password='*****', database='letprofitrun', charset='utf8')
    cursor = conn.cursor()
    query = (f'with layer_0 as(select code, trade_date, close_price, high, low, open as open_price  FROM price where code = "{code}" '\
        + 'order by trade_date desc limit 250) select * FROM layer_0 order by trade_date asc')
    cursor.execute(query)
    result = cursor.fetchall()
    close_price_history = []
    high_price_history = []
    low_price_history = []
    open_price_history = []
    atr = []
    trade_date_list = []


    for code, trade_date, close_price, high, low, open_price in result:
        close_price_history.append(float(close_price))
        high_price_history.append(float(high))
        low_price_history.append(float(low))
        open_price_history.append(float(open_price))
        trade_date_list.append(trade_date)
        
    if len(close_price_history) == 0:
        return None
    
    # 必须站上200日均线
    # 《股票魔法师2》里面谈到保罗·都铎·琼斯被问到交易股票时最重要的规则
    # 时，他说一只股票必须高于自己的200日均线，他会“想尽办法远离任何
    # 跌破200日均线的股票”。
    #close = np.array(close_price_history)
    #high = np.array(high_price_history)


    #ma_200 = talib.SMA(close, timeperiod=200)
    #current_price = float(close_price_history[-1:][0])
    
    #if current_price < float(ma_200[-1:][0]):
    #    return False
    
    high_of_price_idx = np.argmax(close_price_history) # 250个交易日中最高价的索引


    high_of_price = close_price_history[high_of_price_idx]


    temp_close_price_history = close_price_history[high_of_price_idx:]
    temp_trade_date_list = trade_date_list[high_of_price_idx:]
    low_of_price_idx = np.argmin(temp_close_price_history) # 250个交易日中最高价之后的最低价的索引
    low_of_price = temp_close_price_history[low_of_price_idx]
    
    percent = round((high_of_price - low_of_price) / high_of_price * 100,2)
    print(percent)
    return  percent >= 40