熊市选股的核心逻辑
熊市环境下，市场整体趋势向下，多数股票跟随下跌。选股目标不是追求高收益，而是保住本金并寻找相对抗跌的品种。核心逻辑有三点：寻找被错杀的优质资产、聚焦防御性行业、利用期货工具对冲系统性风险。
防御性行业优先
必需消费、公用事业、医疗保健在熊市中需求稳定，盈利波动小。食品饮料、水电燃气、药品等板块的上市公司往往能维持正现金流。避开周期性强的行业，如钢铁、煤炭、房地产、券商。
高股息率策略
熊市中股息率是安全垫。连续多年分红、股息率超过4%的股票更受资金青睐。银行、高速公路、电力等板块常出现此类标的。注意股息率需结合派息率与盈利稳定性，避免一次性分红陷阱。
低估值与财务健康
市盈率低于行业均值、市净率低于1、资产负债率低于50%的公司抗风险能力更强。重点检查经营性现金流是否为正，自由现金流能否覆盖利息支出。避开商誉过高、股权质押比例大的个股。
技术面超卖信号
熊市反弹往往从超卖开始。RSI低于30、KDJ的J值负值、股价偏离20日均线超过15%时，可能出现短期修复。结合成交量萎缩后突然放量，可提高胜率。
期货对冲与套保
持有股票组合时，可卖出对应股指期货（如IF、IC、IM）进行对冲。若资金量小，可用期权买入认沽。商品期货中，熊市往往伴随需求下滑，可做空工业品如螺纹钢、铜，但需注意政策干预。
量化选股因子示例
以下Python代码演示如何筛选低估值、高股息、低波动的股票。
import pandas as pd
import numpy as np
# 假设df包含股票代码、市盈率、股息率、20日波动率、资产负债率
df = pd.read_csv('stock_data.csv')
# 筛选条件
condition = (
(df['市盈率'] > 0) & (df['市盈率'] < 15) &
(df['股息率'] > 0.04) &
(df['20日波动率'] < 0.03) &
(df['资产负债率'] < 0.5)
)
selected = df[condition].sort_values('股息率', ascending=False)
print(selected[['代码', '市盈率', '股息率']])
仓位管理与止损
熊市单只股票仓位不超过总资金的10%，总仓位控制在30%以内。设置8%-10%的硬止损，跌破重要支撑位立即离场。采用分批建仓，每下跌5%加仓一次，但加仓次数不超过3次。
关注反转信号
当政策面出现降准降息、国家队增持、IPO放缓等信号时，可逐步增加仓位。行业层面，若某板块连续出现底部放量、龙头股率先反弹，可视为领先指标。
熊市选股以防守为主，高股息、低估值、弱周期是核心。期货工具用于对冲而非投机。量化筛选可提高效率，但需动态调整因子权重。严格执行纪律，活过熊市才有牛市。
