量化交易-簡單市值輪動策略學習
摘要：
本文章的學習內容參考自 https://www.joinquant.com/post/6596?f=18newyearjx 感謝 @JoinQuant-TWist 和 @聚寬小祕書
根據個人習慣，對程式碼進行了調整 :grin:
策略說明
每隔10個交易...
本文章的學習內容參考自 ofollow,noindex">https://www.joinquant.com/post/6596?f=18newyearjx 感謝 @JoinQuant-TWist 和 @聚寬小祕書
根據個人習慣，對程式碼進行了調整 :grin:
策略說明
每隔10個交易日，等金額持有市值排名最小的前5只股票，賣出其他股票
回測和原始碼如下：
def initialize(context):
g.stocksnum = 5 # 持有最小市值股票數
g.period = 10 # 輪動頻率
run_daily(daily,time='every_bar')# 週期迴圈daily
g.days = 1 # 記錄策略進行到第幾天，初始為1
def daily(context):
# 判斷策略進行天數是否能被輪動頻率整除餘1
if g.days % g.period == 1:
# 獲取當前時間
date=context.current_dt.strftime("%Y-%m-%d")
# 獲取上證指數和深證綜指的成分股程式碼並連線，即為全A股市場所有股票
scu = get_index_stocks('000001.XSHG')+get_index_stocks('399106.XSHE')
# 選出在scu內的股票的股票程式碼，並按照當前時間市值從小到大排序
df = get_fundamentals(query(
valuation.code,valuation.market_cap
).filter(
valuation.code.in_(scu)
).order_by(
valuation.market_cap.asc()
), date=date
)
# 取出前g.stocksnum名的股票程式碼，並轉成list型別，buylist為選中的股票
buylist =list(df['code'][:g.stocksnum])
# 對於每個當下持有的股票進行判斷：現在是否已經不在buylist裡，如果是則賣出
for stock in context.portfolio.positions:
if stock not in buylist: #如果stock不在buylist
order_target(stock, 0) #調整stock的持倉為0，即賣出
# 將資金分成g.stocksnum份
position_per_stk = context.portfolio.cash/g.stocksnum
# 用position_per_stk大小的g.stocksnum份資金去買buylist中的股票
for stock in buylist:
order_value(stock, position_per_stk)
else:
pass # 什麼也不做
g.days = g.days + 1 # 策略經過天數增加1
經過思考 ，我認為這個策略可以改進
- 如果買入列表中的股票有停牌的，不僅無法買入，還會影響資金利用率，所以我講買入列表中的停牌股票剔除掉
- 資金分配不是按照固定持股數進行等額分配，而是根據經過篩選實際可以買入的數量來分配
- 如果已經持倉的股票，不會被二次買入
- 由於經過篩選後，可買入的股票將會變少，在概率上來講是這樣，所以我講持股數量提升為10
改進程式碼如下，包括回測結果
def initialize(context):
"""初始化函式"""
# 持有最小市值股票數
g.stocksnum = 10
# 輪動頻率
g.period = 10
# 記錄策略進行到第幾天
g.days = 0
# 週期迴圈daily
run_daily(daily,time='every_bar')
def daily(context):
"""交易函式"""
# 每執行一天加一
g.days += 1
# 判斷策略進行天數是否能被輪動頻率整除餘1
if g.days % g.period != 1:
return
# 獲取當前時間
date=context.current_dt.strftime("%Y-%m-%d")
# 獲取上證指數和深證綜指的成分股程式碼並連線，即為全A股市場所有股票
# 這裡股票池不放在全域性中是因為總有新發型股票出現，所以要動態獲取股票池
scu = get_index_stocks('000001.XSHG') + get_index_stocks('399106.XSHE')
# 選出在scu內的股票的股票程式碼，並按照當前時間市值從小到大排序
df = get_fundamentals(query(
valuation.code,
valuation.market_cap
).filter(
valuation.code.in_(scu)
).order_by(
valuation.market_cap.asc()
), date=date
)
# 取出前g.stocksnum名的股票程式碼，並轉成list型別，buylist為選中的股票
buylist =list(df['code'][:g.stocksnum])
# 對於每個當下持有的股票進行判斷：現在是否已經不在buylist裡，如果是則賣出
if stock not in buylist: #如果stock不在buylist
order_target(stock, 0) #調整stock的持倉為0，即賣出
# 已經持倉的不會再被買入
buy_list = list(set(buylist) - set(context.portfolio.positions.keys()))
# 當日停牌的股票不交易
current_data = get_current_data()
buy_list = [stock for stock in buylist if not current_data[stock].paused]
# 如果沒有需要買進的股票，就返回
if len(buy_list) <= 0:
return
# 動態分配資金
position_per_stk = context.portfolio.cash/len(buy_list)
# 動態買入股票
for stock in buy_list:
order_value(stock, position_per_stk)
經過調整，回測效果提升將近90個百分點。
如果還有改進想法的看官，可以提出建議。另外，小市值策略在近期其實效果很差，與市場整體有關。另外，小市值經常有停牌退市的風險，很有可能在持有階段停牌，所以風險很高