克隆策略
In [ ]:
# 1. 策略数据准备
def prepare(context):
# 引进prepare数据准备函数是为了保持回测和模拟能够通用
# 获取股票代码
instruments = D.instruments(context.start_date,context.end_date)
start_date = context.start_date
# 确定结束时间
end_date = context.end_date
# 获取股票总市值数据,返回DataFrame数据格式
market_cap_data = D.history_data(instruments,context.start_date,context.end_date,
fields=['market_cap','amount'])
# 获取每日按小市值排序 (从低到高)的前三十只股票
cond1 = (high_0/adjust_factor_0) < ta_ma(close_0/adjust_factor_0, timeperiod=10)&\
(high_0/adjust_factor_0) < ta_ma(close_0/adjust_factor_0, timeperiod=20)&\
(high_0/adjust_factor_0) < ta_ma(close_0/adjust_factor_0, timeperiod=30)&\
(low_0/adjust_factor_0) == (open_0/adjust_factor_0)&\
(high_0/adjust_factor_0) > (close_0/adjust_factor_0)&\
(close_0/adjust_factor_0) > (close_1/adjust_factor_1)
daily_buy_stock = market_cap_data.groupby('date').apply(lambda df:df[df['cond1']>0].sort_values('market_cap')[:30])
context.daily_buy_stock = daily_buy_stock
# 2. 策略基本参数,initialize函数只运行一次
def initialize(context):
# 手续费设置
context.set_commission(PerOrder(buy_cost=0.0003, sell_cost=0.0013, min_cost=5))
# 调仓规则(每月的第一天调仓)
context.set_commission(PerOrder(buy_cost=0.003, sell_cost=0.004, min_cost=5))
context.trade_mode = '择时'
if context.trade_mode == '轮动':
context.buy_frequency = 1
context.sell_frequency = 1
context.rebalance_periods = 444 # 调仓周期
context.max_stock_count = 30 # 最大持仓股票数量
context.order_weight_method = 'equal_weight' # 买入方式
context.is_sell_willbuy_stock = False # 卖出欲买进股票
else:
# 买入条件参数
context.stock_select_frequency = 1 # 选股频率
context.order_weight_method = 'equal_weight' # 买入方式
context.buy_frequency = 555 # 买入频率
context.can_duplication_buy = False # 是否可重复买入
context.max_stock_count = 30 # 最大持仓股票数量
context.max_stock_weight = 1 # 个股最大持仓比重
# 卖出条件参数
context.sell_frequency = 10 # 卖出频率
context.is_sell_willbuy_stock = False # 卖出欲买进股票
context.schedule_function(rebalance, date_rule=date_rules.week_start(days_offset=0))
# handle_data函数会每天运行一次
def handle_data(context,data):
pass
# 3. 策略主体函数 换仓函数
def rebalance(context, data):
# 当前的日期
date = data.current_dt.strftime('%Y-%m-%d')
# 根据日期获取调仓需要买入的股票的列表
stock_to_buy = list(context.daily_buy_stock.ix[date].instrument)
# 通过positions对象,使用列表生成式的方法获取目前持仓的股票列表
stock_hold_now = [equity.symbol for equity in context.portfolio.positions]
# 继续持有的股票:调仓时,如果买入的股票已经存在于目前的持仓里,那么应继续持有
no_need_to_sell = [i for i in stock_hold_now if i in stock_to_buy]
# 需要卖出的股票
stock_to_sell = [i for i in stock_hold_now if i not in no_need_to_sell]
# 卖出
for stock in stock_to_sell:
# 如果该股票停牌,则没法成交。因此需要用can_trade方法检查下该股票的状态
# 如果返回真值,则可以正常下单,否则会出错
# 因为stock是字符串格式,我们用symbol方法将其转化成平台可以接受的形式:Equity格式
if data.can_trade(context.symbol(stock)):
# order_target_percent是平台的一个下单接口,表明下单使得该股票的权重为0,
# 即卖出全部股票,可参考回测文档
context.order_target_percent(context.symbol(stock), 0)
# 如果当天没有买入的股票,就返回
if len(stock_to_buy) == 0:
return
# 等权重买入
weight = 1 / len(stock_to_buy)
# 买入
for stock in stock_to_buy:
if data.can_trade(context.symbol(stock)):
# 下单使得某只股票的持仓权重达到weight,因为
# weight大于0,因此是等权重买入
context.order_target_percent(context.symbol(stock), weight)
# 4. 策略回测接口函数: https://bigquant.com/docs/module_trade.html
m=M.trade.v3(
instruments=D.instruments(),
start_date='2014-01-01', # 开始时间
end_date='2016-01-01', # 结束时间
# 必须传入initialize,只在第一天运行
prepare=prepare, # 数据准备函数
initialize=initialize, # 初始化函数
# 必须传入handle_data,每个交易日都会运行
handle_data=handle_data,
# 买入以开盘价成交
order_price_field_buy='open',
# 卖出也以开盘价成交
order_price_field_sell='close',
# 策略本金
capital_base=1000000,
# 比较基准:沪深300
benchmark='000300.INDX',
)