原文示例，运行后发现 缩进错误。改进如下： def initialize(context): run_daily(period,time='every_bar') # 设定好要交易的股票数量 g.stocksnum = 7 # 设定交易周期 g.period = 13 # 记录策略进行天数 g.days = 0 def period(context): # 判断策略进行天数是否能被轮动频率整除余1 if g.days % g.period == 0: # 代码：找出市值排名最小的前stocksnum只股票作为要买入的股票 # 获取当天的股票列表 scu = get_all_securities(date= context.current_dt).index.tolist() # 选出在scu内的市值排名最小的前stocksnum只股票 q=query(valuation.code ).filter( valuation.code.in_(scu) ).order_by( valuation.market_cap.asc() ).limit(g.stocksnum) df = get_fundamentals(q) # 选取股票代码并转为list buylist=list(df['code']) # 代码：若已持有的股票的市值已经不够小而不在要买入的股票中，则卖出这些股票。 # 对于每个当下持有的股票进行判断：现在是否已经不在buylist里，如果是则卖出 for stock in context.portfolio.positions: if stock not in buylist: #如果stock不在buylist order_target(stock, 0) #调整stock的持仓为0，即卖出 # 代码：买入要买入的股票，买入金额为可用资金的stocksnum分之一 # 将资金分成g.stocksnum份 position_per_stk = context.portfolio.cash/g.stocksnum # 用position_per_stk大小的g.stocksnum份资金去买buylist中的股票 for stock in buylist: order_value(stock, position_per_stk) # 策略进行天数增加1 g.days = g.days + 1

首先非常感谢作者，写的非常通俗易懂！ 纯小白，有两个问题： 1原始的小市值策略效果总体还不错，而在加入止损与筛选之后效果大大下降（20年之后甚至逐渐出现亏损），这是有什么可解释的原因的吗？ 2.g.peroid与g.stocksnum的初始值设置是否有什么讲究？是否可以类比机器学习中超参数调优的一些方法来找到最优的初始值？

算是自己尝试运行的第一个策略，感谢楼主分享

交作业

按月调仓，10支票，过滤了ST、停牌以及涨停票

@量化菜鸡2023 请问这个回测表是怎么分享出来的，我在评论区的回测分享中找不到可以分享的策略

``` # 导入函数库 from jqdata import * # 初始化函数，设定基准等等 def initialize(context): run_daily(period, "every_bar") g.stocks_count = 30 g.period = 15 g.accu_days = 0 def period(context): if g.accu_days % g.period == 0: all_stocks = get_all_securities(types=["stock"], date=context.current_dt).index.tolist() q = query( valuation.code, valuation.market_cap ).filter( valuation.code.in_(all_stocks) ).order_by( valuation.market_cap.asc() ).limit(g.stocks_count*20) df = get_fundamentals(q) candidate_stocks = list(df["code"]) buylist = [] for stock_code in candidate_stocks: current_data = get_current_data() current_data = current_data[stock_code] if current_data.paused == False and \ current_data.is_st == False and \ current_data.high_limit != \ get_price(stock_code, end_date=context.current_dt, fields=["high"], count=1)["high"].tolist()[0] and \ current_data.low_limit != \ get_price(stock_code, end_date=context.current_dt, fields=["low"], count=1)["low"].tolist()[0]: buylist.append(stock_code) if len(buylist) >= g.stocks_count: break inhand_stocks = list(context.portfolio.positions.keys()) stocks_out = set(inhand_stocks) - set(buylist) for stock_id in stocks_out: order_target(stock_id, 0) position_per_stk = context.portfolio.available_cash / g.stocks_count for candidate in buylist: order_value(candidate, position_per_stk) else: for stock in context.portfolio.positions: cost = context.portfolio.positions[stock].avg_cost price = context.portfolio.positions[stock].price ratio = price / cost - 1 if ratio > 0.15 or ratio < -0.2: order_target(stock, 0) g.accu_days += 1 ```

最后面的一条代码 if g.days % g.period == 0: 是能够被整除吧，不是整除余1 整除余1应该是 if g.days % g.period == 1:

@量化菜鸡2023 get_current_data 这条你打错了而且现在这个函数也不用传参，你怎么跑起来的

@贤儿响叮当 没有成交呀

@austingina 是的，他应该写错了，我也感觉这儿不对

@Beijianglong 我跑的回测是有成交的，你可以看看是不是选股出问题了

@贤儿响叮当 可以给每行加个注释么，好多行都似懂非懂的样子

交作业

``` def initialize(context): run_daily(period,time='every_bar') # 代码：设定好要交易的股票数量stocksnum g.stocksnum = 7 g.period = 13 g.days = 0 g.loss_limit = -0.01 g.gain_limit = 0.2 def period(context): # 判断策略进行天数是否能被轮动频率整除余1 if g.days % g.period == 0: # 代码：找出市值排名最小的前stocksnum只股票作为要买入的股票 # 获取当天的股票列表 scu = get_all_securities(date=context.current_dt).index.tolist() current_data = get_current_data() # 排除停牌、ST、涨停股票 scu = [stock for stock in scu if not current_data[stock].is_st] scu = [stock for stock in scu if not current_data[stock].paused] scu = [stock for stock in scu if current_data[stock].last_price< current_data[stock].high_limit] # 选出在scu内的市值排名最小的前stocksnum只股票 q = query(valuation.code ).filter( valuation.code.in_(scu) ).order_by( valuation.market_cap.asc() ).limit(g.stocksnum) df = get_fundamentals(q) buylist = list(df['code']) # 代码：若已持有的股票的市值已经不够小而不在要买入的股票中，则卖出这些股票 # 对于每个当下持有的股票进行判断：现在是否已经不在buylist里，如果是则卖出 for stock in context.portfolio.positions: if stock not in buylist: #调整stock的持仓为0，即卖出 order_target(stock,0) else: #止盈止损 cost = context.portfolio.positions[stock].avg_cost price = context.portfolio.positions[stock].price ret = price/cost-1 if ret< g.loss_limit or ret>g.gain_limit: order_target(stock,0) # 代码：买入要买入的股票，买入金额为可用资金的stocksnum分之一 # 将资金分成g.stocksnum份 position_per_stk = context.portfolio.cash/g.stocksnum # 用position_per_stk大小的g.stocksnum份资金去买buylist中的股票 for stock in buylist: order_value(stock, position_per_stk) # 策略进行天数增加1 g.days = g.days + 1 ```

学习了

这一段比较糊涂，主要是关于valuation的一堆都搞不懂意思。valuation相关文档在哪里没找到。 ``` # 选出在scu内的市值排名最小的前stocksnum只股票 q = query(valuation.code ).filter( valuation.code.in_(scu) ).order_by( valuation.market_cap.asc() ).limit(g.stocksnum) ```

打开

打卡