本文是[量化交易零基础入门教程](https://www.joinquant.com/post/13149)中的一篇，点击蓝字链接可查看该系列详情。 --- ### 摘要 - 灵感细化 - 逐步实现策略 - 调整与改进策略 - 自测与自学 --- - 通过前文基础知识的学习，本文将引导读者运用所学写成一个策略。如果发现某些知识忘了很正常，回头再看就行，用到什么去学什么学习的效率更高。 ### 灵感细化 - 之前也提到过策略灵感的来源多种多样，可能是通过阅读、通过与人交流、或是通过自己感悟与研究等等。灵感最初可能只是模糊的感觉或疑问，比如“感觉低市盈率的股票好像长期收益更好”、“当股价一旦超过整百的时候会不会更容易继续涨一段”、“这个股票和那个股票的股价数据看起来好像符合某种统计规律”等等。验证灵感的一个基本方法是把灵感细化，写成策略做回测。 - 现在你听说了这样一件事，**小市值股票过去很长一段时间内收益特别好，但最近不太行了**。你觉得这件事比较有价值，想要写成策略来回测验证下。请思考下，应该写一个什么样的策略来验证这件事呢？ - 为了验证灵感，我们把灵感细化成内容如下的这样一个策略。 每天找出市值排名最小的前10只股票作为要买入的股票。 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。 买入要买入的股票，买入金额为当前可用资金的10分之一。 - 考虑到不一定要选10个股票，股票数量应该是个可以方便调节的变量，因此策略内容改成如下这样更好。 设定好要交易的股票数量stocksnum 每天找出市值排名最小的前stocksnum只股票作为要买入的股票。 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。 买入要买入的股票，买入金额为当前可用资金的stocksnum分之一。 ### 逐步实现 - 因为最终目的是要写成代码交给计算机回测，因此要逐步把文字的意思用代码实现，首先要把这个策略放到之前讲过的初始化与周期循环的策略框架中，如下。 def initialize(context): run_daily(period,time='every_bar') # 代码：设定好要交易的股票数量stocksnum def period(context): # 代码：找出市值排名最小的前stocksnum只股票作为要买入的股票 # 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。 # 代码：买入要买入的股票，买入金额为可用资金的stocksnum分之一 - 接下来，你只需要逐步的把策略的全部内容用代码实现出来，技巧是把复杂的内容拆分成多个简单的内容，逐步实现，对于不确定的东西print打印出来看看。往下读之前，建议自己独立实现下试试，基本都是用讲过的内容。遇到困难可以看下我下面给出提示，所有提示后面会给出参考代码。 - 提示 - 代码：设定好要交易的股票数量stocksnum。这句非常简单，需要注意的是要用到之前讲过的全局变量。 - 代码：找出市值排名最小的前stocksnum只股票作为要买入的股票。首先使用get_all_securities取其index得到股票列表。然后，使用获取财务数据的方法找出当前全市场股票中市值最小的前stocksnum个的股票代码。 - 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。使用context数据获取当前持仓情况，用for循环语句与if判断语句判断股票是否在当前持仓中，用in判断是否一个元素在某list中，用下单API实现卖出操作。 - 代码：买入要买入的股票，买入金额为可用资金的stocksnum分之一。使用context数据获取当前可用资金总量，用for循环与下单API实现买入每个要买入的股票。 - 参考代码 def initialize(context): run_daily(period,time='every_bar') # 设定好要交易的股票数量stocksnum g.stocksnum = 10 def period(context): # 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) ### 调整与改进 - 至此这已经是一个完整可运行的策略了，你可以试试看，回测结果应该已经可以一定程度上验证灵感了。不过虽然策略完成，我们却发现现在策略是每天进行一次选股并交易，我们觉得这太频繁了，希望能实现通过一个变量period控制操作的周期，即每period天进行一次选股并交易。 - 依然建议先试着自己做下，提示如下，提示之后是参考代码。 - 像stocksnum那样用全局变量的方式建立period变量 - 用一个变量记录策略运行天数 - 用取余运算配合if判断语句判断是否又经过period天 - 参考代码 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 ### 回测结果 - 策略初步写完，把g.period设为13，g.stocksnum设为7，初始资金设为100000，频率为天，回测起止日期为20150101-20180627，然后进行回测，回测结果如下：  - 可见15年到16年该策略表现貌似不错，但随后17年至今则表现平平。 ### 自测与自学 - 自己实现下本文策略 - 思考g.period，g.stocksnum各自设为多少效果比较好？ - 思考此文中，虽然每次都等资金的买入，为何各股票的持仓价值其实还是不同，而且可能越差越大？ - 在本文策略中加入止损或止盈 - 试着在本文策略中选股时排除st股票、停牌股票、与涨停股票。这个问题可能会有些挑战，因为会涉及到简单但没讲过的内容，比较考察搜素与自学能力，但这是做投资交易最为重要的能力。 --- [查看下一篇](https://www.joinquant.com/post/13845)