【量化策略一】多因子策略收益高，回撤也大

骑猪看日落 2021-07-26 21:11 399阅读 0赞

本策略每隔1个月定时触发,根据基本面（归属母公司净利润增长率）。
    
    策略思路：
    
    每个月选择归属母公司净利润增长率前五的股票，平掉掉出前五的，买入新增的
    结论：策略累计收益率19%，平均年化2%
    沪深300累计收益率-14%，
    
    2010-01-01至2020-01-01，沪深300累计收益率15%，
    5只创业板，也是策略累计收益率654%，平均年化65%
    
    2018-01-01至2019-01-01，沪深300累计收益率-26%，
    20只创业板，策略累计收益率-26%，沪深300累计收益率-26%，
    5只创业板，也是策略累计收益率-26%，
    
    2020-01-01至2020-06-19，沪深300累计收益率-1.2%，每月调仓
    20只创业板，策略累计收益率42%，年化90%
    10只创业板，策略累计收益率46%，年化98%
    5只创业板，策略累计收益率61%，年化131%
    每周调仓，5只创业板，策略累计收益率55%，年化111%

# coding=utf-8
    from __future__ import print_function, absolute_import, unicode_literals
    import numpy as np
    import pandas as pd
    from gm.api import *
    
    
    
    def init(context):
        # 每月第一个交易日的09:40 定时执行algo任务
        schedule(schedule_func=algo, date_rule='1m', time_rule='09:40:00')
        # 数据滑窗
        # context.date = 5
        # 设置开仓的最大资金量
        context.ratio = 0.8
        # 沪深300 SHSE.000300，创业板指 SZSE.399006
        context.index = "SHSE.000300"
        context.num = 5
        context.list =[]
        subscribe(symbols= context.index, frequency='1d', count=2)
        context.symbol="SHSE.000300"
        # 默认回撤超过10%即止损
        context.stop_loss = 0.1
        context.high = 0
    
    def algo(context):
        now = context.now
        order_close_all()
        symbol_list = get_history_constituents(index=context.index, start_date=now)[0].get("constituents").keys()
        # NPGRT  归属母公司净利润增长率 (本期归属母公司净利润 － 上年同期归属母公司净利润)/上年同期归属母公司净利润＊100%
        
        df = get_fundamentals_n(table="deriv_finance_indicator",symbols=symbol_list,end_date=now, fields="NPGRT", count=1, df=True)
       
        df['sum'] = df['NPGRT_sort']+df['ROE_sort']
    
        df = df.sort_values(["sum"], ascending=False)
    
        target_list = df["symbol"].values
        target_list = target_list[:context.num]
    
        # 计算要卖出的差集
        have_list = context.list
        sell_list = list(set(have_list).difference(set(target_list)))
        print(str(now) + '卖出：\n' + str(sell_list))
    
        buy_list = list(set(target_list).difference(set(have_list)))
        print(str(now) + '买入：\n' + str(buy_list))
        context.list=target_list
        for symbol in target_list:
            order_target_percent(symbol=symbol, percent=1./context.num, order_type=OrderType_Market, position_side=PositionSide_Long)
        print(str(now) + '持仓：\n' + str(target_list))
    
    # 查看最终的回测结果
    def on_backtest_finished(context, indicator):
        print(indicator)
    
    if __name__ == '__main__':
        '''
        strategy_id策略ID,由系统生成
        filename文件名,请与本文件名保持一致
        mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST
        token绑定计算机的ID,可在系统设置-密钥管理中生成
        backtest_start_time回测开始时间
        backtest_end_time回测结束时间
        backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
        backtest_initial_cash回测初始资金
        backtest_commission_ratio回测佣金比例
        backtest_slippage_ratio回测滑点比例
        '''
    
        run(strategy_id='7092c40b-8829-11ea-b2b5-0a0027000006',
            filename='multiple_factor_base.py',
            mode=MODE_BACKTEST,
            token='9b06ce1b5a39ac39d71e58836549a95259fdcb60',
            backtest_start_time='2010-01-01 08:00:00',
            backtest_end_time='2012-01-01 16:00:00',
            backtest_adjust=ADJUST_PREV,
            backtest_initial_cash=1000000,
            backtest_commission_ratio=0.0003,
            backtest_slippage_ratio=0.0001)

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1YW5zag_size_16_color_FFFFFF_t_70][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1YW5zag_size_16_color_FFFFFF_t_70]: /images/20210726/3f0088591f63436083dc4cb39ceaff06.png