你的选股策略真的有效吗?其实不一定有随机小泽效果好,以前电视台展示过一个策略:羊驼来选股,即每天卖掉持有的股票中收益率最差的一只,然后让羊驼随机选入一只股票来买,结果收货颇丰。人们根据这种情况开始尝试使用羊驼来选股,本文介绍根据每天持有收益率最靠前的股票来选股的策略。 1. 基本原理 在这个量化交易策略中,对股票池中的所有股票,每天按照收益率从小到大进行排序,起始时买入num_of_stocks只股票,然后每天在整个股票池中选出收益率前num_of_stocks,如果这些股票未持有则买入,已持有,则继续持有,并把收益率不是排在前num_of_stocks的股票卖掉。 2.策略实现 初始资金:20万元 投资域:沪深300股票池 回测频率 :按日回测 回测时间段 :2012年1月2日至2015年10月8日(和股票上市实际时间段的交集 ) 羊驼策略-每天持有收益率前n选股流程 1.设置策略参数,初始买入的股票数num_of_stocks,收益率计算所用天数period,其中收益率=昨天的收盘价/period天之前的收盘价。 2.将股票池内的股票按照收益率排序,买入收益率最高的num_of_stocks只股票。 3.之后的每天都将所有股票按收益率排序,如果股票池中有处于收益率前num_of_stocks而未持有的则买入,并卖掉收益率不处于前num_of_stocks的 注:在本策略中,如果遇到选中的股票停牌导致无法卖出/买入,当天不卖出/不买入此股票,在第二天多卖一只/多买一只
- 源码:
- import random
- import numpy as np
- import pandas as pd
- from pandas import Series,DataFrame
- import scipy.stats as stats
- import math
- # 设置股票池,本程序中为所有沪深300的股票
- stocks = get_index_stocks('000300.XSHG')
- #求出股票池中有多少股票
- num=len(stocks)
- set_universe(stocks)
- #设置benchmark,默认为沪深300
- #set_benchmark('510050.XSHG')
- #设置回测条件
- set_commission(PerTrade(buy_cost=0.0008, sell_cost=0.0015, min_cost=5))set_slippage(FixedSlippage(0))
- #设置初始买入多少只股票
- num_of_stocks=5
- #设置计算几日收益率
- period=5
- #用一个列表来保存每天持有的股票代码
- stockshold=[]
- #判断参数输入是否符合条件,如果不符合,则重置为默认值
- if num_of_stocks>num:
- log.info("too large num_of_stocks")
- num_of_stocks=10
- #预处理数据,将没有数据的股票剔除,同时加入收益率
- #构成一个列索引为股票名,收益率一行的索引为
- #'return'的dataframe,并返回这个dataframe
- def process():
- #取出每只股票period天的收盘价格
- stocks_info=history(period,'1d','close')
- #去除信息不全的数据
- stocks_info.dropna(axis=0,how='any',thresh=None)
- #取出昨天和period天之前的收盘价,计算收益率
- a1=list(stocks_info.iloc[0])
- a2=list(stocks_info.iloc[period-1])
- a1=np.array(a1)
- a2=np.array(a2)
- #用一个dataframe来保存所有股票的收益率信息
- stocks_return=DataFrame(a2/a1,columns=['return'],index=stocks_info.columns)
- stocks_info=stocks_info.T
- #把收益率的数据加到相应的列
- stocks_info=pd.concat([stocks_info,stocks_return],axis=1)
- #将股票信息按照收益率从大到小来存储
- stocks_info=stocks_info.sort(columns=['return'],ascending=[False])
- #返回处理好的dataframe
- return stocks_info
- #股票入池
- def BuyStocks(stocks_info,cash):
- #计算现在持有的股票数
- current_num=len(stockshold)
- stocks_info=stocks_info.T
- #将已持有的股票从股票池中剔除
- for i in range(0,current_num):
- if stockshold[i] in stocks_info.columns:
- del stocks_info[stockshold[i]]
- stocks_info=stocks_info.T
- #计算在每只股票上可以支付的现金
- if num_of_stocks-current_num>0:
- cash=cash/(num_of_stocks-current_num)
- for i in range(0,num_of_stocks-current_num):
- #取得股票当前的价格
- current_price=stocks_info['current_price'][i]
- #判断是否有价格数据
- if math.isnan(current_price)==False:
- #计算可以每只股票可以购买的数量
- num_of_shares=int(cash/current_price)
- if num_of_shares>0:
- order(stocks_info.index[i],+num_of_shares)
- log.info("buying %s" %(stocks_info.index[i]))
- #将购买的股票代码加到stockhold中
- stockshold.append(stocks_info.index[i])
- #股票出池
- def SellStocks(stocks_info):
- stocks_hold=DataFrame()
- stocksremove=[]
- current_num=len(stockshold)
- #用一个dataframe来保存收益率前n的股票的信息
- for i in range(0,num_of_stocks):
- stocks_hold=pd.concat([stocks_hold,stocks_info.iloc[i]],axis=1) #找出目前持有的股票中不处于收益率前n的股票
- for i in range(0,current_num):
- #判断股票是否因缺数据而不在更新后的stocks_info里
- if stockshold[i] in stocks_info.index:
- #如果股票不在收益率前n的股票中
- if stockshold[i] not in stocks_hold.columns:
- #在stocksremove中保存该股票代码,以便从stockshold中删除
- stocksremove.append(stockshold[i])
- #如果该股票未停牌
- if stocks_info['paused'][stockshold[i]]=='False':
- #则将其卖出
- order_target(stockshold[i],0)
- #将收益率不在前n的股票从stockshold中删除
- for i in range(0,len(stocksremove)):
- stockshold.remove(stocksremove[i])
- # 每个单位时间(如果按天回测,则每天调用一次,如果按分钟,则每分钟调用一次)调用一次
- def handle_data(context, data):
- stocks_info=process()
- stocks_num=len(stocks_info.index)
- #用一个列表来保存所有股票是否停牌的信息
- pause=[]
- for i in range(0,stocks_num):
- if data[stocks_info.index[i]].paused==True:
- pause.append('True')
- else:
- pause.append('False')
- #将列表转换成dataframe以便加入到stocks_info中
- paused=DataFrame(pause,columns=['paused'],index=stocks_info.index) stocks_info=pd.concat([stocks_info,paused],axis=1)
- #用一个列表来保存所有股票当前的价格信息
- currentprice=[]
- for i in range(0,stocks_num):
- currentprice.append(data[stocks_info.index[i]].price)
- current_price=DataFrame(currentprice,columns=['current_price'],index=stocks_info.index)
- #将股票是否停牌,当前价格的信息添加到stocks_info中
- stocks_info=pd.concat([stocks_info,current_price],axis=1)
- #取得当前现金
- cash=context.portfolio.cash
- #执行卖出股票的函数
- SellStocks(stocks_info)
- #执行买入股票的函数
-
- BuyStocks(stocks_info,cash)
复制代码
|