量化选股策略（python版）

选股策略（python版）本策略旨在通过特定的选股逻辑和交易规则，在中证500成分股中筛选出具有投资潜力的股票，并进行相应的买入和卖出操作。策略的核心在于结合多个技术指标对股票进行综合评估，以实现稳健的投资回报。策略特点1.**基于中证500成分股**：策略以中证500成分股为基础股票池，这些股票通常具有较好的市场代表性和流动性。2.**多因子综合评估**：策略综合考虑了多个技术指标，如ATR（平均真实波幅）和ADTM（动态买卖气指标），通过赋予不同因子权重，计算出每只股票的总体评分。3.**定期调仓**：策略设定为每20天进行一次调仓，以确保持仓股票始终符合选股标准。4.**资金等权分配**：对于选定的买入备选股票，策略采用等权分配资金的方式，以降低单一股票的风险。5.**考虑交易成本**：策略在计算盈利时，充分考虑了交易手续费等成本因素。策略流程1.**初始化阶段**：-获取中证500成分股，并设定为基础股票池。-初始化策略运行天数、持仓情况、资金权重、买入点、可用资金、策略盈利等变量。2.**周期循环阶段**：-在每个交易日的bar数据更新时，执行以下操作：a.获取过去1日的开盘价数据。b.当策略运行天数大于60天且到达20天的调仓周期时，执行以下步骤：-获取待买入和卖出的股票池。-对于待买入的股票，计算其在ATR和ADTM指标上的排名，并根据设定的权重计算总体评分。-根据总体评分排序，选取评分最低的10只股票作为买入备选。-卖出持仓中待卖出的股票，并计算相应的盈利和可用资金。-为买入备选股票等权分配资金，并执行买入操作。3.**初步筛选股票池阶段**：-获取基础股票池的历史数据，包括22天的日最高价、2天的日最高价和62天的日收盘价。-根据设定的条件，筛选出待买入和待卖出的股票。策略优化与改进方向1.**因子优化**：可以尝试引入更多技术指标或调整现有因子的权重，以提高策略的选股能力。2.**风险管理**：可以引入更复杂的风险管理机制，如止损策略、仓位控制等，以降低策略的回撤风险。3.**机器学习应用**：可以考虑利用机器学习算法对历史数据进行训练，以挖掘更多潜在的投资机会。本策略通过结合多个技术指标和定期调仓机制，在中证500成分股中寻找具有投资潜力的股票。策略代码:#!/usr/bin/python#coding:gbkimportpandasaspdimportnumpyasnpimporttimeimportdatetime#1.==初始化部分==definit(ContextInfo):#获取中证500成分股ContextInfo.s=ContextInfo.get_sector('000905.SH')#设定基础股票池为中证500成分股ContextInfo.set_universe(ContextInfo.s)#策略运行天数ContextInfo.day=0#持仓情况ContextInfo.holdings={i:0foriinContextInfo.s}#资金权重ContextInfo.weight=[0.1]*10#设置资金分配权重#买入点ContextInfo.buypoint={}#可用资金ContextInfo.money=ContextInfo.capital#策略盈利ContextIfit=0#设置交易账户ContextInfo.accountID='testS'#2.==周期循环部分==defhandlebar(ContextInfo):rank1={}rank2={}rank_total={}tmp_stock={}#当前bar线索引号d=ContextInfo.barpos#获取过去1日的开盘价数据price=ContextInfo.get_history_data(1,'1d','open',3)#策略运行天数大于60天且到达20天的调仓周期ifd>60andd%20==0:#当前bar线日期nowDate=timetag_to_datetime(ContextInfo.get_bar_timetag(d),'%Y%m%d')#获取待买入、卖出股票池buys,sells=signal(ContextInfo)#获取待买入forkinbuys.keys():ifbuys[k]==1:#获取待买入个股在所有品种中的atr排名rank1[k]=ext_data_rank('atr',k[-2:]+k[0:6],0,ContextInfo)#获取待买入个股在所有品种中的adtm排名rank2[k]=ext_data_rank('adtm',k[-2:]+k[0:6],0,ContextInfo)#人为设置因子的权重，此处取了0.5和-0.5rank_total[k]=0.5*rank1[k]-0.5*rank2[k]#对rank_total按照值value进行排序，并返回一个列表，列表里面的元素是形如(code,value)的元组tmp=sorted(rank_total.items(),key=lambdaitem:item[1])#如果买入备选股票数大于10只，则选取因子排序最小的10只iflen(tmp)>=10:tmp_stock={i[0]foriintmp[:10]}#如果买入备选股票数小于10只，则全选else:tmp_stock={i[0]foriintmp}forkinbuys.keys():ifknotintmp_stock:buys[k]=0iftmp_stock:print('买入备选股票列表:',tmp_stock)forkinContextInfo.s:#卖出持仓中待卖出的股票ifContextInfo.holdings[k]>0andsells[k]==1:print('readytosell')#将持仓中待卖出股票以昨日收盘价清仓order_shares(k,-ContextInfo.holdings[k]*100,'fix',price[k][-1],ContextInfo,ContextInfo.accountID)#计算账户可用资金（手续费按万三设定）ContextInfo.money+=price[k][-1]*ContextInfo.holdings[k]*100-0.0003*ContextInfo.holdings[k]*100*price[k][-1]#计算账户盈利ContextIfit+=(price[k][-1]-ContextInfo.buypoint[k])*ContextInfo.holdings[k]*100-0.0003*ContextInfo.holdings[k]*100*price[k][-1]ContextInfo.holdings[k]=0#为待买入股票等权分配资金ContextInfo.money_distribution={k:i*ContextInfo.moneyfor(k,i)inzip(tmp_stock,ContextInfo.weight)}forkintmp_stock:#买入持仓中没有的买入备选股票列表ifContextInfo.holdings[k]==0andbuys[k]==1:print('readytobuy')#备选股票买入手数order[k]=int(ContextInfo.money_distribution[k]/(price[k][-1]))/100#以昨日收盘价买入备选股票order_shares(k,order[k]*100,'fix',price[k][-1],ContextInfo,ContextInfo.accountID)#记录买点ContextInfo.buypoint[k]=price[k][-1]#计算可用资金ContextInfo.money-=price[k][-1]*order[k]*100-0.0003*order[k]*100*price[k][-1]#记录盈利ContextIfit-=0.0003*order[k]*100*price[k][-1]#记录持仓中备选股票对应手数ContextInfo.holdings[k]=order[k]print(ContextInfo.money,ContextIfit,ContextInfo.capital)#3.==初步删选股票池==defsignal(ContextInfo):buy={i:0foriinContextInfo.s}sell={i:0foriinContextInfo.s}#获取基础股票池历史22天的日最高价data_high=ContextInfo.get_history_data(22,'1d','high',3)#获取基础股票池历史2天的日最高价data_high_pre=ContextInfo.get_history_data(2,'1d','high',3)#获取基础股票池历史62天的日收盘价data_close60=ContextInfo.get_history_data(62,'1d','close',3)forkinContextInfo.s:ifdata_close60.has_key(k):#过去62天未出现停牌，数据齐全iflen(data_high_pre[k])==2andlen(data_high[k])==22andlen(data_close60[k])==62:#超过20日最高价，加入买入备选ifdata_high_pre[k][-2]>max(data_high[k][:-2]):buy[k]=1#低于60日均线，加入卖出备选elifdata_high_pre[k][-2]<np.mean(data_close60[k][:-2]):sell[k]=1returnbuy,sell策略代码注解:#!/usr/bin/python#coding:gbkimportpandasaspdimportnumpyasnpimporttimeimportdatetime#1.==初始化部分==definit(ContextInfo):#获取中证500成分股ContextInfo.s=ContextInfo.get_sector('000905.SH')#设定基础股票池为中证500成分股ContextInfo.set_universe(ContextInfo.s)#策略运行天数ContextInfo.day=0#持仓情况ContextInfo.holdings={i:0foriinContextInfo.s}#资金权重ContextInfo.weight=[0.1]*10#设置资金分配权重#买入点ContextInfo.buypoint={}#可用资金ContextInfo.money=ContextInfo.capital#策略盈利ContextIfit=0#设置交易账户ContextInfo.accountID='testS'#2.==周期循环部分==defhandlebar(ContextInfo):rank1={}rank2={}rank_total={}tmp_stock={}#当前bar线索引号d=ContextInfo.barpos#获取过去1日的开盘价数据price=ContextInfo.get_history_data(1,'1d','open',3)#策略运行天数大于60天且到达20天的调仓周期ifd>60andd%20==0:#当前bar线日期nowDate=timetag_to_datetime(ContextInfo.get_bar_timetag(d),'%Y%m%d')#获取待买入、卖出股票池buys,sells=signal(ContextInfo)#获取待买入forkinbuys.keys():ifbuys[k]==1:#获取待买入个股在所有品种中的atr排名rank1[k]=ext_data_rank('atr',k[-2:]+k[0:6],0,ContextInfo)#获取待买入个股在所有品种中的adtm排名rank2[k]=ext_data_rank('adtm',k[-2:]+k[0:6],0,ContextInfo)#人为设置因子的权重，此处取了0.5和-0.5rank_total[k]=0.5*rank1[k]-0.5*rank2[k]#对rank_total按照值value进行排序，并返回一个列表，列表里面的元素是形如(code,value)的元组tmp=sorted(rank_total.items(),key=lambdaitem:item[1])#如果买入备选股票数大于10只，则选取因子排序最小的10只iflen(tmp)>=10:tmp_stock={i[0]foriintmp[:10]}#如果买入备选股票数小于10只，则全选else:tmp_stock={i[0]foriintmp}forkinbuys.keys():ifknotintmp_stock:buys[k]=0iftmp_stock:print('买入备选股票列表:',tmp_stock)forkinContextInfo.s:#卖出持仓中待卖出的股票ifContextInfo.holdings[k]>0andsells[k]==1:print('readytosell')#将持仓中待卖出股票以昨日收盘价清仓order_shares(k,-ContextInfo.holdings[k]*100,'fix',price[k][-1],ContextInfo,ContextInfo.accountID)#计算账户可用资金（手续费按万三设定）ContextInfo.money+=price[k][-1]*ContextInfo.holdings[k]*100-0.0003*ContextInfo.holdings[k]*100*price[k][-1]#计算账户盈利ContextIfit+=(price[k][-1]-ContextInfo.buypoint[k])*ContextInfo.holdings[k]*100-0.0003*ContextInfo.holdings[k]*100*price[k][-1]ContextInfo.holdings[k]=0#为待买入股票等权分配资金ContextInfo.money_distribution={k:i*ContextInfo.moneyfor(k,i)inzip(tmp_stock,ContextInfo.weight)}forkintmp_stock:#买入持仓中没有的买入备选股票列表ifContextInfo.holdings[k]==0andbuys[k]==1:print('readytobuy')#备选股票买入手数order[k]=int(ContextInfo.money_distribution[k]/(price[k][-1]))/100#以昨日收盘价买入备选股票order_shares(k,order[k]*100,'fix',price[k][-1],ContextInfo,ContextInfo.accountID)#记录买点ContextInfo.buypoint[k]=price[k][-1]#计算可用资金ContextInfo.money-=price[k][-1]*order[k]*100-0.0003*order[k]*100*price[k][-1]#记录盈利ContextIfit-=0.0003*order[k]*100*