价值选股股票池策略

基于价值选股股票池策略（第一个量化策略，基于聚宽平台，之后会改进）

代码如下：

import jqdata
import pandas as pd
import numpy as np
import math
import talib as tl
from jqlib.technical_analysis import *
import statsmodels.api as sm
from pandas.stats.api import olsdef initialize(context):g.stocksnum = 100  # 持有最小市值股票数g.period = 10  # 轮动频率log.set_level('order', 'error')run_daily(daily, time='before_open')  # 周期循环dailyrun_daily(mktopen, time='every_bar')g.days = 1  # 记录策略进行到第几天，初始为1g.holdpct = 1g.buylist=[]def trade(context, buylist):# 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buylistorder_target(stock, 0)  # 调整stock的持仓为0，即卖出# 将总资产(现金+股票)除以持股数g.stocksnumposition_per_stk = g.holdpct * context.portfolio.total_value / g.stocksnum# 调整buylist中的每个股票持仓价值为position_per_stkfor stock in buylist:order_target_value(stock, position_per_stk)# 止损
def stop(context):# 循环查看持仓的每个股票for stock in context.portfolio.positions:# 如果股票最新价格除以平均成本小于0.8，即亏损超过20%if context.portfolio.positions[stock].price / context.portfolio.positions[stock].avg_cost < 0.8:# 调整stock的持仓为0，即卖出order_target(stock, 0)# 输出日志：股票名 止损print ("\n%s 止损" % stock)def pick(context):# 获取股票池df = get_fundamentals(query(valuation.code, valuation.pb_ratio, indicator.roe))# 进行pb,roe大于0筛选df = df[(df['roe'] > 0) & (df['pb_ratio'] > 0)].sort('pb_ratio')# 以股票名词作为indexdf.index = df['code'].values# 取roe倒数df['1/roe'] = 1 / df['roe']# 获取综合得分df['point'] = df[['pb_ratio', '1/roe']].rank().T.apply(f_sum)# 按得分进行排序，取指定数量的股票df = df.sort('point')[:g.stocksnum]# 取出前g.stocksnum名的股票代码，并转成list类型，buylist为选中的股票g.buylist = list(df['code'][:g.stocksnum])return g.buylist
def f_sum(x):return sum(x)def mktopen(context):# 每分钟止损stop(context)def mkt_index(context):mktindex = history(count=1, field='close', security_list=['000300.XSHG'])mktindex = mktindex.ix[-1, '000300.XSHG']date =context.current_dt.strftime("%Y-%m-%d")ma20 = MA(['000300.XSHG'], check_date=date, timeperiod=20)ma20 = ma20['000300.XSHG']if mktindex > ma20:return 1return 0.5def daily(context):# 判断策略进行天数是否能被轮动频率整除余1if g.days % g.period == 1:buylist = pick(context)g.holdpct = mkt_index(context)trade(context, buylist)else:pass  # 什么也不做g.days = g.days + 1  # 策略经过天数增加1

聚宽策略一价值选股股票池策略相关推荐

分享聚宽量化交易执行选股策略的执行过程
分享聚宽量化交易执行选股策略的执行过程: 首先就是需要用不同的函数处理不同的数据,比如上市数据,要用run_query()函数处理,财务与估值数据要用get_fundamentals()函数处理.以及 ...
聚宽数据JQData中的股票复权方法
进行股票量化回测,面临的第一个坑就是数据坑--首先你得有数据,才能进行下一步工作. 在股票数据坑中,有一个很大的坑叫做股票的复权价格. 如果一个股票公告说进行分红.配股或者送转,那么这只股票就被赋予了 ...
python数据分析及可视化（十七）聚宽（双均线分析、因子选股策略、多因子选股策略、均值回归理论、布林带策略、PEG策略、权重收益策略）
聚宽聚宽是一个做金融量化的网站,https://www.joinquant.com,登录注册,如果你写的文章.策略被别人采纳,增加积分,积分用于免费的回测时长.在我的策略,进入策略列表,里面有做好的 ...
【量化投资】策略九（聚宽）
简述策略九,其实是策略八的一个不加购买指数股票来对冲beta的策略. 效果图代码 # 导入函数库 import statsmodels.api as sm from statsmodels imp ...
【量化投资】策略八（聚宽）
简述这个还是根据之前的策略七实现的.主要是换用了另外的alpha因子三而已. 效果图代码 # 导入函数库 import statsmodels.api as sm from statsmodels ...
【量化投资】策略七（聚宽）
简述这里通过加大了对冲beta的比例,使得整个策略算是更进一步了. 效果代码 # 导入函数库 import statsmodels.api as sm from statsmodels impor ...
【量化投资】策略五（聚宽）
简述这其实是在策略四的前一个版本. 这个是没有手动实现beta对冲的策略.风险会更大.收益会更低. 代码 # 导入函数库 import statsmodels.api as sm from stat ...
【量化投资】策略四（聚宽）
简述首先,大体模板,是根据网上的一堆教程学来的. 然后很多函数不懂,都通过API来搞定了,之后,再自己写的,用了自己的版本. 这是一个alpha策略,然后用的是,一个大佬给的一个公式写的因子. 然后 ...
【量化投资】策略一（聚宽）
简述在某位大佬的推荐下,发现聚宽这个好用.然后,我开始学着用聚宽来写下策略来玩一玩. 发出来是方便自己回去研究,有人愿意看也可以. 第一个策略,是我在看聚宽教程中的一个多股策略的demo时,有了点想 ...

聚宽策略一价值选股股票池策略

价值选股股票池策略

聚宽策略一价值选股股票池策略相关推荐

最新文章

热门文章

聚宽策略一 价值选股股票池策略

价值选股股票池策略

聚宽策略一 价值选股股票池策略相关推荐

最新文章

热门文章

聚宽策略一价值选股股票池策略

聚宽策略一价值选股股票池策略相关推荐