量化白马股轮动策略

81 阅读 0 评论 54 点赞

我是靠谱客的博主腼腆小虾米，这篇文章主要介绍量化白马股轮动策略，现在分享给大家，希望可以做个参考。

股票数据的获取见均线策略第一篇，回测的数据分析见均线策略第三篇。

不同的策略在于Strategy类中的买入卖出的判断。

首先什么是白马股，白马股，是指长期绩优、回报率高并具有较高投资价值的股票。因其有关的信息已经公开，业绩较为明朗，同时又兼有业绩优良、高成长、低风险的特点，因而具备较高的投资价值，往往为投资者所看好。以上来自百度百科。

关注过公众号招财大牛猫的朋友一定对白马股比较熟悉，由于ipo的提速，监管层对概念股的打压，蓝筹绩优股从2017年至今都表现较好，白马股更是涨幅感人。该策略是从大牛猫推荐的50只白马股作为选股池，每15个交易日调仓一次，调整为这期间涨幅最大的5只，其实也是一种趋势策略，认为趋势不会轻易反转，强者恒强的思路。

找不到股社区的原贴了，50只股票的list如下：

code_list = ['600519', '000858', '002304', '002415', '002236', '600597', '603288',
'000895', '601318', '601336', '000651', '000333',
'600036', '600104', '600816', '600674', '600690',
'002081', '600886', '000625', '600887','000423', '600276',
'000963', '600535', '600271', '002294', '300072', '000538', '600066', '000002',
'002271', '600406', '600900', '002027', '000063', '002594', '601238', '600518',
'600703', '600309', '002310', '002466', '002142', '601111', '601211', '600487',
'002008', '600383', '600660']

不用回测也知道这个策略效果很好，因为市场已经验证过了，本篇只是借这个思路，coding下轮动策略的实现方式。

strategy类下的成员变量与其他成员函数见均线策略第二篇，本篇就不赘述了，重点记录下轮动的实现方式。


def change_position(self, date):
#按date之前15天涨幅排序
sorted_yield_df = self.get_sorted_yield(date)
#code: open_price，去除停盘的股票，将可买的股票按顺序加入到available_buy_dict中，此处全部加入的原因
#而不是只加入要买的5只，是为了避免购买每只股票的额度可能都不够买1手，导致最终的持仓不够5只股票。
available_buy_dict = OrderedDict()
for code in sorted_yield_df['code']:
df = self.data_repository.get_onecode_df(code)
if df[df['date'] == date].empty:
continue
else:
buy_open_price = float(df[df['date'] == date]['open'])
available_buy_dict[code] = buy_open_price
#求得持仓股票中是否可卖
available_sell_dict = {}
for code in self.position_dict.keys():
df = self.data_repository.get_onecode_df(code)
if df[df['date'] == date].empty:
available_sell_dict[code] = 0
else:
sell_open_price = float(df[df['date'] == date]['open'])
available_sell_dict[code] = sell_open_price
#sell operation 卖出持仓中不在top5中的
for code in list(self.position_dict.keys()):
amount = self.position_dict[code]
sell_open_price = available_sell_dict[code]
#卖出既不在待买清单的，又可以卖掉的股票
if code not in available_buy_dict and amount > 0 and sell_open_price > 0:
commission = self.cal_cost_function(sell_open_price, amount)
#更改现金
self.cash += sell_open_price * amount
self.cash -= commission
#更改持仓
del self.position_dict[code]
#加入trade记录, -1代表卖出操作
self.trade.add_trade(code, sell_open_price, amount, date, -1, commission)
#从待买清单中按顺序购买满剩余仓位,最多持有5只股票
for code in available_buy_dict.keys():
if len(self.position_dict) >= 5:
break
if code not in self.position_dict:
buy_open_price = available_buy_dict[code]
amount = self.get_buy_amount(code, buy_open_price)
if amount > 0:
commission = self.cal_cost_function(buy_open_price, amount)
# 更改现金
self.cash -= buy_open_price * amount
self.cash -= commission
# 更改持仓
self.position_dict[code] = amount
# 加入trade记录，+1为买入标识
self.trade.add_trade(code, buy_open_price, amount, date, 1, commission)


def get_sorted_yield(self, date):
yield_list = []
for code in self.code_list:
df = self.data_repository.get_onecode_df(code)
df = df[df['date'] <= date].tail(self.step_day)['close']
if df.empty:
yield_in_step_day = 0
else:
yield_in_step_day = df.iloc[-1] / df.iloc[0]
yield_list.append(yield_in_step_day)

（1）首先回测日之前的15个交易日内，每只股票的涨幅值，并从大到小排列；（2）从这些里面逐一判断回测日是否停盘（即df[df['date'] == date].empty是否为True），没有停盘的加入到available_buy_dict中，key为股票code，value为买入的开盘价（因为回测策略是按开盘价买入），因为加入到dict中的顺序是按收益率的高低加入的，普通dict是按key的unicode码排序的，而不是加入的顺序，故该处使用的OrderedDict；（3）逐一判断持仓的股票回测日的卖出价格并加入到available_sell_dict中，如果某只股票回测日停盘，则卖出价为0，同样key为股票code，value为卖出的开盘价；（4）先遍历持仓，并卖出不在available_buy_dict中并且可卖（即sell_dict中对应的值大于0）的股票，卖出后改变cash与持仓；（5）再买入剩余的位置。