2316 大市值价值投资从2005年至今超额稳定.py

回测结果：回测区间 2023-01-01 ~ 2025-02-02 、策略收益 40.06% 、 年化19%

天天想着年化N倍的圣杯策略，到最后发现都是白折腾，徒耗光阴，蓦然回首还是价值投资才是最终的归宿？毕竟这条路上有无数成功的先例。

思路：

1、选上市200天以上主板成熟个股；
2、价格低于价值（pb< 1）；
3、公司真的在不断赚钱，赚真钱，主要用到：
（1）经营现金流：这个比利润真实，不像利润容易作假；
（2）扣非净利润：别靠做账做出假利润；
（3）总资产收益率：别靠负债做高ROE；
（4）净利润同比增长：说明经营良好； 再加上排序指标，取前5支，每月调仓。
随着股市波动，在大牛市顶端会自动空仓留住利润，因为那个位置选不出有价值的票了。
ps，回测过从2005年至今（2023.4.11），超额收益一直稳定上升。

策略说明：

本策略基于价值投资理念，通过筛选低市净率（PB < 1）、高资产回报率（ROA > 0.15）、净利润同比增长的股票，构建投资组合。策略的核心思想是寻找被市场低估的优质公司，长期持有以获取超额收益。

策略核心逻辑：

1. 股票池筛选：

   • 筛选上市200天以上的主板股票，排除创业板、ST股、停牌股、涨停或跌停的股票。

   • 筛选市净率（PB）小于1的股票，确保价格低于账面价值。

   • 筛选经营活动现金流净额大于1亿、扣非净利润大于1亿、资产回报率（ROA）大于0.15、净利润同比增长的股票。

2. 交易决策：

   • 每月第一个交易日开盘前筛选符合条件的股票，按资产回报率（ROA）排序，选取前5只股票。

   • 每月第一个交易日开盘时调整持仓，买入新筛选的股票，卖出不再符合条件的股票。

3. 风险控制：

   • 设置止损条件，当持仓股票亏损超过5%时，卖出止损。

   • 通过跌停数量判断市场风险，若跌停数量较多，则暂停买入。

策略特点：

• 价值投资：通过筛选低市净率、高资产回报率的股票，寻找被市场低估的优质公司。

• 长期持有：每月调仓一次，适合中长期投资者。

• 动态仓位管理：限制持仓数量，避免过度集中风险。

适用场景：

• 适用于A股市场，能够有效捕捉被市场低估的优质公司。

• 适合中长期投资者，通过长期持有获取稳定收益。

风险提示：

• 价值投资策略在牛市中可能表现不佳，需注意市场风险。

• 策略依赖于财务数据的准确性和及时性，需定期更新数据。

---

策略代码结构：

1. 初始化函数（initialize）：

   • 设定基准指数（沪深300）。

   • 配置交易手续费和滑点。

   • 定义每日运行的函数（开盘前、开盘时、收盘后）。

2. 开盘前运行函数（before_market_open）：

   • 筛选符合条件的股票，按资产回报率（ROA）排序，选取前5只股票。

3. 开盘时运行函数（my_trade）：

   • 根据筛选出的股票调整持仓，买入新筛选的股票，卖出不再符合条件的股票。

4. 收盘后运行函数（after_market_close）：

   • 记录当天的成交记录，并输出日志。

5. 辅助函数：

   • order_target_value_：自定义下单函数，记录买入或卖出操作。

   • open_position：买入指定价值的股票。

   • close_position：卖出指定持仓的股票。

   • adjust_position：调整持仓，买入新筛选的股票，卖出不再符合条件的股票。

   • get_name：获取股票的名称。

---

策略优化建议：

1. 参数优化：

   • 可对市净率（PB）、资产回报率（ROA）等筛选条件进行优化，以适应不同的市场周期。

   • 调整持仓数量（如5只），以平衡风险与收益。

2. 风险控制：

   • 增加最大回撤限制，当回撤超过一定比例时暂停交易。

   • 设置单笔交易的最大亏损比例，避免单笔交易亏损过大。

3. 多因子结合：

   • 可结合其他财务指标（如市盈率、市净率等）进行综合筛选，提高策略的稳定性。

---

总结：

本策略通过价值投资理念，筛选被市场低估的优质公司，适合中长期投资者在A股市场中获取稳定收益。策略逻辑清晰，适合有一定编程基础的投资者进行进一步优化和实盘测试。

策略源码

# 风险及免责提示：该策略由聚宽用户在聚宽社区分享，仅供学习交流使用。
# 标题：大市值价值投资，从2005年至今超额稳定

from jqdata import *  # 从jqdata模块导入所有内容

# 初始化函数，设定基准等等
def initialize(context):
	# 设定沪深300作为基准
	set_benchmark('000300.XSHG')
	# 开启动态复权模式(真实价格)
	set_option('use_real_price', True)
	#防止未来函数
	set_option("avoid_future_data", True)
	# 输出内容到日志 log.info()
	log.info('初始函数开始运行且全局只运行一次')
	# 过滤掉order系列API产生的比error级别低的log
	log.set_level('order', 'error')
	
	g.buy_stock_count = 5  # 定义全局变量，用于指定策略希望持有的股票数量是5只
	g.check_out_lists = []  # 定义全局变量，用于存储策略筛选出来的股票代码列表；初始化为空列表，表示开始时没有选定任何股票
	
	# 设置交易成本，          卖出时印花税      买入时印花税               卖出时佣金            最低佣金，不包含印花税
	set_order_cost(OrderCost(close_tax=0.001, open_commission=0.00012, close_commission=0.00012, min_commission=5),
				   type='stock')  # type: 股票
	
	run_monthly(before_market_open, 1, time='5:00', reference_security='000300.XSHG')	# 每月第一个交易日开盘前 5:00 运行 before_market_open
	run_monthly(my_trade, 1, time='9:30', reference_security='000300.XSHG')             # 每月第一个交易日开盘时 9:30 运行 my_trade
	run_daily(after_market_close, time='after_close', reference_security='000300.XSHG') # 收盘后 after_close 运行 after_market_close

# 开盘时运行函数
def my_trade(context):
	# 调用adjust_position函数来调整当前的投资组合，的是在开盘时根据预设的股票列表调整持仓，执行买入或卖出操作
	adjust_position(context, g.check_out_lists)

# 收盘后运行函数
def after_market_close(context):
	positions_dict = context.portfolio.positions      # 获取当前投资组合中所有持仓的字典对象
	for position in list(positions_dict.values()):      # 遍历投资组合中的每个持仓项
	    # 使用log.info打印每个持仓的详细信息，格式化字符串，输出持仓的股票名称、数量、市值、盈利百分比和建仓时间
	    log.info("当前持仓:{0}, 数量:{1}, 市值:{2}, 盈利：{3}%, 建仓时间:{4}".format(get_name(position.security), position.total_amount, round(position.value,0), round((position.value-(position.avg_cost*position.total_amount))/(position.avg_cost*position.total_amount)*100,1), position.init_time))
	log.info('#########################################################################################\n\n')

开平仓关键函数解锁后查看：

# 交易函数，用于调整持仓
def adjust_position(context, buy_stocks):
	for stock in context.portfolio.positions:      # 遍历当前投资组合中的所有持仓股票
		current_data = get_current_data()          # 获取当前的股票数据
		nosell_1 = context.portfolio.positions[stock].price >= current_data[stock].high_limit   # 检查是否因为涨停而不能卖出
		sell_2 = stock not in buy_stocks    # 检查该股票是否不在买入列表中
		if sell_2 and not nosell_1:     # 如果股票不在买入列表中且不是因为涨停而不能卖出，则卖出该股票
			log.info("调出平仓：[%s]" % (stock)) 
			position = context.portfolio.positions[stock]     # 获取该股票的持仓信息
			close_position(position)      # 调用close_position函数尝试卖出该股票
		else:
			log.info("已持仓，本次不买入：[%s]" % (stock))     # 如果股票仍然在买入列表中或因涨停不能卖出，则不进行操作
	# 根据股票数量分仓，此处只根据可用金额平均分配购买，不能保证每个仓位平均分配
	position_count = len(context.portfolio.positions)
	if g.buy_stock_count > position_count:     # 如果当前持仓数量少于预设的股票数量
		value = context.portfolio.cash / (g.buy_stock_count - position_count)     # 计算每只股票的购买价值
		for stock in buy_stocks:        # 遍历买入列表中的股票
			if stock not in context.portfolio.positions:     # 如果该股票不在当前持仓中
				if open_position(stock, value):      # 调用open_position函数尝试买入该股票
					if len(context.portfolio.positions) == g.buy_stock_count:     # 如果买入成功且持仓数量达到预设的股票数量，则停止买入
						break

# 通过代码返回股票名称
def get_name(stk):
    return get_security_info(stk).display_name+':'+stk[:6]  # get_security_info 可以获取股票等的信息，包括代码，中文名称等

# 开盘前运行函数
def before_market_open(context):
    g.check_out_lists = []    # 清空前一个交易日的股票池列表
    current_data = get_current_data()    # 获取当前的交易数据
    check_date = context.previous_date - datetime.timedelta(days=200)    # 设置查询日期为前一个交易日减去200天，用于获取足够历史数据的证券列表
    all_stocks = list(get_all_securities(date=check_date).index)    # 获取指定日期的所有证券列表
    # 过滤掉不符合条件的股票：创业板、ST股、停牌、当日涨停或跌停的股票
    all_stocks = [stock for stock in all_stocks if not (
            (current_data[stock].day_open == current_data[stock].high_limit) or  # 涨停开盘
            (current_data[stock].day_open == current_data[stock].low_limit) or  # 跌停开盘
            current_data[stock].paused or  # 停牌
            current_data[stock].is_st or  # ST
            ('ST' in current_data[stock].name) or
            ('*' in current_data[stock].name) or
            ('退' in current_data[stock].name) or
            (stock.startswith('30')) or  # 创业
            (stock.startswith('68')) or  # 科创
            (stock.startswith('8')) or  # 北交
            (stock.startswith('4'))   # 北交
    )]
    # 构建查询对象，用于筛选符合条件的股票
    q = query(
        valuation.code, valuation.market_cap, valuation.pe_ratio, income.total_operating_revenue
        ).filter(
        valuation.pb_ratio < 1,    # 市净率小于1
        cash_flow.subtotal_operate_cash_inflow > 1e6,  # 经营活动产生的现金流量净额大于1亿
        indicator.adjusted_profit > 1e6,    # 调整后的净利润大于1亿
        indicator.roa > 0.15,    # 资产回报率大于0.15
        indicator.inc_net_profit_year_on_year > 0,    # 净利润同比增长大于0
    	valuation.code.in_(all_stocks)  # 股票代码在过滤后的列表中
    	).order_by(
    	indicator.roa.desc()  # 按资产回报率降序排列
    ).limit(
    	g.buy_stock_count * 3  # 限制查询结果数量为预设买入股票数量的3倍
    )
    check_out_lists = list(get_fundamentals(q).code)      # 执行查询并获取符合条件的股票列表
    check_out_lists = check_out_lists[:g.buy_stock_count]  # 取需要的股票数量，即预设买入股票数量
    g.check_out_lists = check_out_lists    # 更新全局变量check_out_lists为新的股票池
    log.info("今日股票池：%s" % g.check_out_lists)      # 记录今日股票池到日志

2025-02-21