行业轮动多因子选股策略
1. 策略核心思想
该策略基于行业轮动和多因子选股的逻辑，通过筛选出低估值、高盈利能力的股票，结合动态调仓和风险控制，实现长期稳健的投资收益。策略的核心思想是：
-
行业轮动：通过行业宽度指标（如行业涨跌比例）筛选出近期表现较好的行业，从中选择强势股票。
-
多因子模型：通过基本面指标（如ROE、ROA等）筛选出低估值、高盈利能力的股票。
-
动态调仓：根据市场情况动态调整持仓，及时卖出不符合条件的股票，买入新的优质股票。
-
风险控制：通过过滤ST股、停牌股、创业板、科创板等高风险股票，降低投资风险。
2. 策略运行流程
策略的运行流程分为以下几个步骤：
2.1 每日开盘前准备
-
持仓监控：获取当前持仓的股票列表，并记录昨日涨停的股票。
-
股票池准备：根据行业宽度指标筛选出近期表现较好的行业，并从中选择强势股票。
2.2 每周调仓
-
动态调仓：根据最新的股票池进行调仓，卖出不符合条件的股票，买入新的优质股票。
-
涨停监控：对昨日涨停的股票进行监控，如果涨停打开则卖出，否则继续持有。
2.3 盘中交易
-
动态调仓：根据股票池和当前持仓，动态调整持仓，卖出不符合条件的股票，买入新的优质股票。
-
涨停监控：对昨日涨停的股票进行监控，如果涨停打开则卖出，否则继续持有。
2.4 收盘后操作
-
成交记录：记录当天的成交记录，并输出日志。
3. 策略特点
-
行业轮动：通过行业宽度指标筛选出近期表现较好的行业，抓住行业轮动的机会。
-
多因子模型：通过基本面指标筛选出低估值、高盈利能力的股票，实现长期稳健的投资收益。
-
动态调仓：根据市场情况动态调整持仓，及时卖出不符合条件的股票，买入新的优质股票。
-
风险控制：通过过滤ST股、停牌股、创业板、科创板等高风险股票，降低投资风险。
4. 策略适用场景
-
市场环境：适合震荡市或上涨市，能够抓住行业轮动和个股上涨的机会。
-
投资者类型：适合有一定量化交易经验的投资者，能够理解策略的逻辑并进行参数调整。
5. 策略优化方向
-
参数优化：可以调整行业宽度指标的筛选条件，以适应不同的市场环境。
-
风险控制：可以增加更多的风险控制措施，如止损、止盈等。
-
多因子筛选：可以引入更多的技术指标或基本面因子，进一步提高选股的准确性。
策略名称解释：
-
行业轮动：策略通过行业宽度指标筛选出近期表现较好的行业，抓住行业轮动的机会。
-
多因子：策略通过基本面指标筛选出低估值、高盈利能力的股票。
-
动态调仓：策略根据市场情况动态调整持仓，及时卖出不符合条件的股票，买入新的优质股票。
因此，策略名称为行业轮动多因子选股策略，既体现了策略的核心逻辑，也突出了策略的特点。
代码逻辑详解：
1. 初始化函数 initialize(context)
-
设定了基准指数（如中证500）。
-
开启了动态复权模式和防未来函数。
-
初始化了一些全局变量，如持仓列表、昨日涨停股票列表等。
-
设定了交易手续费和滑点。
-
安排了定时任务，如每日开盘前准备、每周调仓等。
2. 每日开盘前准备 prepare_stock_list(context)
-
获取当前持仓的股票列表。
-
获取昨日涨停的股票列表。
3. 选股模块 get_stock_list(context)
-
通过行业宽度指标筛选出近期表现较好的行业。
-
从表现较好的行业中，筛选出低估值、高盈利能力的股票。
-
过滤掉创业板、科创板、ST股、停牌股等高风险股票。
4. 每周调仓 weekly_adjustment(context)
-
根据最新的股票池进行调仓，卖出不符合条件的股票，买入新的优质股票。
-
确保持仓股票符合策略要求。
5. 涨停监控 check_limit_up(context)
-
对昨日涨停的股票进行监控，如果涨停打开则卖出，否则继续持有。
6. 辅助函数
-
filter_paused_stock(stock_list)：过滤停牌股票。 -
filter_st_stock(stock_list)：过滤ST股和退市风险股。 -
filter_kcbj_stock(stock_list)：过滤科创板和北交所股票。 -
filter_limitup_stock(context, stock_list)：过滤涨停股票。 -
filter_limitdown_stock(context, stock_list)：过滤跌停股票。 -
filter_new_stock(context, stock_list)：过滤次新股。
7. 交易模块
-
order_target_value_(security, value)：自定义下单函数，处理停牌和涨跌停的情况。 -
open_position(security, value)：开仓买入指定价值的证券。 -
close_position(position)：平仓卖出指定持仓。
总结：
该策略通过行业轮动和多因子选股相结合，筛选出具有较高预测收益的股票，并通过动态调仓和风险控制，实现长期稳健的投资收益。策略的核心在于行业宽度指标的筛选能力和多因子模型的选股能力，适合有一定量化交易经验的投资者使用。
策略代码
from jqdata import *
from jqfactor import *
import numpy as np
import pandas as pd
import pickle
from six import StringIO,BytesIO # py3的环境，使用BytesIO
import talib
# 初始化函数
def initialize(context):
# 设定基准
set_benchmark('000985.XSHG')
# 用真实价格交易
set_option('use_real_price', True)
# 打开防未来函数
set_option("avoid_future_data", True)
# 将滑点设置为0
set_slippage(FixedSlippage(0))
# 设置交易成本万分之三，不同滑点影响可在归因分析中查看
set_order_cost(OrderCost(open_tax=0, close_tax=0.001, open_commission=0.0003, close_commission=0.0003,
close_today_commission=0, min_commission=5), type='stock')
# 过滤order中低于error级别的日志
log.set_level('order', 'error')
# 初始化全局变量
g.stock_num = 10
g.hold_list = [] # 当前持仓的全部股票
g.yesterday_HL_list = [] # 记录持仓中昨日涨停的股票
g.num=1
# 设置交易运行时间
run_daily(prepare_stock_list, '9:05')
run_weekly(weekly_adjustment, 1, '9:30')
run_daily(check_limit_up, '14:00') # 检查持仓中的涨停股是否需要卖出
SW1 = {
'801010': '农林牧渔I',
'801020': '采掘I',
'801030': '化工I',
'801040': '钢铁I',
'801050': '有色金属I',
'801060': '建筑建材I',
'801070': '机械设备I',
'801080': '电子I',
'801090': '交运设备I',
'801100': '信息设备I',
'801110': '家用电器I',
'801120': '食品饮料I',
'801130': '纺织服装I',
'801140': '轻工制造I',
'801150': '医药生物I',
'801160': '公用事业I',
'801170': '交通运输I',
'801180': '房地产I',
'801190': '金融服务I',
'801200': '商业贸易I',
'801210': '休闲服务I',
'801220': '信息服务I',
'801230': '综合I',
'801710': '建筑材料I',
'801720': '建筑装饰I',
'801730': '电气设备I',
'801740': '国防军工I',
'801750': '计算机I',
'801760': '传媒I',
'801770': '通信I',
'801780': '银行I',
'801790': '非银金融I',
'801880': '汽车I',
'801890': '机械设备I',
'801950': '煤炭I',
'801960': '石油石化I',
'801970': '环保I',
'801980': '美容护理I'
}
# 1-1 准备股票池
def prepare_stock_list(context):
# 获取已持有列表
g.hold_list = []
for position in list(context.portfolio.positions.values()):
stock = position.security
g.hold_list.append(stock)
# 获取昨日涨停列表
if g.hold_list != []:
df = get_price(g.hold_list, end_date=context.previous_date, frequency='daily', fields=['close', 'high_limit'],
count=1, panel=False, fill_paused=False)
df = df[df['close'] == df['high_limit']]
g.yesterday_HL_list = list(df.code)
else:
g.yesterday_HL_list = []
关键函数解锁后查看：
# 1-3 整体调整持仓
def weekly_adjustment(context):
target_B = get_stock_list(context)
# 调仓卖出
for stock in g.hold_list:
if (stock not in target_B) and (stock not in g.yesterday_HL_list):
position = context.portfolio.positions[stock]
close_position(position)
position_count = len(context.portfolio.positions)
target_num = len(target_B)
if target_num > position_count:
buy_num = min(len(target_B), g.stock_num*g.num - position_count)
value = context.portfolio.cash / buy_num
for stock in target_B:
if stock not in list(context.portfolio.positions.keys()):
if open_position(stock, value):
if len(context.portfolio.positions) == target_num:
break
def check_limit_up(context):
now_time = context.current_dt
if g.yesterday_HL_list != []:
# 对昨日涨停股票观察到尾盘如不涨停则提前卖出，如果涨停即使不在应买入列表仍暂时持有
for stock in g.yesterday_HL_list:
current_data = get_price(stock, end_date=now_time, frequency='1m', fields=['close', 'high_limit'],
skip_paused=False, fq='pre', count=1, panel=False, fill_paused=True)
if current_data.iloc[0, 0] < current_data.iloc[0, 1]: log.info("[%s]涨停打开，卖出" % (stock)) position = context.portfolio.positions[stock] close_position(position) else: log.info("[%s]涨停，继续持有" % (stock)) # 3-1 交易模块-自定义下单 def order_target_value_(security, value): if value == 0: log.debug("Selling out %s" % (security)) else: log.debug("Order %s to value %f" % (security, value)) return order_target_value(security, value) # 3-2 交易模块-开仓 def open_position(security, value): order = order_target_value_(security, value) if order != None and order.filled > 0:
return True
return False
# 3-3 交易模块-平仓
def close_position(position):
security = position.security
order = order_target_value_(security, 0) # 可能会因停牌失败
if order != None:
if order.status == OrderStatus.held and order.filled == order.amount:
return True
return False
# 2-1 过滤停牌股票
def filter_paused_stock(stock_list):
current_data = get_current_data()
return [stock for stock in stock_list if not current_data[stock].paused]
# 2-2 过滤ST及其他具有退市标签的股票
def filter_st_stock(stock_list):
current_data = get_current_data()
return [stock for stock in stock_list
if not current_data[stock].is_st
and 'ST' not in current_data[stock].name
and '*' not in current_data[stock].name
and '退' not in current_data[stock].name]
# 2-3 过滤科创北交股票
def filter_kcbj_stock(stock_list):
for stock in stock_list[:]:
if stock[0] == '4' or stock[0] == '8' or stock[:2] == '68' or stock[0] == '3':
stock_list.remove(stock)
return stock_list
# 2-4 过滤涨停的股票
def filter_limitup_stock(context, stock_list):
last_prices = history(1, unit='1m', field='close', security_list=stock_list)
current_data = get_current_data()
return [stock for stock in stock_list if stock in context.portfolio.positions.keys()
or last_prices[stock][-1] < current_data[stock].high_limit] # 2-5 过滤跌停的股票 def filter_limitdown_stock(context, stock_list): last_prices = history(1, unit='1m', field='close', security_list=stock_list) current_data = get_current_data() return [stock for stock in stock_list if stock in context.portfolio.positions.keys() or last_prices[stock][-1] > current_data[stock].low_limit]
# 2-6 过滤次新股
def filter_new_stock(context, stock_list):
yesterday = context.previous_date
return [stock for stock in stock_list if
not yesterday - get_security_info(stock).start_date < datetime.timedelta(days=375)]
最后更新： 2025-02-25 01:44
