量化策略

1.当我们形成了一个想法或者一个量化投资的策略的时候，我们会首先在历史的数据上检验我们的策略是否有效，即回测。在做回测的时候我们需要注意的是，在涨停的时候，虽然可能有一个成交价，但是实际情况下我们几乎不可能在这一个价格上买到股票；同理，在跌停的时候，我们也无法在历史数据中的成交价上卖出股票。因此，在回测的时候我们通常假定不能以涨停价格买入股票；不能以跌停价格卖出股票。
2.动量策略

start = '2012-01-01'  #起始时间
end = '2015-06-01'    #结束时间
benchmark = 'HS300'   #策略参考标准，上指30
universe = set_universe('HS300')   #设置股票池
capital_base = 10000000    #起始资金
refresh_rate = 10      #调仓频率

def initialize(account):
    pass
def handle_data(account):
    window = 20   #回望周期
    history = account.get_attribute_history('closePrice',window+1) #多取一天收盘价，为了计算window个收益率
    history = pd.DataFrame(history)
    sharpe ={'symbol':[],'ratio':[]}  #设置一个字典
    for stk in account.universe:
        sharpe['symbol'].append(stk)  #字典中的symbol段，存储股票代码
        ret = history[stk].pct_change() #之前讲history转化成DataFrame结构，方便计算```


基于sharpe_momentum的策略

import numpy as np
import pandas as pd

start = ‘2012-01-01’ #起始时间
end = ‘2015-06-01’ #结束时间
benchmark = ‘HS300’ #策略参考标准，上指30
universe = set_universe(‘HS300’) #设置股票池
capital_base = 10000000 #起始资金
refresh_rate = 10 #调仓频率，执行handle_Data时间

def initialize(account):
pass

def handle_data(account):
window = 20 #回望表现周期
history = account.get_attribute_history(‘closePrice’,window+1) #多取一天收盘价，为了计算window个收益率
history = pd.DataFrame(history)
sharpe ={‘symbol’:[],‘ratio’:[]} #设置一个字典
for stk in account.universe:
sharpe[‘symbol’].append(stk)
ret = history[stk].pct_change() #这个函数用来计算同colnums两个相邻的数字之间的变化率。
ratio = ret.mean()/ret.std() #夏普率简化为平均收益/收益波动，也不年化了，反正排序后效果是一致的
sharpe[‘ratio’].append(ratio)

    #按照过去window日收益率排序，并选择前10%的股票作为买入候选
    sharpe = pd.DataFrame(sharpe).sort(columns='ratio').reset_idnex()
    sharpe =sharpe[len(sharpe)*4/5:len(sharpe)]
    buylist = sharpe['symbol'].tolist()
    for stk in account.valid_secpos:
        if stk not in buylist:
            order_to(stk,0)
            
     #等权重买入所选股票
    portfolio_value = account.referncePortfolioValue
    
    filteredBuylist = []
    for stk in buylist:
        if not np.isnan(account.referencePrice[stk]):
            filteredBuylist.append(stk)
    
    for stk in filteredBuylist:
        if stk not in account.valid_secpos:
            orer_to(stk,int(portfolio_value/account.referencePrice[stk]/100.0/len(buylist))*100)