QMT美林时钟策略（15年11倍，年化13.5%策略）

什么是美林时钟呢？

著名的美林时钟是美林证券提出的一个资产配置框架，用于指导投资者根据宏观经济周期（经济增长和通胀变化）的不同阶段，调整股票、债券、商品和现金等资产的配置比例。其核心逻辑是将经济周期分为四个阶段，告诉你什么时候该买啥：

复苏期（经济好、通胀低）：买股票

过热期（经济好、通胀高）：买大宗商品

滞胀期（经济差、通胀高）：囤现金

衰退期（经济差、通胀低）：买长期债券

什么是动量轮动呢？

动量轮动是一种投资策略，核心思想是“追涨杀跌”——买近期涨得猛的资产，卖掉涨不动的，靠趋势赚钱。

具体怎么玩？

1、选轮动组合：比如股票、债券、大宗商品等。

2、比谁强：定期（比如每周）看哪些资产最近涨得最好。

3、调仓：买入排名靠前的“动量强者”，卖掉跌出前排的“弱鸡”。

如果把美林时钟和动量轮动结合会怎么样呢？

轮动组合：创业板，纳指，黄金，国债。创业板和纳指代表美林时钟中的股票，黄金代表商品，国债代表债券。

轮动规则：比较创业板、纳指和黄金近20日涨幅，取排名第一的，当向上突破20日高点时买入，向下突破20日低点时卖出。如果三个都不符合买入条件，就持有国债。美林时钟的难点是周期切换难以精准判断，结合动量轮动后直接用是否形成突破来判断，简单粗暴有效。

看下QMT历史实盘回测效果：

代码讲解：

#encoding:gbk
import numpy as np
import pandas as pd
import math

class A():
	pass
a=A()
#初始化函数 
def init(C):
	print('运行')
	C.acct = '39130129'
	C.acct_type = 'STOCK'

	C.etf_pool = ['513100.SH','159915.SZ','159937.SZ']
	C.stock = '511130.SH'
	#C.etf_pool = C.get_stock_list_in_sector('上证50')
	#print(C.etf_pool)
	for i in C.etf_pool:
		download_history_data(i,'1d','','')
		download_history_data(C.stock,'1d','','')
	C.m_days = 20 #动量参考天数
	C.Num = 1  #购买股票数量
	C.run_time('trade','1nDay',"2021-07-25 14:57:00")
	
def handlebar(C):
	#pass
	trade(C) #每天运行确保即时捕捉动量变化
	print('运行中')
    #trade(C) #每天运行确保即时捕捉动量变化

交易逻辑：

def get_rank(C,etf_pool):
	score_list = []
	px=-1
	start_time = timetag_to_datetime(C.get_bar_timetag(C.barpos-C.m_days),'%Y%m%d')
	end_time = timetag_to_datetime(C.get_bar_timetag(C.barpos),'%Y%m%d')
	for etf in etf_pool: 
		data = C.get_market_data_ex(fields=["close","high"],stock_code=[etf], period = "1d", start_time = start_time, end_time = end_time,count=C.m_days)
		df = data[etf]
		pre_line2 =np.mean(df.close[-21: -1])
		if df.close[-1]>pre_line2:
			px = 1
		
		y = df['log'] = np.log(df.close)
		x = df['num'] = np.arange(df.log.size)
		slope, intercept = np.polyfit(x, y, 1)
		annualized_returns = math.pow(math.exp(slope), 250) - 1
		r_squared = 1 - (sum((y - (slope * x + intercept))**2) / ((len(y) - 1) * np.var(y, ddof=1)))
		score = annualized_returns * r_squared * px
		score_list.append(score)
		"""
		print(df.close.pct_change(20)[-1])
		score = df.close.pct_change(20)[-1]*px
		score_list.append(score)
		"""
	df = pd.DataFrame(index=etf_pool, data={'score':score_list})
	df = df.sort_values(by='score', ascending=False)
	rank_list = list(df.index)  
	print(df)
	print('最大',df['score'].max())
	if df['score'].max()<0:
		rank_list = ['511130.SH']
		return rank_list
	else:
		return rank_list

本策略采用梅林时钟策略，叠加动量策略，所有选取品种，都是历史长期优势品种，基本面稳定。

总结：

通过本文的学习，相信你已经掌握如何在QMT学会美林时钟策略了。希望本文可以帮助你！