年化51%，回撤21%，夏普1.45的季度最强策略，可查看策略参数-CSDN博客

本文链接：https://blog.csdn.net/weixin_38175458/article/details/149639768

原创内容第952篇，专注量化投资，AGI和智能体落地、个人成长与财富自由。

这一波涨势，季度最强策略来了：

在Backtrader中实现策略组合（如风险平价父策略 + 行业轮动子策略）可通过以下两种方式实现。这里提供一个完整方案：

方案1：分层策略结构（推荐）

通过主策略管理资金分配，子策略生成交易信号。

import backtrader as btimport numpy as np
# ---------------------# 子策略：行业轮动策略# ---------------------class SectorRotation(bt.Strategy):    params = (('momentum_period', 126),)  # 6个月动量
    def __init__(self):        # 计算每个行业的动量        self.ranks = {d: bt.indicators.Momentum(d.close, period=self.p.momentum_period)                       for d in self.datas}
    def next(self):        # 仅由父策略调用，不自主交易        pass
    def get_sector_weights(self):        """返回行业权重字典"""        # 获取动量排名        momentum_values = [self.ranks[d][0] for d in self.datas]        ranked_data = sorted(zip(self.datas, momentum_values),                             key=lambda x: x[1], reverse=True)
        # 等权重配置前3行业        top_sectors = [d for d, _ in ranked_data[:3]]        return {d: 1.0/len(top_sectors) for d in top_sectors}
# ---------------------# 父策略：风险平价策略# ---------------------class RiskParity(bt.Strategy):    params = (        ('rebalance_days', 21),  # 每月调仓        ('target_risk', 0.1),    # 目标波动率    )
    def __init__(self):        self.counter = 0        # 创建子策略实例        self.child_strategy = SectorRotation()
        # 风险平价需要的数据：大类资产        self.assets = {            'stocks': self.data0,            'bonds': self.data1,            'commodities': self.data2        }        self.asset_vol = {}  # 存储波动率
    def next(self):        self.counter += 1
        # 每月执行一次调仓        if self.counter % self.p.rebalance_days == 0:            # 1. 计算大类资产波动率 (简化版)            for name, data in self.assets.items():                returns = np.diff(np.log(data.close.get(size=252)))                self.asset_vol[name] = np.std(returns) * np.sqrt(252)
            # 2. 计算风险平价权重            inv_vol = {name: 1/vol for name, vol in self.asset_vol.items()}            total_inv_vol = sum(inv_vol.values())            risk_weights = {name: iv/total_inv_vol for name, iv in inv_vol.items()}
            # 3. 获取子策略行业权重            sector_weights = self.child_strategy.get_sector_weights()
            # 4. 计算最终权重            stock_weight = risk_weights['stocks']            for sector, weight in sector_weights.items():                target_percent = stock_weight * weight                current_percent = self.broker.getvalue([sector]) / self.broker.getvalue()                self.order_target_percent(sector, target_percent)
            # 5. 配置其他大类资产            self.order_target_percent(self.assets['bonds'], risk_weights['bonds'])            self.order_target_percent(self.assets['commodities'], risk_weights['commodities'])
# ---------------------# 执行回测# ---------------------if __name__ == '__main__':    cerebro = bt.Cerebro()
    # 添加数据 (示例)    # 大类资产    cerebro.adddata(bt.feeds.YahooFinanceData(dataname='SPY', fromdate=...))  # 股票    cerebro.adddata(bt.feeds.YahooFinanceData(dataname='TLT', fromdate=...))  # 债券    cerebro.adddata(bt.feeds.YahooFinanceData(dataname='GSG', fromdate=...))  # 商品
    # 行业ETF数据    for ticker in ['XLB', 'XLC', 'XLE', 'XLF', 'XLI', 'XLK', 'XLP', 'XLRE', 'XLU', 'XLV', 'XLY']:        data = bt.feeds.YahooFinanceData(dataname=ticker, fromdate=...)        cerebro.adddata(data)
    cerebro.addstrategy(RiskParity)    cerebro.broker.set_cash(1000000)    cerebro.run()