从小市值因子策略入手，带你入门量化投资 (附年化收益率77.83%策略)

随着量化投资在国内的兴起，越来越多的人开始研究量化投资。可其中有不少人在学习代码、研究策略的过程中败下阵来，但量化投资其实也可以很简单。

今天，我们以经典的小市值因子策略为例，为大家演示如何借助掘金量化终端（以下简称“掘金终端”）入门量化投资！

开始编写前，先确认我们的交易标的、交易时间以及交易逻辑，这里设置如下：

• 交易标的：全市场A股股票（剔除停牌、ST股、次新股）
• 交易时间：每月第一个交易日，调仓换股
• 交易逻辑：等权买入市值最小的N只股票

接着，打开掘金终端，在“量化研究”的板块下新建一个策略。

点击后，弹出策略模板，其中最左侧可选择编程语言，支持Python、C++、C#和Matlab，此处默认为Python。

第二栏为策略模板类型，可以选择“空策略”、“事件驱动”、“数据研究”或者示例策略等，这里我们选择“定时任务”模板；

右侧为策略名称及其代码，将名称修改为“小市值因子策略”并确认，随后点击“策略编辑”即可进入策略编辑页面。

这里为大家介绍下基本的策略编程框架。

策略编程界面如下图所示，左侧为策略文件，即资源管理器，在这里可以获取本策略的存储地址，右侧为main.py文件的内容，也是本策略的主文件。

文件主要包含四大内容：

• 策略模块：本策略所需的模块；
• 策略初始化：初始化init()函数仅在策略刚开始运行时运行一遍；
• 策略主体：策略逻辑的实现；
• 策略基础参数：可调整回测的起始时间、复权方式、初始资金、佣金费率和滑点等。

了解框架后，我们开始编写策略。

1、调整策略基础参数；

策略的回测区间修改为2021年至今（2021-01-01 08:00:00至2022-02-17 16:00:00）。

策略资金改为100W，其余参数基于默认参数，暂不做修改。

PS：''' '''为区域注释，用于注释内容，便于程序编写与阅读。

2、修改策略初始化；

 Schedule()函数为定时任务配置函数，可以指定时间自动执行策略算法，其中schedule_func参数指定目标定时函数，date_rule参数设定定时频率，time_rule参数设定函数的具体执行时间。

在此我们设定为1个月（date_rule=1m），具体时间为09:30:00（time_rule=09:30:00）。定义一个股票池数量的变量：context.num = 10

3、设计策略主体逻辑；

1）获取全A股票代码：

我们可以通过掘金SDK中的get_instrumentinfos()函数查询交易标的基本信息，以此获取股票代码；该函数中的sec_types参数，可以指定股票、期货、基金可转债等标的类别。

# 获取当前全A股票代码
symbol_info = get_instrumentinfos(sec_types=SEC_TYPE_STOCK, fields='symbol,listed_date,delisted_date', df=True)

2）剔除高风险可交易股票（退市股、未上市股票、ST股票、停牌股、B股）：

在上述函数中，我们进一步获取了股票代码（symbol）、上市日期（listed_date）和退市日期（delisted_date）。将回测的当前时间context.now与上市日期、退市日期做比较，可以剔除退市股和未上市股票。

# 剔除未上市、已退市的股票
symbol_info = symbol_info[(symbol_info['listed_date']<context.now) & (symbol_info['delisted_date']>context.now)] 

3）剔除ST股票、停牌股：

掘金终端已经将这列信息集成在get_history_instruments()函数，在返回的数据中心，sec_level=1代表正常状态，sec_level=2代表ST股，is_suspended=0表示非停牌股票。

 # 剔除ST股票、停牌股
symbol_info = get_history_instruments(symbols=list(symbol_info['symbol']), start_date=context.now, end_date=context.now, fields='symbol,sec_level,is_suspended', df=True)
symbol_info = symbol_info[(symbol_info['sec_level']==1) & (symbol_info['is_suspended']==0)]

4）剔除B股股票：

这里可以直接通过过股票代码来判断，其中B类股票是以9和2开头的。

# 剔除B股
symbols = [code for code in list(symbol_info['symbol']) if code[:6]!='SHSE.9' and code[:6]!='SZSE.2']

5）获取标的股票市值，并按升序排序：

这里就要用到股票的基本面数据了，掘金终端的get_fundamentals_n()函数提供了基本面数据查询功能。在财务数据文档中查询所需要的基本面数据，这里总市值为’TOTMKTCAP’字段，再将该字段所在的表名、待查询的股票代码、查询时间和查询数量填入该函数，即可方便地获取股票市值。

排序功能以sort_values()实现，默认为从小到大排序。

# 获取所有股票市值,并按升序排序
fundamental = get_fundamentals_n(table='trading_derivative_indicator',symbols=symbols,end_date=last_date,count=1,fields='TOTMKTCAP',df=True).sort_values(by='TOTMKTCAP')

6）获取上一个交易日：

在上述函数中，我们需要在盘前获取股票市值的数据，为此需要先查询上一个交易日的日期。这里我们使用get_previous_trading_date()函数，就能便捷地获取指定日期的上一个交易日。

# 上一交易日
last_date = get_previous_trading_date(exchange='SZSE', date=context.now)

7）获取最小市值的前N只股票：

由于前文获取了从小到大排序的市值数据，所以此处仅需截取该数据的前N只股票即可，调用初始化函数中设置的股票数量context.num。

# 获取前N只股票
to_buy = list(fundamental.iloc[:context.num,:]['symbol'])
print('本次股票池有股票数目: ', len(to_buy))

8）交易逻辑_买入：

获取了待买入股票池，下一步即可设置买入逻辑的程序编写。这里我们可以循环遍历股票池，逐只买入股票。

掘金提供了多种交易方式的函数，包括指定总量委托、指定价值委托、指定百分比委托等方式。由于我们是全仓等额买入股票，这里用指定百分比委托的方式更便捷。

首先，计算每只股票的权重。

# 获取股票的权重
percent = 1 / len(to_buy)

再循环买入，调用指定百分比委托order_target_percent()函数，其中order_type参数主要包括市价委托和限价委托两种方式，此处我们用市价委托OrderType_Market，同时此处为买入建仓，所以position_side参数设定为做多，PositionSide_Long。在这里，我们添加了一个buy_symbols列表变量来记录买入的股票，并打印输出。

# 买在标的池中的股票
buy_symbols = []
for symbol in to_buy:
order_target_percent(symbol=symbol,percent=percent,order_type=OrderType_Market,position_side=PositionSide_Long)
buy_symbols.append(symbol)
print('{},市价单买入股票:{}'.format(context.now,buy_symbols)

9）交易逻辑_卖出：

卖出逻辑与买入逻辑相类似，都是以循环的方式，逐只卖出股票。我们首先要获取当前持仓的股票。

# 当前持仓
positions = context.account().positions()

循环遍历持仓股，判断持仓股是否在待买入股票池中，若不在待买入股票池，则卖出该股票。

此处调用的卖出函数，用的也是指定百分比委托order_target_percent()函数，将预期该股票占总资产比例设置为0，同时订单类型设置为市价委托OrderType_Market，多仓类型PositionSide_Long。同时添加sell_symbols列表变量来记录卖出股票，并打印输出。

# 平不在标的池的股票
sell_symbols = []
for position in positions:
    symbol = position['symbol']
    if symbol not in to_buy:
       order_target_percent(symbol=symbol,percent=0,order_type=OrderType_Market,position_side=PositionSide_Long)
       sell_symbols.append(symbol)
print('{},市价单卖出股票:{}'.format(context.now,sell_symbols))

4、历史回测；

编写完策略后，我们就可以进行回测了。

在策略编辑页面，点击页面右上角的“运行回测”，掘金终端会自动弹出cmd窗口，自动运行回测，当cmd窗口中出现“请按任意键继续...”时，代表回测结束。

5、查看策略回测绩效。

当回测完成后，掘金终端会生成一份回测绩效报告。查看的方法有两种：第一种是在策略编辑界面，点击右上角的“回测历史”查看。

第二种是返回到“我的策略”页面，点击对应策略右侧的“回测次数”，即可进入“回测历史”页面，查看历史所有回测。

历史回测列表中有该回测的绩效概述，包括运行回测的时间、回测的开始日期和截止日期、回测的累计收益率、最大回测、夏普比率、回测进度、耗时和备注，及删除按钮。点击该回测，即可进入回测的详情页面，如下图：

 在回测详情页面，可以查询策略的历史回测表现，信号分析、交易明细、每日持仓等信息。那么，这次的策略表现如何呢？

从报告中可见，2021年01月01日至2022年02月17日期间，策略累计收入88.06%，最大回撤为23.43%，年化收益率为77.83%，同期的沪深300基准指数的收益率-12.12%。

策略远远跑赢市场，对比当前明星基金动辄二三十的回撤来看，小市值策略依旧稳健！

对此感兴趣的朋友，可以通过掘金社区获取策略源码自行研究~

相信通过今天的内容，大家对量化投资以及掘金终端的使用方法也有了一定的了解，下一步就自己动手，建立你的第一个量化策略吧！

- End -

欢迎下载掘金量化终端，免费使用量化投研功能。

官网：https://www.myquant.cn/

策略源码：https://bbs.myquant.cn/topic/2740

声明：本内容由掘金量化原创，仅供学习、交流、演示之用，不构成任何投资建议！如需转载请联系掘金小Q（VX：myquant2018）授权，否则作侵权处理！