聚宽 - 简单策略试验

几种简单策略及其回测结果，基于聚宽平台测试。

策略1：均价-昨日收盘价策略（均线策略）

具体描述：计算该股一定时间(设为days)内的收盘均价，若低于昨日收盘价，则用当前所有资金买入股票；若高于收盘价，则将股票仓位调整到0，即全卖出。

策略模板代码

def initialize(context):# 初始化
    g.security = '600276.XSHG'# 股票代码,XSHG:上海证券交易所,XSHE:深圳证券交易所
def handle_data(context, data):# 每日循环
    last_price = data[g.security].close# 取得最近日收盘价
    # 获取该股票买前days日内的平均收盘价格
    average_price = data[g.security].mavg(days, 'close')
    cash = context.portfolio.cash# 取得当前的现金
    # 如果昨日收盘价高出days日平均价,则买入,否则卖出
    if last_price > average_price:
        order_value(g.security, cash)# 用当前所有资金买入股票
    elif last_price < average_price:
        order_target(g.security, 0)# 将股票仓位调整到0,即全卖出

特点：该策略只有检测到变化后才会进行买卖，因此无法实现抄底，当然，也不会跌到最低值才卖出。
结论：经过测试，当股票在回测时期内上涨，days一般越高越好；反之，若股票下跌，则缩短days可以及时止损。

以下为一些医疗企业运行该策略的回测结果。

000538 云南白药

时间：2019/3/1-2020/3/1
days：30日
策略收益：$-27.05\%$
基准收益：$7.38\%$

简单分析了一下原因：云南白药自2019年3月后一直在跌，只要买入基本必亏。若将时间前置一年开始，则会得到如下结果。
时间：2018/3/1-2019/3/1
days：30日
策略收益：$7.85\%$
基准收益：$-6.81\%$

结论：云南白药年期间浮动较大，年期内则较为稳定。

600276 恒瑞医药

恒瑞医药作为国内创新药龙头股，发展势头良好，以下为回测结果。
时间：2019/3/1-2020/3/1
days：45日
策略收益：$13.59\%$
基准收益：$7.38\%$

601607 上海医药

时间：2019/12/1-2020/3/1（近期）
days：30日
策略收益：$4.61\%$
基准收益：$2.91\%$

贸易出口上市公司测试

时间：2019/12/1-2020/3/1
days：30日
基准收益：$2.91\%$

股票代码	股票名称	所属行业	策略收益
600146	商赢环球	服装	-11.27%
300078	思科医惠	电子	-22.94%
002489	浙江永强	休闲用品	-11.37%
002611	东方精工	工业机械	-10.76%
002640	跨境通	互联网零售	1.59%

结论：受疫情与政策影响，跨境类出口贸易公司近期普遍受到较大影响。

策略2：均价交叉策略（双均线策略）

基本思想：双均线就是两条均线，比如5日均线和10日均线。由短周期均线自下向上穿越长周期的均线，则形成“金叉”，反之为“死叉”。双均线金叉的时候，表明该股近期很强势，反之很弱势。据此在强势的时候买入，弱势的时候卖出。

策略模板代码（此处设置为5日与20日均线）

# 初始化函数
def initialize(context):
    g.security='300027.XSHE'
    #设置每天运行
    run_daily(handle)
    
def handle(context):
    security=g.security
    n5=5
    n20=20  
    # 获取股票的收盘价
    close_data = attribute_history(security, n20, '1d',"close",df=False)
    print(close_data)
    # 取得过去 ma_n1 天的平均价格
    ma_n5 = close_data['close'][-n5:].mean()
    # 取得过去 ma_n2 天的平均价格
    ma_n20 = close_data['close'][-n20:].mean()
    print(ma_n5,ma_n20)
    # 取得当前的现金
    cash = context.portfolio.available_cash
    
    # 如果当前有余额
    if ma_n5 > ma_n20:
        # 用所有 cash 买入股票,order_value是买卖价值
        order_value(security, cash)
        # 记录这次买入
        log.info("Buying %s" % security)

    # 如果n5日均线小于n20日均线，并且目前有头寸
    elif ma_n5 < ma_n20 and context.portfolio.positions[security].closeable_amount > 0:
        # 全部卖出，order_target是买卖数量
        order_target(security, 0)

    # 绘制n5日均线价格
    record(ma_n5=ma_n5)
    # 绘制n20日均线价格
    record(ma_n20=ma_n20)

策略3：追涨策略

具体描述：在股票闭盘2小时前，即13：00对选定股票进行判断。若今日涨幅超过4%：当前价格/今日开盘价>1.040，则用当前所有资金买入股票；第二日开盘时全部卖出。
*注：自聚宽API-多股票追涨策略修改而来

策略模板代码

# 初始化程序, 整个回测只运行一次
def initialize(context):
    g.stock = '600160.XSHG'
    # 让每天早上开盘时执行 morning_sell_all
    run_daily(morning_sell_all, '09:30')

def morning_sell_all(context):
    
    order_target(g.stock, 0)

# 在每分钟的第一秒运行, data 是上一分钟的切片数据
def handle_data(context, data):

    # 判断是否在当日最后的2小时，我们只追涨最后2小时满足追涨条件的股票
    if context.current_dt.hour < 13:
        return
    
    # 得到当前价格
    price = data[g.stock].close

    current_data = get_current_data()
    last_close = current_data[g.stock].day_open

    if price/last_close > 1.040 and price/last_close < 1.099:
    
        # 得到当前资金余额
        cash = context.portfolio.available_cash
        order_value(g.stock, cash)

以巨化股份进行测试

策略横测

参数说明
时间：2019/3/1-2020-3/1
基准收益：7.38%
策略一：days=30
策略二：5日与20日双均线
策略三：涨幅阈值：4%

房地产企业

注：恒大、融创、万达、碧桂园、SOHO均未在A股上市

股票代码	股票名称	策略一	策略二	策略三
000002	万科A	0.35%	-5.91%	-4.50%
000402	金融街	-9.87%	-8.85%	0.50%
002146	荣盛发展	-7.56%	-7.16%	0.61%
600048	保利地产	-9.04%	-8.83%	-6.88%

上市银行

大型银行

股票代码	股票名称	策略一	策略二	策略三
601398	工商银行	-5.33%	-4.28%	-1.02%
601328	交通银行	-9.58%	-15.65%	0.00%
601288	农业银行	-9.92%	-10.21%	0.00%
601818	光大银行	-4.21%	-2.35%	-10.49%

城市商业银行

股票代码	股票名称	策略一	策略二	策略三
600926	杭州银行	-14.54%	-7.73%	-2.48%
601009	南京银行	1.95%	1.86%	-6.74%
601169	北京银行	-16.41%	-11.44%	0.00%
002142	宁波银行	11.02%	15.36%	-1.44%

政策性银行

股票代码	股票名称	策略一	策略二	策略三
600000	浦东发展银行	-12.70%	-8.12%	102.72%

策略4（选股策略）：小市值策略

具体描述：每天找出市值排名最小的前stocksnum只股票作为要买入的股票。若已持有的股票的市值已经不够小而不在要买入的股票中，则卖出这些股票。买入要买入的股票，买入金额为当前可用资金的stocksnum分之一。

策略模板代码

def initialize(context):
  run_daily(period,time='every_bar')
  # 设定好要交易的股票数量
  g.stocksnum = 7
  # 设定交易周期
  g.period = 13
  # 记录策略进行天数
  g.days = 0

def period(context):
  # 判断策略进行天数是否能被轮动频率整除余1
  if g.days % g.period == 0:
      # 代码：找出市值排名最小的前stocksnum只股票作为要买入的股票
      # 获取上证指数和深证综指的成分股代码并连接，即为全A股市场所有股票的股票代码
      # 用加号可以连接两个list
      scu = get_index_stocks('000001.XSHG')+get_index_stocks('399106.XSHE')
      # 选出在scu内的市值排名最小的前stocksnum只股票
      q=query(valuation.code
                  ).filter(
                      valuation.code.in_(scu)
                  ).order_by( 
                      valuation.market_cap.asc()
                  ).limit(g.stocksnum)
      df = get_fundamentals(q)
      # 选取股票代码并转为list
      buylist=list(df['code'])

      # 代码：若已持有的股票的市值已经不够小而不在要买入的股票中，则卖出这些股票。
      # 对于每个当下持有的股票进行判断：现在是否已经不在buylist里，如果是则卖出
      for stock in context.portfolio.positions:
          if stock not in buylist: #如果stock不在buylist
              order_target(stock, 0) #调整stock的持仓为0，即卖出

      # 代码：买入要买入的股票，买入金额为可用资金的stocksnum分之一
      # 将资金分成g.stocksnum份
      position_per_stk = context.portfolio.cash/g.stocksnum
      # 用position_per_stk大小的g.stocksnum份资金去买buylist中的股票
      for stock in buylist:
          order_value(stock, position_per_stk)
  # 策略进行天数增加1        
  g.days = g.days + 1 

几组测试
时间：2019/8/1-2020/2/1
策略收益：$11.95\%$
基准收益：$4.39\%$

时间：2015/8/1-2020/2/1
策略收益：$214.65\%$
基准收益：$4.90\%$