【宽客策略源码】指数增强(股票)

abctrader

本策略以0.8为初始权重跟踪指数标的沪深300中权重大于0.35%的成份股.个股所占的百分比为(0.8*成份股权重)*100%.然后根据个股是否:
1.连续上涨5天 2.连续下跌5天，来判定个股是否为强势股/弱势股,并对其把权重由0.8调至1.0或0.6

回测时间为:2017-07-01 08:50:00到2017-10-01 17:00:00

1. # coding=utf-8
   
2. from __future__ import print_function, absolute_import, unicode_literals
   
3. import numpy as np
   
4. from gm.api import *
   
5. from pandas import DataFrame
   
6. 
   
7. def init(context):
   
8.     # 资产配置的初始权重,配比为0.6-0.8-1.0
   
9.     context.ratio = 0.8
   
10.     # 获取沪深300当时的成份股和相关数据
    
11.     stock300 = get_history_constituents(index='SHSE.000300', start_date='2017-06-30', end_date='2017-06-30')[0][
    
12.         'constituents']
    
13.     stock300_symbol = []
    
14.     stock300_weight = []
    
15.     for key in stock300:
    
16.         # 保留权重大于0.35%的成份股
    
17.         if (stock300[key] / 100) > 0.0035:
    
18.             stock300_symbol.append(key)
    
19.             stock300_weight.append(stock300[key] / 100)
    
20.     context.stock300 = DataFrame([stock300_weight], columns=stock300_symbol, index=['weight']).T
    
21.     print('选择的成分股权重总和为: ', np.sum(stock300_weight))
    
22.     subscribe(symbols=stock300_symbol, frequency='1d', count=5, wait_group=True)
    
23. def on_bar(context, bars):
    
24.     # 若没有仓位则按照初始权重开仓
    
25.     for bar in bars:
    
26.         symbol = bar['symbol']
    
27.         position = context.account().position(symbol=symbol, side=PositionSide_Long)
    
28.         if not position:
    
29.             buy_percent = context.stock300['weight'][symbol] * context.ratio
    
30.             order_target_percent(symbol=symbol, percent=buy_percent, order_type=OrderType_Market,
    
31.                                  position_side=PositionSide_Long)
    
32.             print(symbol, '以市价单开多仓至仓位:', buy_percent)
    
33.         else:
    
34.             # 获取过去5天的价格数据,若连续上涨则为强势股,权重+0.2;若连续下跌则为弱势股,权重-0.2
    
35.             recent_data = context.data(symbol=symbol, frequency='1d', count=5, fields='close')['close'].tolist()
    
36.             if all(np.diff(recent_data) > 0):
    
37.                 buy_percent = context.stock300['weight'][symbol] * (context.ratio + 0.2)
    
38.                 order_target_percent(symbol=symbol, percent=buy_percent, order_type=OrderType_Market,
    
39.                                      position_side=PositionSide_Long)
    
40.                 print('强势股', symbol, '以市价单调多仓至仓位:', buy_percent)
    
41.             elif all(np.diff(recent_data) < 0):
    
42.                 buy_percent = context.stock300['weight'][symbol] * (context.ratio - 0.2)
    
43.                 order_target_percent(symbol=symbol, percent=buy_percent, order_type=OrderType_Market,
    
44.                                      position_side=PositionSide_Long)
    
45.                 print('弱势股', symbol, '以市价单调多仓至仓位:', buy_percent)
    
46. if __name__ == '__main__':
    
47.     '''
    
48.     strategy_id策略ID,由系统生成
    
49.     filename文件名,请与本文件名保持一致
    
50.     mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST
    
51.     token绑定计算机的ID,可在系统设置-密钥管理中生成
    
52.     backtest_start_time回测开始时间
    
53.     backtest_end_time回测结束时间
    
54.     backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
    
55.     backtest_initial_cash回测初始资金
    
56.     backtest_commission_ratio回测佣金比例
    
57.     backtest_slippage_ratio回测滑点比例
    
58.     '''
    
59.     run(strategy_id='strategy_id',
    
60.         filename='main.py',
    
61.         mode=MODE_BACKTEST,
    
62.         token='token_id',
    
63.         backtest_start_time='2017-07-01 08:50:00',
    
64.         backtest_end_time='2017-10-01 17:00:00',
    
65.         backtest_adjust=ADJUST_PREV,
    
66.         backtest_initial_cash=10000000,
    
67.         backtest_commission_ratio=0.0001,
    
68.         backtest_slippage_ratio=0.0001)

复制代码