Hikyuu-PF-银行股轮动交易策略实现

今天，带来的是“如何使用 Hikyuu 中的投资组合来实现银行股轮动交易策略”。

这个策略的逻辑很简单：持续持有两支市净率最低银行股，然后每月换仓

定义回测周期与回测标的

同样，首先定义回测周期：

# 定义回测日期  
start_date = Datetime(20200101)
end_date = None
query = Query(start_date, end_date)

圈定我们的测试范围：

# 获取指数板块沪深300银行成分股
stks = [s for s in sm.get_block("指数板块", "300银行")]

实现按时间截面的排序

接下来，我们需要一个评分板，也就是在时间截面上（每一天）来判断“市净率的高低”：

# 选择用于判断的指标，我们直接从 default hub 中获取，如果没更新过，记得 update_hub("default")
市净率 = get_part("default.ind.市净率")# 直接使用多因子的评分板
# 这里 MF 在只有一个因子的情况下，将直接使用因子值本身进行排序
# 目前 Hikyuu 没有未来函数判断，在单因子的情况下，建议养成习惯右移一位，防止出现未来函数
my_mf = MF_EqualWeight([REF(市净率, 1)], stks, query)

我们先来看一下 mf 的输出是什么，理解 mf 的用途。如下图所示，获取 2024年5月7日的时间截面排序，返回的是一个按因子值降序的股票评分列表：

实现选股算法

已经完成了时间截面排序，接下来，我们需要定义一个选股策略，依据时间截面排序，每天选出两支市净率最低的股票

# 先建立一个股票到实际运行的系统策略的映射
def calculate(self):self.stk_sys_dict = dict([(s.get_stock(), s)for s in self.real_sys_list])# 实现选股策略中每日选取的系统
@hku_catch(ret=ScoreRecordList(), trace=True)
def get_selected(self, date):scores = self.mf.get_scores(date)if len(scores) < 2:return []# 利用之前的映射，返回最后的两个系统策略，也就是市盈率最低的两支return [SystemWeight(self.stk_sys_dict[scores[-1].stock], scores[-1].value),SystemWeight(self.stk_sys_dict[scores[-2].stock], scores[-2].value)]# 通过快速创建函数 crtSE 来创建一个选股策略示例
my_se = crtSE(calculate, get_selected=get_selected)# 别忘了将之前创建的 my_mf 赋值给 my_se, 作为 my_se 的属性，以便在前面定义的 get_selected 中可以调用
my_se.mf = my_mf

还没完，SE 其实是一个系统策略（择时系统）选择算法，我们还要对每一标的创建相应的 SYS 示例，并加入 SE 中：

# 直接使用 PF 调整时刻作为买入信号
my_sg = SG_Cycle()# 全仓买入，实际的资金由 AF 分配
my_mm = MM_Nothing() # 创建系统实例
my_sys = SYS_Simple(tm=crtTM(start_date), sg=my_sg, mm=my_mm)# 默认的 SYS 是第二天开盘买入，这里改为当天以收盘价买入，使用第二天开盘买入，也没有什么问题
my_sys.set_param("buy_delay", False) # 将之前确定的标的，和系统实例（作为原型系统）加入到 SE 中
my_se.add_stock_list(stks, my_sys)

实现投资组合

现在，我们来创建实际的投资组合

# 创建一个等权重的资金分配算法
my_af = AF_EqualWeight()# 创建一个用于测试的初始账户，可以自行根据需要指定成本算法
my_tm = crtTM(start_date, init_cash=100000)  # , cost_func=TC_FixedA2017())# 现在创建投资组合实例
pf = PF_Simple(tm=my_tm, af=my_af, se=my_se)

OK，现在让我们来执行它，并看看成果：

# 每 20 个交易日进行调仓
pf.run(query, adjust_cycle=20)# 绘制系统绩效
pf.performance()

查看交易详情

# 将详细的交易记录保存到当前目录
my_tm.tocsv(".")

完整实例代码下载，请参见星球：