多因子选股(股票)

302次浏览

# coding=utf-8
from __future__ import print_function, absolute_import, unicode_literals
import numpy as np
from gm.api import *
from pandas import DataFrame
'''
本策略每隔1个月定时触发,根据Fama-French三因子模型对每只股票进行回归,得到其alpha值。
假设Fama-French三因子模型可以完全解释市场,则alpha为负表明市场低估该股,因此应该买入。
策略思路:
计算市场收益率、个股的账面市值比和市值,并对后两个进行了分类,
根据分类得到的组合分别计算其市值加权收益率、SMB和HML. 
对各个股票进行回归(假设无风险收益率等于0)得到alpha值.
选取alpha值小于0并为最小的10只股票进入标的池
平掉不在标的池的股票并等权买入在标的池的股票
'''
def init(context):
   # 每月第一个交易日的09:40 定时执行algo任务
   schedule(schedule_func=algo, date_rule='1m', time_rule='09:40:00')
   print(order_target_percent(symbol='SHSE.600000', percent=0.5, order_type=OrderType_Market,
                        position_side=PositionSide_Long))
   # 数据滑窗
   context.date = 20
   # 设置开仓的最大资金量
   context.ratio = 0.8
   # 账面市值比的大/中/小分类
   context.BM_BIG = 3.0
   context.BM_MID = 2.0
   context.BM_SMA = 1.0
   # 市值大/小分类
   context.MV_BIG = 2.0
   context.MV_SMA = 1.0
# 计算市值加权的收益率,MV为市值的分类,BM为账目市值比的分类
def market_value_weighted(stocks, MV, BM):
   select = stocks[(stocks.NEGOTIABLEMV == MV) & (stocks.BM == BM)]
   market_value = select['mv'].values
   mv_total = np.sum(market_value)
   mv_weighted = [mv / mv_total for mv in market_value]
   stock_return = select['return'].values
   # 返回市值加权的收益率的和
   return_total = []
   for i in range(len(mv_weighted)):
       return_total.append(mv_weighted[i] * stock_return[i])
   return_total = np.sum(return_total)
   return return_total
def algo(context):
   # 获取上一个交易日的日期
   last_day = get_previous_trading_date(exchange='SHSE', date=context.now)
   # 获取沪深300成份股
   context.stock300 = get_history_constituents(index='SHSE.000300', start_date=last_day,
                                               end_date=last_day)[0]['constituents'].keys()
   # 获取当天有交易的股票
   not_suspended = get_history_instruments(symbols=context.stock300, start_date=last_day, end_date=last_day)
   not_suspended = [item['symbol'] for item in not_suspended if not item['is_suspended']]
   fin = get_fundamentals(table='tq_sk_finindic', symbols=not_suspended, start_date=last_day, end_date=last_day,
                          fields='PB,NEGOTIABLEMV', df=True)
   # 计算账面市值比,为P/B的倒数
   fin['PB'] = (fin['PB'] ** -1)
   # 计算市值的50%的分位点,用于后面的分类
   size_gate = fin['NEGOTIABLEMV'].quantile(0.50)
   # 计算账面市值比的30%和70%分位点,用于后面的分类
   bm_gate = [fin['PB'].quantile(0.30), fin['PB'].quantile(0.70)]
   fin.index = fin.symbol
   x_return = []
   # 对未停牌的股票进行处理
   for symbol in not_suspended:
       # 计算收益率
       close = history_n(symbol=symbol, frequency='1d', count=context.date + 1, end_time=last_day, fields='close',
                         skip_suspended=True, fill_missing='Last', adjust=ADJUST_PREV, df=True)['close'].values
       stock_return = close[-1] / close[0] - 1
       pb = fin['PB'][symbol]
       market_value = fin['NEGOTIABLEMV'][symbol]
       # 获取[股票代码. 股票收益率, 账面市值比的分类, 市值的分类, 流通市值]
       if pb < bm_gate[0]:
           if market_value < size_gate:
               label = [symbol, stock_return, context.BM_SMA, context.MV_SMA, market_value]
           else:
               label = [symbol, stock_return, context.BM_SMA, context.MV_BIG, market_value]
       elif pb < bm_gate[1]:
           if market_value < size_gate:
               label = [symbol, stock_return, context.BM_MID, context.MV_SMA, market_value]
           else:
               label = [symbol, stock_return, context.BM_MID, context.MV_BIG, market_value]
       elif market_value < size_gate:
           label = [symbol, stock_return, context.BM_BIG, context.MV_SMA, market_value]
       else:
           label = [symbol, stock_return, context.BM_BIG, context.MV_BIG, market_value]
       if len(x_return) == 0:
           x_return = label
       else:
           x_return = np.vstack([x_return, label])
   stocks = DataFrame(data=x_return, columns=['symbol', 'return', 'BM', 'NEGOTIABLEMV', 'mv'])
   stocks.index = stocks.symbol
   columns = ['return', 'BM', 'NEGOTIABLEMV', 'mv']
   for column in columns:
       stocks[column] = stocks[column].astype(np.float64)
   # 计算SMB.HML和市场收益率
   # 获取小市值组合的市值加权组合收益率
   smb_s = (market_value_weighted(stocks, context.MV_SMA, context.BM_SMA) +
            market_value_weighted(stocks, context.MV_SMA, context.BM_MID) +
            market_value_weighted(stocks, context.MV_SMA, context.BM_BIG)) / 3
   # 获取大市值组合的市值加权组合收益率
   smb_b = (market_value_weighted(stocks, context.MV_BIG, context.BM_SMA) +
            market_value_weighted(stocks, context.MV_BIG, context.BM_MID) +
            market_value_weighted(stocks, context.MV_BIG, context.BM_BIG)) / 3
   smb = smb_s - smb_b
   # 获取大账面市值比组合的市值加权组合收益率
   hml_b = (market_value_weighted(stocks, context.MV_SMA, 3) +
            market_value_weighted(stocks, context.MV_BIG, context.BM_BIG)) / 2
   # 获取小账面市值比组合的市值加权组合收益率
   hml_s = (market_value_weighted(stocks, context.MV_SMA, context.BM_SMA) +
            market_value_weighted(stocks, context.MV_BIG, context.BM_SMA)) / 2
   hml = hml_b - hml_s
   close = history_n(symbol='SHSE.000300', frequency='1d', count=context.date + 1,
                     end_time=last_day, fields='close', skip_suspended=True,
                     fill_missing='Last', adjust=ADJUST_PREV, df=True)['close'].values
   market_return = close[-1] / close[0] - 1
   coff_pool = []
   # 对每只股票进行回归获取其alpha值
   for stock in stocks.index:
       x_value = np.array([[market_return], [smb], [hml], [1.0]])
       y_value = np.array([stocks['return'][stock]])
       # OLS估计系数
       coff = np.linalg.lstsq(x_value.T, y_value)[0][3]
       coff_pool.append(coff)
   # 获取alpha最小并且小于0的10只的股票进行操作(若少于10只则全部买入)
   stocks['alpha'] = coff_pool
   stocks = stocks[stocks.alpha < 0].sort_values(by='alpha').head(10)
   symbols_pool = stocks.index.tolist()
   positions = context.account().positions()
   # 平不在标的池的股票
   for position in positions:
       symbol = position['symbol']
       if symbol not in symbols_pool:
           order_target_percent(symbol=symbol, percent=0, order_type=OrderType_Market,
                                position_side=PositionSide_Long)
           print('市价单平不在标的池的', symbol)
   # 获取股票的权重
   percent = context.ratio / len(symbols_pool)
   # 买在标的池中的股票
   for symbol in symbols_pool:
       order_target_percent(symbol=symbol, percent=percent, order_type=OrderType_Market,
                            position_side=PositionSide_Long)
       print(symbol, '以市价单调多仓到仓位', percent)
if __name__ == '__main__':
   '''
   strategy_id策略ID,由系统生成
   filename文件名,请与本文件名保持一致
   mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST
   token绑定计算机的ID,可在系统设置-密钥管理中生成
   backtest_start_time回测开始时间
   backtest_end_time回测结束时间
   backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
   backtest_initial_cash回测初始资金
   backtest_commission_ratio回测佣金比例
   backtest_slippage_ratio回测滑点比例
   '''
   run(strategy_id='strategy_id',
       filename='main.py',
       mode=MODE_BACKTEST,
       token='token_id',
       backtest_start_time='2017-07-01 08:00:00',
       backtest_end_time='2017-10-01 16:00:00',
       backtest_adjust=ADJUST_PREV,
       backtest_initial_cash=10000000,
       backtest_commission_ratio=0.0001,
       backtest_slippage_ratio=0.0001)

 

注册
账号登录
还没有注册账号?立即注册
短信验证登录

提示

仅支持中国手机号账户下单,购买请联系400-832-9992或专属销售咨询