QMT多因子选股源代码

今天给大家分享一个简单的策略—— QMT 多因子选股策略 代码是基于 QMT 平台开发的量化选股策略，主要针对沪深 300 成分股进行多因子选股和定期调仓。策略结合了技术指标 (ATR 和 ADTM) 进行选股评分，并通过因子加权方式确定买入标的。

coding:gbk

"""

回测模型示例（非实盘交易策略）

#HS300日线下运行，20个交易日进行 一次调仓，每次买入在买入备选中因子评分前10的股票，每支股票各分配当前可用资金的10%（权重可调整）

#扩展数据需要在补完HS300成分股数据之后生成，本模型中扩展数据暂时使用VBA指标ATR和ADTM生成，UEDBETapp命名为atr和adtm

"""

import pandas as pd

import numpy as np

展开剩余91%

import time

import datetime

def init(ContextInfo):

ContextInfo.s = ContextInfo.get_sector('000300.SH')

ContextInfo.set_universe(ContextInfo.s)

ContextInfo.day = 0

ContextInfo.holdings = {i:0 for i in ContextInfo.s}

ContextInfo.weight = [0.1]*10 #设置资金分配权重

ContextInfo.buypoint = {}

ContextInfo.money = ContextInfo.capital

ContextInfo.profit = 0

ContextInfo.accountID='testS'

def handlebar(ContextInfo):

rank1 = {}

rank2 = {}

rank_total = {}

tmp_stock = {}

d = ContextInfo.barpos

price = ContextInfo.get_history_data(1，'1d'，'open'，3)

if d > 60 and d % 20 == 0: #每月一调仓

nowDate = timetag_to_datetime(ContextInfo.get_bar_timetag(d)，'%Y%m%d')

print(nowDate)

buys， sells = signal(ContextInfo)

order = {}

for k in list(buys.keys()):

{jz:field.toptypename/}

if buys[k] == 1:

rank1[k] = ext_data_rank('atr'，k[-2:]+k[0:6]，0，ContextInfo)

rank2[k] = ext_data_rank('adtm'，k[-2:]+k[0:6]，0，ContextInfo)

#print rank1[k]， rank2[k]

rank_total[k] = 1.0 * rank1[k] #因子的权重需要人为设置，此处取了0.5和-0.5

print (1111111， rank1[k])

tmp = sorted(list(rank_total.items())， key = lambda item:item[1])

#print tmp

if len(tmp) >= 10:

tmp_stock = {i[0] for i in tmp[:10]}

else:

tmp_stock = {i[0] for i in tmp} #买入备选中若超过10只股票则选10支，不足10支则全选

for k in list(buys.keys()):

if k not in tmp_stock:

buys[k] = 0

if tmp_stock:

print('stock pool:'，tmp_stock)

for k in ContextInfo.s:

if ContextInfo.holdings[k] > 0 and sells[k] == 1:

print('ready to sell')

order_shares(k，-ContextInfo.holdings[k]*100，'fix'，price[k][-1]，ContextInfo，ContextInfo.accountID)

ContextInfo.money += price[k][-1] * ContextInfo.holdings[k] * 100 - 0.0003*ContextInfo.holdings[k]*100*price[k][-1] #手续费按万三设定

ContextInfo.profit += (price[k][-1]-ContextInfo.buypoint[k]) * ContextInfo.holdings[k] * 100 - 0.0003*ContextInfo.holdings[k]*100*price[k][-1]

#print price[k][-1]

print(k)

#print ContextInfo.money

ContextInfo.holdings[k] = 0

ContextInfo.money_distribution = {k:i*ContextInfo.money for (k，i) in zip(tmp_stock，ContextInfo.weight)}

for k in tmp_stock:

if ContextInfo.holdings[k] == 0 and buys[k] == 1:

print('ready to buy')

order[k] = int(ContextInfo.money_distribution[k]/(price[k][-1]))/100

order_shares(k，order[k]*100，'fix'，price[k][-1]，ContextInfo，ContextInfo.accountID)

ContextInfo.buypoint[k] = price[k][-1]

ContextInfo.money -= price[k][-1] * order[k] * 100 - 0.0003*order[k]*100*price[k][-1]

ContextInfo.profit -= 0.0003*order[k]*100*price[k][-1]

print(k)

ContextInfo.holdings[k] = order[k]

print(ContextInfo.money，ContextInfo.profit，ContextInfo.capital)

profit = ContextInfo.profit/ContextInfo.capital

if not ContextInfo.do_back_test:

ContextInfo.paint('profit_ratio'， profit， -1， 0)

def signal(ContextInfo):

buy = {i:0 for i in ContextInfo.s}

sell = {i:0 for i in ContextInfo.s}

data_high = ContextInfo.get_history_data(22，'1d'，'high'，3)

data_high_pre = ContextInfo.get_history_data(2，'1d'，'high'，3)

data_close60 = ContextInfo.get_history_data(62，'1d'，'close'，3)

#print data_high

#print data_close

#print data_close60

for k in ContextInfo.s:

if k in data_close60:

if len(data_high_pre[k]) == 2 and len(data_high[k]) == 22 and len(data_close60[k]) == 62:

if data_high_pre[k][-2] > max(data_high[k][:-2]):

buy[k] = 1 #超过20日最高价，加入买入备选

elif data_high_pre[k][-2] < np.mean(data_close60[k][:-2]):

sell[k] = 1 #低于60日均线，加入卖出备选

#print buy

#print sell

return buy，sell #买入卖出备选

策略总体逻辑

标的池：沪深300成分股 调仓频率：每20个交易日（约每月）调仓一次 选股规则：买入突破20日高点的股票，卖出跌破60日均线的股票 选股数量：每次买入10只股票（如果符合条件的股票≥10只） 资金分配：每只股票分配10%的可用资金（等权重分配） 因子排序：使用ATR和ADTM两个技术指标对股票进行排序 QMT核心函数逻辑

1、 init() 初始化函数

获取沪深300成分股列表

- 初始化持仓字典（全为0）

- 设置10只股票各10%的权重

- 初始化账户资金和收益

2、handlebar() 主处理函数

if 调仓日（d>60且每20天）:

1. 生成买卖信号（signal函数）

2. 对买入备选股票按因子排序：

rank1 = ATR指标排名

rank2 = ADTM指标排名

rank_total = 1.0 * rank1 # 实际只用了ATR排名

3. 选取排名前10的股票（或全部）

4. 执行卖出：

- 持仓股票且卖出信号=1

- 市价卖出全部持仓

- 更新可用资金和累计收益

5. 执行买入：

- 计算每只股票分配的资金

- 市价买入计算的数量

- 更新成本价和持仓

6. 计算并绘制收益率曲线

3、signal() 信号生成函数

买入条件（buy[k] = 1）：

前一天的最高价 > 过去20日的最高价（排除最近两天）

即：突破20日高点

卖出条件（sell[k] = 1）：

前一天的最高价 < 过去60日的收盘价均值（排除最近一天）

即：跌破60日均线

发布于：四川省