> 学习内容：
> - 学会使用run_daily进行周期循环
> - 学会取用市值数据、持仓数据、指数成分股数据
> - 学会写小市值策略
1 确定策略内容
简单小市值轮动策略内容是这样的：
> 每隔若干个交易日，等金额持有市值排名最小的前几只股票，卖出其他股票。
进一步明确下，把量确定，例如这样：
> 每隔10个交易日，等金额持有市值排名最小的前5只股票，卖出其他股票。
接下来，进行初始化和周期循环。
2 初始化
确定轮动频率，即每隔多少个交易日进行买卖。比如就是10个交易日。
确定持有最小市值股票数，即持有市值排名最小的前多少只股票。比如就是前5只。
则初始化部分代码为：
> 答疑与延伸：
>- 这也是多股票策略，怎么不确定股票范围了？股票范围我们希望是能在全市场，但它是变化的，有新股上市，也有退市的，所以股票范围不能事先确定好不变，所以要在周期循环的部分不断更新并确定股票范围。
3 周期循环的另一种写法--run_daily
那么用run_daily的我们的初始化-周期循环的策略框架怎么写呢？
我们的新套路如下：
首先，可以看出run_daily要写在initialize里。
其次，需要知道的是，你把什么函数替换掉daily,谁就会像原来的handle_data一样进行周期循环。虽然名字不一定是daily，可以自己改，但不能很聚宽回测引擎已经有的函数重名，比如不能叫handle_data、initialize。
> 答疑与延伸：
>-time='every_bar'是什么意思？time这个参数控制循环行为的，当time=’every_bar‘时，循环的行为就和handle_data一样，按天回测时就每天开盘时运行，按分钟回测时就每分钟开始时运行。当然time还可以为别的，从而循环的行为会有所不同，从而实现一些handle_data做不到的事，具体见API原文：定时运行
>-推荐以后都用run_daily来进行周期循环，聚宽系统上handle_data将会弃用。
4 开始写周期循环部分
按之前的设定，我们希望策略每十天进行一次循环，进行判断，买入卖出等，即轮动频率为10天。但策略回测只提供了基本的每分钟循环和每日循环，要做到每10天进行一次循环需要写代码编程解决。
怎么编呢？想法很简单，就每日循环好了，第一天正常进行判断买入卖出，之后九天什么都不做，然后，第十一天再正常判断买入卖出，再闲九天，这不就搞定了。
因此，我们需要一个变量，记着现在是策略进行第几天了，如果能被轮动频率10整除余1就干活，进行买卖。否则，就闲着，什么都不做。
所以，至此我们的代码应当是这样写的：
> 答疑与延伸：
>-g.days=1为什么要写到initialize里？因为g.days需要独立在周期循环之外来记录策略运行天数，而且还要在周期循环中使用，所以需要在initialize里设置为全局变量并赋予初值1。如果写在周期循环里，每次循环都将被重置为1，无法记录运行天数。
>-g.days % g.period什么意思？意为求g.days整除g.period后的余数，“%”是取余运算。例如，那么12%10就是等于2，因为12整除10得1余2，更多的，3%10等于3，3%5等于3。
>-pass什么意思？在python里就是什么也不做的意思。
接下来，我们关注点将在“写进行选股、判断、买入卖出等代码”这个关键代码，其余代码暂时放到视野外。
5 找出全市场上市值最小的5只股票
用context结构获取策略回测数据中的当前时间；用get_index_stocks获取指数成分股，从而确定股票范围；用get_fundamentals来使用财务数据中的市值数据，同时也能获取到相应股票代码。
代码如下：
get_fundamentals可用来获取财务数据，用法复杂而强大，但常用的基本可以套用这个公式：（可对比上文代码理解）
其中，数据表.数据项怎么找呢？到导航栏-数据-财务数据中找，比如数据表valuation，数据项market_cap，如下图：
get_index_stocks的用法就比较简单，就是在导航栏-数据-指数数据中找到要用的指数，之后放到括号里。返回的是指数成分股list，所以获取多个指数成分股list后用“+”连接起来。具体看文档API文档 get_index_stocks。
> 答疑与延伸：
>- 使用更复杂的条件筛选财务数据？get_fundamentals中的与或非
>-get_fundamentals的更多介绍API文档 get_fundamentals。
>-list(df['code'][:g.stocksnum])什么意思？df是取出的按市值从小到大排好序的股票代码，是个dataframe，df['code']就是选取df中的code列，即股票代码。df['code'][:g.stocksnum]就是取df中的code列中的前g.stocksnum个。最后list()是把df['code'][:g.stocksnum]转成将会用到的list的数据类型。dataframe的用法详情请见：dataframe 专题指南,pandas库之数据查看、选择
6 分配资金进行买卖交易
要买的股票已经选好放在buylist里了，只要将资金分好，相应的买入就好了，如果看过之前那篇多股票策略的话，应该很好理解。
特别的是，存在这样的情况，某股票市值是最小前五的而被选入buylist，而且也买入持有了，但过了一段时间，其股票市值不是最小前五了，从而不再当下的buylist里，这时我们应当卖出这个股票。因为我们的策略就是10天为周期地持有市场上市值最小的五只股票。
代码如下：
> 答疑与延伸：
>- context.portfolio.positions什么意思？ 是当前策略的持有股票数据是个dict，不妨自己输出看看，参考内容： 回测账户数据——context、Python入门- 数据类型之字典。
7 策略完成，进行回测
至此，我们的策略都已经用代码实现好了，完整代码如下：
进行回测，回测结果如图：
自测与自学
1、是否学会使用run_daily进行周期循环
2、是否学会取用市值数据、持仓数据、指数成分股数据
3、是否学会编写简单小市值轮动策略
4、调整下策略，比如轮动频率，持仓股票数，回测看看效果如何？
5、思考此文中，虽然每次都等资金的买入，为何5只股票的持仓总价值其实还是不同，而且可能越差越大？
网友评论