hello，我是毛豆。本系列用最精简的代码和案例带你快速入门量化，只讲最干的干货，想要学习量化又不知道该如何上手的小伙伴赶紧看过来！
前期回顾：
自CAPM模型提出以来，因子模型不断发展壮大，小市值策略正是其中最简单、最经典的模型。小市值策略采用了市值因子，其思路是投资市场上市值最小的那一批股票。一般来说，小市值的公司股票价格相对较低，但是具有较高的成长性和投资价值。
小市值策略在很长一段时间内表现非常好，但任何因子如果被大量使用，其收益都会被不断稀释，因此最近几年小市值策略的收益也大不如前。
本期内容将介绍如何用python在本地实现小市值策略。毛豆在每周末都会更新这个系列，建议大家收藏起来方便学习。
小市值策略本地实现
假定策略每个月初筛选出市值在20-30亿的股票，然后全仓买入其中市值最小的10只股票，月底（以20天为一个周期）全部卖出，并再次选择市值最小的10只股票买入，如此循环往复。我们以今年以来的行情为例，看看策略的收益如何。
首先导入相关的包，并认证Tushare Pro账号。
import tushare as ts
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import time
pro = ts.pro_api('your token')获取今年以来的交易日历：
df = pro.trade_cal(start_date='20230101', end_date='20230708')
trade_date_list=list（df.cal_date)如果tushare积分不够调用trade_cal接口，可以用如下方式获取：
df_sh=ts.get_k_data('sh',start='2023-01-01',end='2023-07-08')#上证指数
trade_date_list=list(df_sh.date)我们先以一个月为例，实现市值选股逻辑与当月收益率计算。每只股票的市值数据可以用bak_daily接口获取。
#设定每一期的持仓时间，假定每20天调仓换股
#期初
adj_date_start_raw=trade_date_list[0]
adj_date_start=''.join(adj_date_start_raw.split('-'))
#期末
adj_date_end_raw=trade_date_list[0+19]
adj_date_end=''.join(adj_date_end_raw.split('-'))
#筛选出总市值在20-30之间，市值最小的10只个股
df_start=pro.bak_daily(trade_date=adj_date_start)
df_start=df_start.loc[(df_start['total_mv']>=20) & (df_start['total_mv']<=30)]
df_start=df_start.sort_values(by='total_mv')[:10]
#计算一期的收益率
security_ret_dict={}#持股期间收益率字典
df_info=pd.DataFrame()#持股信息
for k,v in df_start.iterrows():
df_end=pro.daily(ts_code=v.ts_code,trade_date=adj_date_end)#获取期末股价
ret=(df_end['close'].values[0]-v.close)/v.close#持股期间收益率=(期末股价-期初股价)/期初股价
info=[v.trade_date,adj_date_end,v.ts_code,v['name'],v.total_mv,v.close,df_end['close'].values[0],ret]
df_info=pd.concat([df_info,pd.DataFrame(info).T])
security_ret_dict[v.ts_code]=ret
df_info.rename(columns={0:'开仓日期',1:'清仓日期',2:'股票代码',3:'股票名称',4:'期初市值',5:'期初股价',6:'期末股价',7:'本期收益'},inplace=True)
print('{}-{} 平均收益率：{}'.format(adj_date_start,adj_date_end,np.mean(list(security_ret_dict.values()))))
df_info打印如下：
一月份策略恰好选中了年初的妖股通达动力，其单月股价翻倍，因此本月的收益达到14.9%，非常高，但有一定的运气成分。
以此类推，我们可以写一个循环来计算每个月的收益率。
#计算多期的收益率
#设定每一期的持仓时间，假定每20天调仓换股
date_ret_dict={}#存放每一期收益
for i in range(0,len(trade_date_list),20):
try:
#期初日期
adj_date_start_raw=trade_date_list[i]
adj_date_start=''.join(adj_date_start_raw.split('-'))
#选股
df_start=pro.bak_daily(trade_date=adj_date_start)
df_start=df_start.loc[(df_start['total_mv']>=20) & (df_start['total_mv']<=30)]
df_start=df_start.sort_values(by='total_mv')[:10]
#期末日期
adj_date_end_raw=trade_date_list[i+19]
adj_date_end=''.join(adj_date_end_raw.split('-'))
#计算当期收益
security_ret_dict={}#持股期间收益率字典
df_info=pd.DataFrame()#持股信息
for k,v in df_start.iterrows():
df_end=pro.daily(ts_code=v.ts_code,trade_date=adj_date_end)#获取期末股价
ret=(df_end['close'].values[0]-v.close)/v.close#持股期间收益率=(期末股价-期初股价)/期初股价
security_ret_dict[v.ts_code]=ret
print('{}-{} 平均收益率:{}'.format(adj_date_start,adj_date_end,np.mean(list(security_ret_dict.values()))))
#将当期收益保存在字典中
date_ret_dict[adj_date_end]=np.mean(list(security_ret_dict.values()))
time.sleep(20)
except:
break打印如下：
绘制收益曲线：
#累计收益率
total_ret=1#初始累计收益率
total_ret_list=[]#每期结束后统计累计收益率
for date,ret in date_ret_dict.items():
total_ret=total_ret*(1+ret)
total_ret_list.append(total_ret)
#print(date,total_ret)
#解决中文乱码
plt.rcParams['font.sans-serif']=['Arial Unicode MS']#用于mac
#plt.rcParams['font.sans-serif']=['SimHei']#用于windows
plt.rcParams['axes.unicode_minus'] = False
#可视化
plt.figure(figsize=(8,5))
ax=plt.subplot(1,1,1)
plt.plot(total_ret_list)
plt.xticks(np.arange(0,len(total_ret_list)))
ax.set_xticklabels(date_ret_dict.keys(),rotation=45)
plt.title('累计收益率')
plt.savefig('fig1.png',dpi=400,bbox_inches='tight')返回如下：
可以看到，该策略半年以来收益接近20%，还是挺不错的。
当然，这样的计算方式比较粗糙，有很多问题没有考虑到，比如每只股仓位不可能完全一样，没有考虑到交易手续费、滑点等等问题。如果想要更精准地计算策略的收益，我们可以利用第三方量化平台来做策略回测，毛豆将在下一期教程中介绍。
以上是今天的全部干货内容，毛豆会在每周末更新这个系列，也会在每个交易日继续和大家分享旋风冲锋量化策略的实盘情况，欢迎大家点赞关注。