三分钟入门量化（十）：小市值策略（聚宽）

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：

三分钟入门量化（一）：行情数据获取&绘制k线图

三分钟入门量化（二）：Tushare Pro数据接口介绍

上一期我们使用python在本地实现了小市值策略，但没有考虑到实际仓位分配不均等、交易手续费、滑点等问题，因此测算结果不是很精准。今天继续分享如何使用第三方量化平台做策略回测。

聚宽回测框架

我们以聚宽为例，先看一下回测框架。

首先登录到聚宽官网，选择策略研究-策略列表，点击新建策略，选择股票策略。

点击后进入到聚宽的回测环境中，界面展示如下：

由于我们选择的是股票策略，这里官方已经为我们搭建好了股票策略的基本回测框架，分为4个代码块，分别如下：

1.初始化函数initialize()

用于设置一些环境参数，比如：

set_benchmark()：设置参照基准，一般选用沪深300作为参考；

log.set_level()：设置输出日志级别；

set_order_cost()：设置印花税、交易佣金，手续费默认为万分之三，印花税为千分之一；

run_daily()：定时任务，用于设置策略什么时候运行、以及运行频率。

除了run_daily()之外，也可以使用handle_data()指定策略的运行频率。handle_data()每个单位时间会调用一次, 如果按天回测,则每天调用一次,如果按分钟,则每分钟调用一次。需要注意的是，同一策略中不要同时使用run_daily和handle_data。

2.开盘前运行函数

开盘前我们往往需要预先设定好备选股池，因此这里主要实现选股逻辑。最简单的方式就是直接指定股票代码，示例中指定备选股为平安银行。在run_daily()中指定time='before open'，代表运行时间为开盘前（9:00）。

3.开盘中运行函数

开盘中我们需要对备选股和持仓股进行监控，一旦备选股符合买入条件就开仓，持仓股符合卖出条件就清仓。其中order_value()、order_target()为下单函数，用于实现下单功能。在run_daily()中指定time='open'，按天回测运行时间为09:30:00，按分钟回测运行时间为每分钟的第1秒。

4.收盘后运行函数

收盘后我们可以打印出当天的交易记录，或者同步当天的某些特定信息。在run_daily()中指定time='after close'，代表运行时间为收盘后（15:00）半小时内。

上面的几个函数中都带有默认参数context、g。这两个对象都是回测环境中官方已经为我们构建好的，其中context用于存放用户的账户信息、时间信息等，比如：

context.portfolio: 存放账户信息，包括账户总资金、可用资金、持仓股、仓位等等；

context.current_dt：存放当前时间；

g用于存放用户自定义的各类全局变量。

总体来说回测框架清晰简明，用户只需要在此基础上新增自己的功能模块即可，而我们需要实现的任何功能都可以通过各类数据接口来达成。聚宽提供了丰富的数据接口，每个数据接口在官方给出的API文档中都有详细的说明，即用即查，非常方便。

比如编写小市值策略需要用到的市值数据，在股票数据-财务数据中可以查看到数据接口为get_fundamentals()：

筛选出市值在20-30亿的股票，实现方式如下：

q = query(
            valuation.code,
            valuation.market_cap
        ).filter(
            valuation.market_cap.between(20,30)
        )

# 选出低市值的股票，构成buylist
df = get_fundamentals(q)

下面我们在回测环境中实现完整的小市值策略。

小市值策略聚宽实现

首先定义初始化函数，在这里可以预先定义好用于市值筛选的query语句，其功能为筛选出市值在20-30亿之间的股票并排序；设置持仓股为10只，设置调仓频率为每月1次。

# 导入函数库
from jqdata import *

# 初始化函数，设定基准等等
def initialize(context):
    set_benchmark('000300.XSHG')
    set_option('use_real_price', True)
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    #定义用于市值筛选的query对象
    g.q = query(valuation.code,valuation.market_cap).filter(valuation.market_cap.between(20,30)).order_by(valuation.market_cap.asc())
    # 定义持仓数量
    g.N = 10 
    # 每月运行一次
    run_monthly(trade, 1)

接下来实现交易函数，其功能为卖出持仓股，买入备选股。

def trade(context):
    #筛选初市值在20-30亿之间的股票并按市值升序排序
    df = get_fundamentals(g.q)
    buylist =list(df['code'])
    #过滤停牌股票
    buylist = filter_paused_stock(buylist)
    #选择其中市值最小的10只
    buylist = buylist[:g.N]
    #持仓股卖出,如果持仓股在备选股中则不用卖
    for security in context.portfolio.positions:
        if security not in buylist:
            order_target_value(security, 0)
    #备选股买入，如果备选股在持仓股中则不用买
    buylist=[i for i in buylist if i not in context.portfolio.positions]
    if len(buylist)>0:
        #每只股资金
        cash = context.portfolio.available_cash/len(buylist)
        ## 买入股票
        for security in buylist:
            order_value(security, cash)

单独写一个函数，用于过滤停牌股：

# 过滤停牌股票
def filter_paused_stock(stock_list):
    current_data = get_current_data()
    return [stock for stock in stock_list if not current_data[stock].paused]

写好之后我们设置回测时间为2023-01-01至2023-07-01、回测金额为100000、回测频率为每天，点击运行回测：