前言：

（这期的前言有点长，不看前言对读懂策略没影响）亲爱的观众朋友们大家好，积日不见，甚是想念。聚宽量化课堂又和大家见面了。说实话，好歹小编也是个科班出身的博士，但不得不说在聚宽的这段时间，大家带给我的进步，那真是一日千里，突飞猛进，就像坐着窜天猴儿一样。在聚宽，给人最直观的冲击就是，每天都能感受到自己的进步。这其中的一部分来自于你对学过的内容，通过实操，进行复习，孔老头说温故而知新，大概可能就是这个道理。另一部分来自于每天要面对的，一大堆自己从来没接触过的新需求。这时就是聚宽体现他美丽的时刻了，聚宽有无数的小伙伴儿，乐于对你倾囊相授，敲黑板敲黑板，是倾囊相授！如果你要问了一个他们解决不了的问题，这些人恨不得现去自学，然后再特么给你讲。所以，如果你是一个注重过程，期待今天的自己总是比昨天好那么一点儿的人；如果你是一个对量化交易感兴趣，是一个对自己的能力所学知识有热爱，肯憧憬的人，那么请戳这里。 好了，说了一堆感言，下面开始进入正题吧。

导语：

之前量化课堂的同事出过一个因子研究系列一、 二、 三，小编读完了以后感觉就像是被人开了天灵儿盖一样，灵感咔咔的往外冒。所以推荐大家拜读一下。这个新策略是在原基础上经过筛查，选取 ARL，CFP 和 BP 三个因子(我们把很多其他因子的调用逻辑也写成了函数，并附在了代码的最后，以便大家的使用)，以二十天为调仓基准的换档反转策略。这个策略的缺点是年化收益并不像前几个，有着高的邪乎吓人的回报曲线。但其优点也是咔咔的，稳定且完备。妥妥的一名任劳任怨表现稳定的经济适用男。千分之三的滑点，双边交易手续费，佣金全都扣了，还保证个百分之二三十的年化回报。而且入市的时机没有什么要求，简单讲就是，大多数情况下都好使！接下来我们闲言废语不要讲，撇开那些光说不练的假把式，我们正式开始。

因子选取介绍：

如果大家知道 ARL，CFP，BP 都是啥，那可以直接跳过下面三个小标题，直接去看策略结构。

ARL ——资产负债率因子：

先抛砖引玉丢个公式吧：ARL=total_liability/total_assetsARL=total_liability/total_assets

没啥难的，资产负债率指总资产除以总负债，结合我们聚宽的财务指标，这里我们使用“负债合计”  total liabilities 和“资产总计”
tatal assets 来计算 ARL 。这一指标反映了总资产中，有多大比例是通过借债来筹资的。举个栗子，家住成都的老王手里有30万存款，然后看上了市郊一套售价100万的房子，无奈手里钱不够，又有刚需，因为没有房子讨不到老婆。老王遂从银行贷了70万，买下了一套市郊的两室一厅。这时，这套100万的房子就是老王的总资产，贷款70万是总负债。我们把老王看成一个公司，这时他的 ARL = 70万总负债/100万总资产 = 0.7 。

从回测结果能看出来，如果我们从上证综指选出 ARL 最高最低的1%和5%，抛开夏普率，波动率，最大回撤这些不谈，只看累计收益我们也能发现，ARL越高，回测收益越好。

ARL 最大1%，震撼不震撼 可是最大回撤也同样震撼

现金收益率： CFP

CFP=1/pcf_ratioCFP=1/pcf_ratio ， 这又是个啥呢？

先给大家看个官方解释，现金收益率是公司现金及等价物与股票市值的比例。并且为了方便获取数据，我们使用聚宽量化平台的“市现率”指标的倒数，市现率指每股市价除以过去12个月每股现金流量的倍数。这一指标以比例形式呈现，因此总量计算和每股计算得到的相同。听着有点儿绕是不是，举个例子大家就明白啦，小陈和小睿两个人都在追求王翠花，为表衷心，俩人拿出了自己的存折，交给翠花过目，结果发现二人存款都是五十万。（都比讨不到老婆的小编有钱）这下可特么难坏了村妇王翠花，老娘到底嫁谁好呢？谁更有钱？跟谁在一起的生活质量会更高？婚后生活更幸福呢？困惑的翠花只能去问她的妈妈，菊花。这个姜还得说是老的辣，翠花妈妈直接让小睿和小陈上缴了银行流水，把近几年每个月的现金流入和流出都一五一十的打在了单子上。结果不比不知道，这一比还真吓一跳。虽然都是五十万存款，可老陈平均每月只有两万多的进账，不足三千的开销。就是为了追求翠花，近几月的花费才明显有了增加。小睿则正好相反，把每月的开销随便一加就是大几万，虽然每月没有稳定的进账，但笔笔进账后面都跟着好几个零。所以，跟谁在一起生活的质量高还用想么？高下立判。绕了个大圈子，只是想给大家讲明CFP的道理，用流水除以现值（所以 CFP 越大越好），用动态和静态的财务数据做对比，这样我们就能够比较清晰地分析出，哪家上市公司是真有钱，哪家上市公司是假大款。

为了让大家更直观的看到 CFP 因子的作用，我们把回测结果也 po 在了下面


CFP 最大1%

账面市值比：BP

最后讲讲 BP 这个因子，还是先丢个公式给大家 BP=1/pb_ratio
账面市值比为股东权益除以股票市值，在计算中这里使用聚宽财务数据中的 pb_ratio（市净率=每股市值/每股净资产）倒数计算得出。其实结果就是 BP = Equity / Market Cap，道理很简单，我就不赘述了，如果有感兴趣的朋友可以点这里获得更详细的内容


BP 最小1%

换档反转策略

其实我们的想法很简单， ARL，BP，CFP 这三个因子就好比三个动力强劲但是不很稳定的发动机，他们的表现时好时坏并具有周期性。因此我们运用反转的思想，如果三个因子中，某一个在前三个月的表现非常不好，那我们就期待他会在接下来的一个月有一个小的爆发。因此我们会在合适的时候进行换档，即因子转换，为了便于操作，我们这里设置的调仓时间为20个交易日，如果大家看着不爽可以改哈。

过程中，我们首先从备选股票池中过滤掉停牌股，然后按照前面大家看到的那几张图，以单因子的回测结果为依据，每天获取出 ARL，CFP 最大的前1%的股票和 BP 最小的前1%的股票，并通过研究与回测的联通模块（不会的同学请点这里，有详细讲解哦），来监视每个因子每天的表现。为了方便大家的应用，小编在这里已经把这个复杂的工作整理好了，大家只要下载下面三个因子的CSV文件(点我点我)，并存贮在自己账号，研发模块的根目录下，回测引擎就会自动调用啦。当然如果大家自己感兴趣的话，也可以从我们之前的教程中选取其他因子，比如 ROE，ROEC 等等。

关于CSV：

因为有很多朋友对CSV非常感兴趣，那小编就给大家详细介绍一下研究模块和回测的联通功能。这只是一个定性的讲解，如果想从到到尾的撸明白，那么可以点这里。下面，大家可以想象这么个场景，如果你是中国田径队男子100m的主教练，现在马上世锦赛了，你只能派一名队员去，可是有五个种子选手，你应该选谁呢？


抛开耽误腐败和女教练和男运动员这种特殊的关系不谈，答案应该是非常简单的，谁成绩好谁去！所以研究回测联通模块其实就是这么个选拔过程。比如我们有五名队员 A, B, C, D, E, 就相当于五个因子，平时让他们跑模拟盘，记录回测结果。然后用研究模块调用这个回测结果，并计算谁的成绩好。最后我们把这个研究模块的结果存成CSV文件放在研究模块的根目录下，回测引擎就可以直接调用这个结果了。说的再简化一点，这样做的目的实际上就是为了同时开好几个回测引擎，然后哪个结果好就用哪个。生成CSV文件后，我们在回测引擎中要把它转成DataFrame格式，这样就大功告成了！具体的格式嘛，从一个因子的 CSV 读出来的 DataFrame 只有一列，index 是日期，取值是这个因子在回测中的净值，这样就知道每个因子的历史走势了，然后我们就可以根据自定义的规则在因子之间进行换档。

======================荤割线=============================

接下来，我们以60个交易日为一个节点，进行评测。计算出调仓前一个交易日和前六十个交易日之间，单因子策略的回报率（其实就是上面那六张图的切片）。表现最不好的那个单因子策略，就是我们期待着他能反转的那个。这里面的原因会涉及到一点统计学的知识，如果有感兴趣的同学，欢迎大家在评论中踊跃提问，小编一定知无不言，言无不尽。其实马上有同学就可能会问了，你这么整，他万一要是没转过来，我这二十个交易日的持仓，那岂不是赔的裤衩子都没了。为了避免这个问题，我们同之前的 PEG 策略 (点这里点这里) 一样，制定了最高价黑名单制度。小编在聚宽内部做了个小的样本抽样，发现大家对短期内的平均忍耐力大概是以买入价为基准，允许回撤18.799%。之后我们稍微改变了一下思路，如果股票先涨后跌，那我们的止损线，以20天持仓期间达到过的最高价为基准，允许20%的最大回撤。止损后剩余资金买入国债指数，获取无风险利率。为了尽量模拟实盘交易，滑点设为千分之三，交易手续费按照证监会要求和实际执行标准分段设定。接下来的两个回测是全真模拟环境下的收益截图。

但是因为量化课堂的统一标准，所以我们在下面的源码里把手续费 滑点设为了默认的0，请大家一定要注意哦。 废话不多说，光说不练的那是假把式，先来看看我们近一年的从2016.3.27到2017.3.30的收益和从05年以来的长期回报

2016. Mar-2017.Mar



2005. Jan - Today

总结：

小编对这个收益率还是比较满意的，毕竟量化课堂校长睿神有句名言，年化回报率离谱的策略，大部分都忽略了某些因素，跑实盘肯定会有问题。比如小编当年的PEG，回报率血高，但是其实并没有考虑滑点，手续费，佣金，停牌股票等一系列问题。这个多因子换档反转的策略考虑的因素非常多，而且回报率稳定，设置更接近实盘，所以在这里推荐给大家。

函数和变量说明书