上一篇文章市值轮动策略2.0
摘要
- 分钟止损
- 行业与概念股
- 根据大盘调整持仓水平
- 获取行情——history
- 技术指标库
- 带名字的list——dict
- 性能分析
- 归因分析
承接上文，我们继续以市值轮动策略为引，学习新的量化交易知识。
分钟级止损
上篇文章讲了如何每日止损，即每天检查是否满足止损条件判断是否减仓股票。为了更及时的止损，我们将介绍如何每天每分钟地检查止损条件。
首先把策略的时间周期级别改到分钟级。
随着时间级别的改变，默认的循环周期就变成了分钟级，所以我们把原本按日循环的daily函数变成为按分钟循环，我们要改正为每天循环。
把原本run_daily中的time参数从'every_bar'改为'before_open','before_open'含义是每天开盘前运行，而'every_bar'是每个循环周期运行一次，原本是日级就每天循环，刚刚改成分钟级就每分钟运行一次。操作如下：
为了每分钟判断止损条件，即增加分钟循环，并把原本的止损函数stop放进去。像daily函数那样，我们建立一个新函数mktopen，像刚刚讲的每分钟循环，time参数就是'every_bar'了。操作如下：
这样我们就把原来的日级策略加入了分钟级止损。
答疑与延伸：
run_daily中的time参数？请看API 定时运行- 除了止损外，其他的分钟级操作也可以在mktopen中完成，比如计算分钟级的技术指标等
行业、概念股
原本的策略，是在全A股中选股，那若想只在某个行业或概念中选股怎么办呢？
类似之前获取指数成分股的方法，换个函数名就能获取某行业下的股票或属于某概念的股票了。先在数据页面找到你要获取的行业或概念代码，具体方法如下：
我们这次选聚宽一级行业的金融行业（HY007）、申万一级行业房地产板块（801180）、移动支付概念（GN069）。在数据页面顶部是可以看到get_industry_stocks与get_concept_stocks相关使用方法。具体操作如下：
答疑与延伸：
- 概念？不同于行业分类的一种分类方法，按概念分类可以包括多个多个行业，是按某事件、某潮流分类，比如雄安概念、5G概念。更多了解请百度咯。
根据大盘指数行情调整策略
个股是要受到市场整体的好坏的影响的，所以我们考虑根据大盘情况调整持仓水平，大盘不好就少持仓，多就多持仓。具体我们简单而不失代表性的这样设计一个判断大盘函数：
如果沪深300指数大于20日均线，返回满仓操作的信号；
如果沪深300指数小鱼20日均线，返回半仓操作的信号；
我们自定义一个函数mkt_index，包含三个内容获得大盘指数、获得大盘指数20日均线、判断大盘情况返回信号：
mkt_index函数还是都是注释，我们接下来一步步会完成它。
这个函数的位置放在每个周期交易下单前，并新增一个全局变量g.holdpct来接受返回的信号。
获取指数行情数据——history
首先，我们要获取大盘指数的值，之前讲过获取股票的价格，类似的方法也可以指数的值。
我们这次介绍另一种更推荐的history方法获取行情数据。代码如下：
history默认取出的数据是dataframe格式，是个带行名列名的表格。需进一步选择这个dataframe中的我们想要的大盘指数的值。代码如下：
为了说明数据格式上的差别，我在上图中用print在日志中输出了前后的mktindex的对比。可以看到前是一个表格（尽管在这个例子中是一行一列的），后是一个值。
此时，mktindex就是沪深300指数的最新值了。
答疑与延伸：
- history？以后要用history替代用data获取行情，data在系统上有弊端，将逐渐废弃。详情见：API history，
attribute_history是类似的一个获取行情的函数，推荐阅读 history和attribute_history的区别？
- mktindex.ix[-1,'000300.XSHG']？含义是获取mktindex这个dataframe中的倒数第一行，这列的数据。推荐阅读：pandas.dataframe 专题使用指南
计算均线——技术指标库
获取了指数的值，接下来获取指数的20日均线，当然自己计算也不难（获取最近20日行情求平均），但这里引入下技术指标库来解决这个问题:
使用之前要导入技术指标库，就是写一行代码，如下图：
首先在技术指标库中找到我们要用的MA均线函数：(善用ctrl f搜索功能)
根据文档中的介绍来使用它，代码如下：
带名字的list——字典dict
通过文档介绍可以发现，MA返回的是一个dict，dict 是什么呢？
相比于之前学过的list，dict额外给了其中每个值（value）一个名字（键、key），基本格式为{key：value,...}。
dict取用的时候不必像list[3]那样通过位置3选择数据，而是通过那个名字(key)，在本例中就是ma20['000300.XSHG']这样来获取dict ma20中key为'000300.XSHG'的值的。
为了说明数据格式上的差别，我在上图中用print在日志中输出了前后的ma20的对比。上图中，可以看到MA直接获得的是一个dict，内容为“{'000300.XSHG': 3459.5297599999985}”，后面得到的就是一个值3459.52976。
此时，ma20就是沪深300指数的20日均线值了。
根据大盘改变持仓水平
剩下的工作就简单了，一个if判断句就搞定了。
返回的1或0.5什么意思？接受返回值的是'g.holdpct'，之后只要让每次下单量乘上'g.holdpct'就起到调节持仓水平的作用了。大盘在均线上就正常下单，大盘在均线下就只下正常水平的一半。具体改动如下：
答疑与延伸：
- 两个return？一个函数的代码中不一定只有一个return，但是return是函数的终点，执行后就离开函数了，所以一次调用函数只能有一个return执行。
性能分析
分钟级策略计算量容易很大，极端时可能会造成交易延迟，以至于出现策略总是慢半拍的情况，所以我们也要关注下策略的运算耗时情况，而相关函数就是——enable_profile
用法就是把enable_profile()这行代码复制粘贴放到第一行。然后，你成功回测后可以在回测详情页面查看性能分析的结果，如下图：
如果你觉得你的代码执行过慢，重点看下耗时较长的地方，想办法优化下速度。优化速度的方法往往是算法流程优化、换更高效的库或数据类型等，这里就不展开介绍了。
归因分析
为了评价策略从而进一步改善策略，除了回测界面有的风险指标、持仓详情等，还有一个更深入的归因分析功能，功能按钮在回测详情页如图：
归因分析功能会分析你的回测结果，从多个维度分析你的策略，如收益、持仓、风险、因子、brinson归因等。单说这块就够一篇文章的了，这里不展开了。
另外，这个功能计算量比较大，尤其是brinson归因，所以往往会明显感觉到慢，请耐心等待。
策略完成，源码可在文章最后回测中查看。
自测与自学
- 是否理解并学会使用分钟级回测？
- 是否会取用行业股、概念股？
- 是否会使用history取数据？
- 是否会使用技术指标库？
- 是否会使用dict类型数据？
- 是否会使用性能分析和归因分析？
- 思考并总结目前为止学过的获取数据的方法。
