上一篇文章：【新手入门教程】多股票策略
下一篇文章：【新手入门教程】市值轮动策略2.0

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

这一次我们要学写一个小市值轮动策略。

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。

接下来按之前讲的套路出牌就好了，即初始化加周期循环。（想想之前的内容，这次具体该怎么做）

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：

def initialize(context):
    g.stocksnum = 5 # 持有最小市值股票数
    g.period = 10 # 轮动频率

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：

def initialize(context):
    写初始化的代码
    run_daily(daily,time='every_bar')

def daily(context):
    写周期循环的代码

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：

def initialize(context):
    g.stocksnum = 5 # 持有最小市值股票数
    g.period = 10 # 轮动频率
    run_daily(daily,time='every_bar')# 周期循环daily
    g.days = 1 # 记录策略进行到第几天，初始为1

def daily(context):
    # 判断策略进行天数是否能被轮动频率整除余1
    if g.days % g.period == 1:
        写进行选股、判断、买入卖出等代码
    else:
        pass # 什么也不做
    g.days = g.days   1 #策略经过天数增加1

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就是等于2，因为12整除10得1余2，更多的，3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：

# 获取当前时间
date=context.current_dt.strftime("%Y-%m-%d")
# 获取上证指数和深证综指的成分股代码并连接，即为全A股市场所有股票的股票代码
scu = get_index_stocks('000001.XSHG') get_index_stocks('399106.XSHE')
# 选出在scu内的股票的股票代码，并按照当前时间市值从小到大排序
df = get_fundamentals(query(
        valuation.code # 获取 市值表-股票代码
    ).filter( # 条件筛选
        valuation.code.in_(scu)# 市值表-股票代码在scu中
    ).order_by(# 排序
        valuation.market_cap.asc()# 按市值表-市值 从小到大排序
    ), date= date
    )
# 取出前g.stocksnum名的股票代码，并转成list类型，buylist即为选中的股票的代码列表
buylist =list(df['code'][:g.stocksnum])

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）

get_fundamentals(query(
        # 获取的数据,多个数据项用逗号隔开
        数据表.数据项，数据表.数据项... 
    ).filter( # 按条件筛选
        # 具体条件 多个条件用逗号连接，且要求是要同时满足
        数据表.数据项>xx,数据表.数据项<xx,数据表.数据项.in_(scu),...
    ).order_by( # 排序
        # .asc()是从小到大 .desc()是从大到小
        数据表.数据项.asc() 
    ), date=日期
    )

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：

# 对于每个当下持有的股票进行判断：现在是否已经不在buylist里，如果是则卖出
for stock in context.portfolio.positions:
    if stock not in buylist: #如果stock不在buylist
        order_target(stock, 0) #调整stock的持仓为0，即卖出

# 将资金分成g.stocksnum份
position_per_stk = context.portfolio.cash/g.stocksnum
# 用position_per_stk大小的g.stocksnum份资金去买buylist中的股票
for stock in buylist:
    order_value(stock, position_per_stk)

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：

 def initialize(context):
    g.stocksnum = 5 # 持有最小市值股票数
    g.period = 10 # 轮动频率
    run_daily(daily,time='every_bar')# 周期循环daily
    g.days = 1 # 记录策略进行到第几天，初始为1

def daily(context):
    # 判断策略进行天数是否能被轮动频率整除余1
    if g.days % g.period == 1:

        # 获取当前时间
        date=context.current_dt.strftime("%Y-%m-%d")
        # 获取上证指数和深证综指的成分股代码并连接，即为全A股市场所有股票
        scu = get_index_stocks('000001.XSHG') get_index_stocks('399106.XSHE')

        # 选出在scu内的股票的股票代码，并按照当前时间市值从小到大排序
        df = get_fundamentals(query(
                valuation.code,valuation.market_cap
            ).filter(
                valuation.code.in_(scu)
            ).order_by(
                valuation.market_cap.asc()
            ), date=date
            )

        # 取出前g.stocksnum名的股票代码，并转成list类型，buylist为选中的股票
        buylist =list(df['code'][:g.stocksnum])

        # 对于每个当下持有的股票进行判断：现在是否已经不在buylist里，如果是则卖出
        for stock in context.portfolio.positions:
            if stock not in buylist: #如果stock不在buylist
                order_target(stock, 0) #调整stock的持仓为0，即卖出

        # 将资金分成g.stocksnum份
        position_per_stk = context.portfolio.cash/g.stocksnum
        # 用position_per_stk大小的g.stocksnum份资金去买buylist中的股票
        for stock in buylist:
            order_value(stock, position_per_stk)
    else:
        pass # 什么也不做

    g.days = g.days   1 # 策略经过天数增加1

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？