QMT多因子选股源代码

今天给大家分享一个简单的策略—— QMT 多因子选股策略 代码是基于 QMT 平台开发的量化选股策略，主要针对沪深 300 成分股进行多因子选股和定期调仓。策略结合了技术指标 (ATR 和 ADTM) 进行选股评分，并通过因子加权方式确定买入标的。

coding:gbk
"""
回测模型示例（非实盘交易策略）
#HS300日线下运行，20个交易日进行 一次调仓，每次买入在买入备选中因子评分前10的股票，每支股票各分配当前可用资金的10%（权重可调整）
#扩展数据需要在补完HS300成分股数据之后生成，本模型中扩展数据暂时使用VBA指标ATR和ADTM生成，命名为atr和adtm
"""
import pandas as pd
import numpy as np
import time
import datetime

def init(ContextInfo):
 ContextInfo.s = ContextInfo.get_sector('000300.SH')
 ContextInfo.set_universe(ContextInfo.s)
 ContextInfo.day = 0
 ContextInfo.holdings = {i:0 for i in ContextInfo.s}
 ContextInfo.weight = [0.1]*10         #设置资金分配权重
 ContextInfo.buypoint = {}
 ContextInfo.money = ContextInfo.capital
 ContextInfo.profit = 0
 ContextInfo.accountID='testS'

def handlebar(ContextInfo):
 rank1 = {}
 rank2 = {}
 rank_total = {}
 tmp_stock = {}
 d = ContextInfo.barpos
 price = ContextInfo.get_history_data(1,'1d','open',3)
if d > 60 and d % 20 == 0:               #每月一调仓
  nowDate = timetag_to_datetime(ContextInfo.get_bar_timetag(d),'%Y%m%d')
print(nowDate)
  buys, sells = signal(ContextInfo)
  order = {}
for k in list(buys.keys()):
   if buys[k] == 1:
    rank1[k] = ext_data_rank('atr',k[-2:]+k[0:6],0,ContextInfo)
    rank2[k] = ext_data_rank('adtm',k[-2:]+k[0:6],0,ContextInfo)
    #print rank1[k], rank2[k]
    rank_total[k] = 1.0 * rank1[k]                          #因子的权重需要人为设置，此处取了0.5和-0.5
    print (1111111, rank1[k])
  tmp = sorted(list(rank_total.items()), key = lambda item:item[1])
#print tmp
if len(tmp) >= 10:
   tmp_stock = {i[0] for i in tmp[:10]}
else:
   tmp_stock = {i[0] for i in tmp}                              #买入备选中若超过10只股票则选10支，不足10支则全选
for k in list(buys.keys()):
   if k not in tmp_stock:
    buys[k] = 0
if tmp_stock:
   print('stock pool:',tmp_stock)
   for k in ContextInfo.s:
    if ContextInfo.holdings[k] > 0 and sells[k] == 1:
     print('ready to sell')
     order_shares(k,-ContextInfo.holdings[k]*100,'fix',price[k][-1],ContextInfo,ContextInfo.accountID)
     ContextInfo.money += price[k][-1] * ContextInfo.holdings[k] * 100 - 0.0003*ContextInfo.holdings[k]*100*price[k][-1]                  #手续费按万三设定
     ContextInfo.profit += (price[k][-1]-ContextInfo.buypoint[k]) * ContextInfo.holdings[k] * 100 - 0.0003*ContextInfo.holdings[k]*100*price[k][-1]
     #print price[k][-1]
     print(k)
     #print ContextInfo.money
     ContextInfo.holdings[k] = 0
   ContextInfo.money_distribution = {k:i*ContextInfo.money for (k,i) in zip(tmp_stock,ContextInfo.weight)}
   for k in tmp_stock:
    if ContextInfo.holdings[k] == 0 and buys[k] == 1:
     print('ready to buy')
     order[k] = int(ContextInfo.money_distribution[k]/(price[k][-1]))/100
     order_shares(k,order[k]*100,'fix',price[k][-1],ContextInfo,ContextInfo.accountID)
     ContextInfo.buypoint[k] = price[k][-1]
     ContextInfo.money -= price[k][-1] * order[k] * 100 - 0.0003*order[k]*100*price[k][-1]
     ContextInfo.profit -= 0.0003*order[k]*100*price[k][-1]
     print(k)
     ContextInfo.holdings[k] = order[k]
   print(ContextInfo.money,ContextInfo.profit,ContextInfo.capital)
 profit = ContextInfo.profit/ContextInfo.capital
if not ContextInfo.do_back_test:
  ContextInfo.paint('profit_ratio', profit, -1, 0)


def signal(ContextInfo):
 buy = {i:0 for i in ContextInfo.s}
 sell = {i:0 for i in ContextInfo.s}
 data_high = ContextInfo.get_history_data(22,'1d','high',3)
 data_high_pre = ContextInfo.get_history_data(2,'1d','high',3)
 data_close60 = ContextInfo.get_history_data(62,'1d','close',3)
#print data_high
#print data_close
#print data_close60
for k in ContextInfo.s:
if k in data_close60:
   if len(data_high_pre[k]) == 2 and len(data_high[k]) == 22 and len(data_close60[k]) == 62:
    if data_high_pre[k][-2] > max(data_high[k][:-2]):
     buy[k] = 1           #超过20日最高价，加入买入备选
    elif data_high_pre[k][-2] < np.mean(data_close60[k][:-2]):
     sell[k] = 1           #低于60日均线，加入卖出备选
#print buy
#print sell
return buy,sell           #买入卖出备选

策略总体逻辑

标的池：沪深300成分股 调仓频率：每20个交易日（约每月）调仓一次 选股规则：买入突破20日高点的股票，卖出跌破60日均线的股票 选股数量：每次买入10只股票（如果符合条件的股票≥10只） 资金分配：每只股票分配10%的可用资金（等权重分配） 因子排序：使用ATR和ADTM两个技术指标对股票进行排序 QMT核心函数逻辑

1、 init() 初始化函数

获取沪深300成分股列表
- 初始化持仓字典（全为0）
- 设置10只股票各10%的权重
- 初始化账户资金和收益



2、handlebar() 主处理函数

if 调仓日（d>60且每20天）:
    1. 生成买卖信号（signal函数）
    2. 对买入备选股票按因子排序：
        rank1 = ATR指标排名
        rank2 = ADTM指标排名
        rank_total = 1.0 * rank1  # 实际只用了ATR排名
    3. 选取排名前10的股票（或全部）
    4. 执行卖出：
        - 持仓股票且卖出信号=1
        - 市价卖出全部持仓
        - 更新可用资金和累计收益
    5. 执行买入：
        - 计算每只股票分配的资金
        - 市价买入计算的数量
        - 更新成本价和持仓
    6. 计算并绘制收益率曲线



3、signal() 信号生成函数

买入条件（buy[k] = 1）：

前一天的最高价 > 过去20日的最高价（排除最近两天）

即：突破20日高点

卖出条件（sell[k] = 1）：

前一天的最高价 < 过去60日的收盘价均值（排除最近一天）

即：跌破60日均线

总结

关注"叩富问财"公众号，回复"资深吴经理"，联系专属客户经理开通量化交易权限！立即行动：打开微信，搜索"叩富问财"，在对话框中输入"资深吴经理"，开启你的量化交易之旅！