在使用 QMT 进行量化策略回测时，若不排除退市股与 ST 股，回测结果可能与实际交易偏差较大。因为退市股和 ST 股风险较高，股价波动特征与正常股票不同，纳入它们会使回测结果过于乐观，导致实盘交易效果不佳。以下提供过滤退市股与 ST 股的代码，帮助你优化回测。

过滤 ST 股代码

python

运行

import pandas as pd
from qmt.api import *


def is_st_stock(stock_code, data):
    try:
        # 获取股票名称
        stock_name = data[stock_code].name
        # 判断股票名称中是否包含'ST'或'*ST'
        if 'ST' in stock_name or '*ST' in stock_name:
            return True
        return False
    except KeyError:
        return False


def filter_st_stocks(context, data):
    all_stocks = context.universe
    filtered_stocks = []
    for stock in all_stocks:
        if not is_st_stock(stock, data):
            filtered_stocks.append(stock)
    context.universe = filtered_stocks
    return filtered_stocks

代码说明

1. is_st_stock 函数：该函数接收股票代码stock_code与数据data作为参数。通过data[stock_code].name获取股票名称，判断名称中是否包含'ST'或'*ST'，以此确定该股票是否为 ST 股。若包含则返回True，否则返回False。若获取股票名称时发生KeyError，也返回False，防止因数据缺失导致程序中断。
2. filter_st_stocks 函数：此函数用于过滤 ST 股。它获取当前策略中的所有股票context.universe，遍历每只股票，使用is_st_stock函数判断是否为 ST 股，若不是则添加到filtered_stocks列表中。最后更新context.universe为过滤后的股票列表，并返回该列表。

过滤退市股代码

python

运行

def is_delisted_stock(stock_code, data):
    try:
        # 尝试获取股票行情数据
        _ = data[stock_code].close
        return False
    except KeyError:
        return True


def filter_delisted_stocks(context, data):
    all_stocks = context.universe
    filtered_stocks = []
    for stock in all_stocks:
        if not is_delisted_stock(stock, data):
            filtered_stocks.append(stock)
    context.universe = filtered_stocks
    return filtered_stocks

代码说明

1. is_delisted_stock 函数：该函数接收股票代码stock_code与数据data。尝试通过data[stock_code].close获取股票收盘价数据，如果能获取到，说明股票未退市，返回False；若发生KeyError，则表示股票已退市，返回True。
2. filter_delisted_stocks 函数：此函数负责过滤退市股。它获取所有股票context.universe，遍历每只股票，利用is_delisted_stock函数判断是否为退市股，若不是则添加到filtered_stocks列表。最后更新context.universe为过滤后的股票列表并返回。

整合使用

python

运行

def initialize(context):
    # 设置初始股票池等其他初始化操作
    context.universe = get_fundamentals(query(
        fundamentals.eod_derivative_indicator.market_cap
    ).filter(
        fundamentals.eod_derivative_indicator.market_cap > 0
    ).order_by(
        fundamentals.eod_derivative_indicator.market_cap.desc()
    ).limit(100))


def handle_data(context, data):
    filtered_stocks = filter_st_stocks(context, data)
    filtered_stocks = filter_delisted_stocks(context, data)
    # 基于过滤后的股票池进行后续策略操作，如选股、交易等
    for stock in filtered_stocks:
        # 这里可以编写具体的交易逻辑，例如获取数据、判断买卖条件等
        pass

代码说明

在initialize函数中设置初始股票池。在handle_data函数里，先调用filter_st_stocks函数过滤 ST 股，再调用filter_delisted_stocks函数过滤退市股。经过双重过滤后，基于最终的filtered_stocks列表进行后续的策略操作，如选股、交易逻辑编写等。这样能有效避免退市股与 ST 股对回测结果的干扰，使回测更贴近实际交易情况。

股票/量化开户找我！股票佣金万0.854（满足条件）！无门槛国债逆回购一折 (百万分之一）！ETF佣金万0.5！优惠多多！免费量化使用量化软件QMT+miniQMT+ptrade!