JUKUAN/Lib/stock/Multi-factor.py

# 克隆自聚宽文章：https://www.joinquant.com/post/65807
# 标题：11年26倍，简单的多因子策略
# 作者：foolmouse
# https://www.joinquant.com/view/community/detail/625cc5268324506f6746fc0c6c605c44
# 很简单的几个随手可得的因子：

# ROA高。
# 归母净利润增长快。
# PB排名小且小于2。
# 就这些，没有其他花里胡哨诘屈聱牙的高频因子，没有复杂计算，只是简单的排序，我觉得比较满意的几点：

# 没有现在满社区的小市值暴露（虽然我也有小市值仓位，但是不会是重仓）。
# 所有因子都是理论基础很扎实的几个基础因子，即使暂时会失效长期看应该有效的。
# 没有太多参数（只有一个PB小于2，这个存在后视镜，是根据结果优化的。去掉也行但是2015年股灾回撤比较大，如果实盘我会考虑指数估值什么的大盘择时，但是聚宽没有这个因子因此没用）
# 在牛市后半程会跑输，但是大部分熊市后会赚回来的。


'''
1.市净率小于2；
2.负债比例高于市场平均值;
3.企业的流动资产至少是流动负债的1.2倍;
4.每年四次调仓，即在1/4/7/10月调仓；
5.可加入止损(十天HS300跌幅达10%清仓)；
'''

## 初始化函数，设定要操作的股票、基准等等
def initialize(context):
    # 设定指数
    g.stockindex = '000300.XSHG' 
    # 设定沪深300作为基准
    set_benchmark('000300.XSHG')
    # True为开启动态复权模式，使用真实价格交易
    set_option('use_real_price', True) 
    # 设定成交量比例
    set_option('order_volume_ratio', 1)
    # 股票类交易手续费是：买入时佣金万分之三，卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱
    set_order_cost(OrderCost(open_tax=0, close_tax=0.001, \
                             open_commission=0.0003, close_commission=0.0003,\
                             close_today_commission=0, min_commission=5), type='stock')
    # 最大持仓数量
    g.stocknum = 10

    ## 自动设定调仓月份（如需使用自动，注销下段）
    """
    f = 4  # 调仓频率
    log.info(range(1,13,12/f))
    g.Transfer_date = range(1,13,12/f)
    """
    ## 手动设定调仓月份（如需使用手动，注释掉上段）
    # g.Transfer_date = (3,9)
    
    #根据大盘止损，如不想加入大盘止损，注释下句即可
    # run_daily(dapan_stoploss, time='open') 
    
    ## 按月调用程序
    run_weekly(trade, weekday=1, time='open')

## 交易函数
def trade(context):
    ## 获得Buylist
    Buylist = check_stocks(context)
    value = context.portfolio.total_value
    hold_count = min(len(Buylist),g.stocknum)
    per_value = value/hold_count if hold_count>0 else 0
    ## 卖出
    if len(context.portfolio.positions) > 0:
        for stock in context.portfolio.positions.keys():
            if stock not in Buylist:
                order_target_value(stock, 0)
            else:
                order_target_value(stock,per_value)
    ## 买入
    if len(Buylist) > 0:
        for stock in Buylist:
           if stock not in context.portfolio.positions.keys():
               order_target_value(stock,per_value)
    
## 选股函数
def check_stocks(context):
    # 获取所有股票
    yesterday = context.previous_date
    security = get_all_securities("stock", yesterday).index.tolist()
    # 排除st，科创，新股
    security = filter_st_stock(security)
    security = filter_kcbj_stock(security)
    security = filter_new_stock(context,security)
    # 获取因子值
    Stocks = get_fundamentals(query(
            valuation.code,
            valuation.pb_ratio,
            indicator.roa,
            indicator.inc_net_profit_to_shareholders_year_on_year
        ).filter(
            valuation.code.in_(security),
            valuation.pb_ratio<2
        ))
    
    stock_count = len(Stocks)
    # 计算roa靠前的
    Stocks = Stocks.sort_values(by='roa',ascending=False).iloc[:int(stock_count/10)]
    # 计算增长率考前的
    stock_count = len(Stocks)
    Stocks = Stocks.sort_values(by='inc_net_profit_to_shareholders_year_on_year',ascending=False).iloc[:int(stock_count/10)]
    # 计算PB最小的
    Stocks = Stocks.sort_values(by='pb_ratio',ascending=True).iloc[:10]

    Codes = Stocks.code

    return list(Codes)
# 过滤停牌股票
def filter_paused_stock(stock_list):
    current_data = get_current_data()
    return [stock for stock in stock_list if not current_data[stock].paused]


# 过滤ST及其他具有退市标签的股票
def filter_st_stock(stock_list):
    current_data = get_current_data()
    return [stock for stock in stock_list
            if not current_data[stock].is_st
            and 'ST' not in current_data[stock].name
            and '*' not in current_data[stock].name
            and '退' not in current_data[stock].name]


# 过滤科创北交股票
def filter_kcbj_stock(stock_list):
    for stock in stock_list[:]:
        if stock[0] == '4' or stock[0] == '8' or stock[:2] == '68':
            stock_list.remove(stock)
    return stock_list


# 过滤涨停的股票
def filter_limitup_stock(context, stock_list):
    last_prices = history(1, unit='1m', field='close', security_list=stock_list)
    current_data = get_current_data()
    return [stock for stock in stock_list if stock in context.portfolio.positions.keys()
            or last_prices[stock][-1] < current_data[stock].high_limit]


# 过滤跌停的股票
def filter_limitdown_stock(context, stock_list):
    last_prices = history(1, unit='1m', field='close', security_list=stock_list)
    current_data = get_current_data()
    return [stock for stock in stock_list if (stock in context.portfolio.positions.keys()
            or last_prices[stock][-1] > current_data[stock].low_limit)]


# 过滤次新股
def filter_new_stock(context, stock_list):
    yesterday = context.previous_date
    return [stock for stock in stock_list if not yesterday - get_security_info(stock).start_date < datetime.timedelta(days=375)]