什么是指数增强

　　 什么是指数增强?

　　 指数增强策略并不是被动的跟踪某个指数波动，而是采用量化增强模型，利用多因子alpha模型预测股票超额回报，同时力求进行有效的风险控制、降低交易成本、优化投资组合。指数增强策略不会对跟踪标的成分股进行完全复制，而是会对部分看好的股票增加权重，不看好的股票则减少权重，甚至完全去掉。通过对交易成本模型的不断监测，尽可能让交易成本降到最小。综合来看，就是既做到超额收益，又控制主动风险。

　　策略实现(基于掘金量化平台)

　　策略思想

　　• 本策略以0.8为初始权重跟踪指数标的沪深300中权重大于0.35%的成份股。

　　• 个股所占的百分比为：(0.8 X 成份股权重) /选择的成分股权重总和 X 100%。

　　• 然后根据个股是否连续上涨5天;连续下跌5天，来判定个股是否为强势股/弱势股,并对其把权重由0.8调至1.0或0.6

　　策略主要步骤实现

　　获取沪深300成分股及信息

　　stock300 = get_history_constituents(index='SHSE.000300',

　　start_date=last_day,end_date=last_day)[0]['constituents']

　　获取指数成分股可调用函数get_history_constituents或者get_constituents，返回值类型为list[dict]，字典的键为股票代码，值为所占权重。这里调用get_history_constituents是因为再回测时需要获取上一交易日的成分股，而get_constituents只能获取最新的成分股：

　　• index需要设置获取指数的代码。

　　• start_date和end_date需设置获取成分股的开始与结束日期。

　　订阅数据

　　subscribe(symbols=stock300_symbol, frequency='1d', count=5, wait_group=True)

　　订阅数据需要在定义init函数里面设置，并调用subscribe函数，这里注意，我们需要通过计算前三十根bars来作为开平仓的标准，并在当前bar上做出开平仓操作，所以需要获取31根bar：

　　• symbols 需要设置订阅的标的代码。

　　• frequency需设置订阅数据的周期级别，这里设置1d 表示以一天为周期。

　　• count需要设置获取的bar的数量

　　数据获取

　　recent_data = context.data(symbol=symbol, frequency='1d', count=5, fields='close')['close'].tolist()

　　订阅数据之后，需要获取已经订阅的数据来进行操作，这时需调用context.data函数：

　　• symbols 需要设置订阅的标的代码。

　　• frequency需设置订阅数据的周期级别，这里设置1d表示以一天为周期。

　　• count需要设置获取的bar的数量

　　• fields需要设置返回值的种类

　　获取持仓信息

　　position = context.account().position(symbol=symbol, side=PositionSide_Long)

　　在判断平仓或者加仓条件时，需要获取持仓信息，这就需要调用context.account().position函数：

　　• symbols 需要设置订阅的标的代码。

　　• side需要设置持仓方向，有PositionSide_Long和PositionSide_Short两个选择。

　　回测报告

　　分析

　　 我们选取了2017年10月至2017年12月作为回测周期，可以看出：

　　• 胜率(具有盈利的平仓次数与总平仓次数之比)达到了66%。

　　• 卡玛比率(年化收益率与历史最大回撤之比)是使用最大回撤率来衡量风险。采用最大回撤率来衡量风险，关注的是最极端的情况。卡玛比率越高表示策略承受每单位最大损失获得的报酬越高。在这里卡玛比率达到了6.7。

　　• 夏普比率(年化收益率减无风险收益率的差收益波动率之比)达到2.77。

　　• 策略收益曲线与沪深三百指数具有很大相关性，指数增强策略的关键点在于选出成分股中优质的股票，以达到增强指数收益的目的。

　　附：指数增强策略源码

　　# coding=utf-8

　　from __future__ import print_function, absolute_import, unicode_literals

　　import numpy as np

　　from gm.api import *

　　from pandas import DataFrame

　　'''

　　本策略以0.8为初始权重跟踪指数标的沪深300中权重大于0.35%的成份股.

　　个股所占的百分比为(0.8*成份股权重)*100%.然后根据个股是否

　　连续上涨5天;连续下跌5天

　　来判定个股是否为强势股/弱势股,并对其把权重由0.8调至1.0或0.6

　　回测数据为:SHSE.000300中权重大于0.35%的成份股

　　回测时间为:2017-07-01 08:50:00到2017-10-01 17:00:00

　　'''

　　def init(context):

　　# 资产配置的初始权重,配比为0.6-0.8-1.0

　　context.ratio = 0.8

　　# 获取沪深300当时的成份股和相关数据

　　stock300 = get_history_constituents(index='SHSE.000300', start_date='2017-06-30', end_date='2017-06-30')[0][

　　'constituents']

　　stock300_symbol = []

　　stock300_weight = []

　　for key in stock300:

　　# 保留权重大于0.35%的成份股

　　if (stock300[key] / 100) > 0.0035:

　　stock300_symbol.append(key)

　　stock300_weight.append(stock300[key] / 100)

　　context.stock300 = DataFrame([stock300_weight], columns=stock300_symbol, index=['weight']).T

　　context.sum_weight = np.sum(stock300_weight)

　　print('选择的成分股权重总和为: ', context.sum_weight)

　　subscribe(symbols=stock300_symbol, frequency='1d', count=5, wait_group=True)

　　def on_bar(context, bars):

　　# 若没有仓位则按照初始权重开仓

　　for bar in bars:

　　symbol = bar['symbol']

　　position = context.account().position(symbol=symbol, side=PositionSide_Long)

　　if not position:

　　buy_percent = context.stock300['weight'][symbol] / context.sum_weight * context.ratio

　　order_target_percent(symbol=symbol, percent=buy_percent, order_type=OrderType_Market,

　　position_side=PositionSide_Long)

　　print(symbol, '以市价单开多仓至仓位:', buy_percent * 100)

　　else:　无锡妇科医院排名 http://www.csfk0731.com/

　　# 获取过去5天的价格数据,若连续上涨则为强势股,权重+0.2;若连续下跌则为弱势股,权重-0.2

　　recent_data = context.data(symbol=symbol, frequency='1d', count=5, fields='close')['close'].tolist()

　　if all(np.diff(recent_data) > 0):

　　buy_percent = context.stock300['weight'][symbol] / context.sum_weight * (context.ratio + 0.2)

　　order_target_percent(symbol=symbol, percent=buy_percent, order_type=OrderType_Market,

　　position_side=PositionSide_Long)

　　print('强势股', symbol, '以市价单调多仓至仓位:', buy_percent * 100)

　　elif all(np.diff(recent_data) < 0):

　　buy_percent = context.stock300['weight'][symbol] / context.sum_weight * (context.ratio - 0.2)

　　order_target_percent(symbol=symbol, percent=buy_percent, order_type=OrderType_Market,

　　position_side=PositionSide_Long)

　　print('弱势股', symbol, '以市价单调多仓至仓位:', buy_percent * 100)

　　if __name__ == '__main__':

　　'''

　　本策略基于掘金量化交易平台 网址：www.myquant.cn

　　strategy_id策略ID,由系统生成

　　filename文件名,请与本文件名保持一致

　　mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST

　　token绑定计算机的ID,可在系统设置-密钥管理中生成

　　backtest_start_time回测开始时间

　　backtest_end_time回测结束时间

　　backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST

　　backtest_initial_cash回测初始资金

　　backtest_commission_ratio回测佣金比例

　　backtest_slippage_ratio回测滑点比例

　　'''

　　run(strategy_id='c722244f-eaa9-11e7-8618-9cd21ef04ea9',

　　filename='指数增强.py',

　　mode=MODE_BACKTEST,

　　token='c395247a76e8a5caeee699d668d6f550213bc418',

　　backtest_start_time='2017-10-01 08:50:00',

　　backtest_end_time='2017-12-01 17:00:00',

　　backtest_adjust=ADJUST_PREV,

　　backtest_initial_cash=10000000,

　　backtest_commission_ratio=0.0001,

　　backtest_slippage_ratio=0.0001