量化交易策略第一篇

起源

轮动，是最朴素的量化交易策略之一，无论是基于动量、基本面、消息面按照一定周期选择买入标的的策略，都可以归为轮动策略，而其中最经典、最丰富的还是趋势跟踪策略。

趋势跟踪策略可以简单的理解为动量策略，即确定某种计算趋势的方法，通过这种趋势的度量来对标的进行轮动，关于趋势跟踪策略的有效性，可以阅读石川博石团队的 趋势跟踪策略小册子 ，基本对国内外、近几十年的趋势跟踪策略的发展做了很好的概述。

以动量轮动举例，建立一个标的池，隔一段时间买入涨幅最大的标的，就形成了最朴素的动量策略，完全可以使用量化交易实现。

以上解决了标的选择的问题，但并不是一个完整的策略，我列举了如下问题：

• 量化框架/代码来源
• 数据来源/回测时长
• 标的/标的数量的选择
• 标的的仓位控制 （风险溢价？）
• 开仓/止损时机
• 轮动指标 （动量 基本面 因子?）
• 轮动周期 （按分钟 按周 按月？）
• 策略评价指标 （sharp sortino SQN 年化 回撤？）
• 。。。

这些问题在过去的几个月，甚至一年时间里一直萦绕在我的脑海里，这一年也是A股下跌的一年，走势基本是对08年的重演，几乎所有的私募基金、公募基金、价值投资、量化策略全部失效，大部分投资者损失惨重。

不像牛市，试错机会够多，在下跌的市场里，人性被无限放大，一次犹豫造成的损失是惊人的，也因此，我开始重塑自己的投资理念。

我想现在，终于，阶段性完成了以上任务，无论是否找到了投资的圣经，以上提到的问题我都给出了自己的解答，建立了自己的数据逻辑、代码框架，更重要的是，建立了若干个完整的轮动策略，这些策略我从22年10月份开始实盘，在昨天，22年11月28号开始更新雪球组合。

路途是艰难的，再次起航，希望能够坚持下去。

问题的一些答案

框架

akshare + backtrader

由于akshare提供的数据只能到日线级别，如果做分钟级回测，需要使用掘金或者tdx的数据

标的

ETF、LOF、债券、可转债、公募基金

股票交易的印花税在长时间看是惊人的，而且随着A股的发展，ETF覆盖了越来越多的概念和行业，LOF和公募基金让散户也拥有了公募视角，天然的低波动性和对散户信息因子缺失的补全，都强于股票。

轮动周期

一个月，20个交易日？

交易周期短，那么佣金和滑点会带来巨幅影响，交易周期长，无法把握行情的变化。A股一周有5个交易日，一个月大约有21个交易日，而且有明显的日历效应，例如春季行情、节前抛售、月底卖出、月初买入等等，对于轮动策略来说，时间节点的选择非常关键，经过我的大量回测，发现不同时间轮动的收益差距非常大。

策略评价指标

回撤，还是回撤。

投资者往往陷入追求交易圣杯的陷阱中不能自拔，例如追求高收益高波动，同时也面临可怕的回撤，人性让你放大了自己的回撤承受能力，而当你觉醒时，为时已晚。

相对于sharpe，sortino等波动/收益评价指标，我更看重策略的回撤历史，最大回撤时间、最大回撤幅度、回撤的原因，以及如何降低回撤。

平均买入还是控制仓位

控制仓位，是量化策略的点金石。

我们都知道，无论是一个最基本的MACD策略，还是动量跟踪策略，直接测试的效果都是很差的，而一旦加入仓位控制，就算是一个抛硬币50%随机买入卖出的策略，也可以取得正收益。

但如何控制仓位是一个很难的课题，对于高波动标的，如果减少仓位，那么策略的收益会显著下降，如果增加仓位，策略的回撤和波动率会大幅升高。

如何止损

止损，是一把双刃剑。

止损，是账户风险控制的最后一道防线，黑天鹅不可避免，机械止损才能避开大跌，长期来看，一个具备止损的策略可以跑赢任何熊市，当然，也会跑输牛市。

我选择了机械式的跟踪止损，以及指标性止损，以及大盘牛熊指标的止损。

策略

目前手里有很多策略，由于还没有实现自动交易，我有精力去实盘的有三个，分别是一个轮动策略的继承，只是标的的选择和部分指标不同。

后面我会逐步讲解每个策略的基本结构。

以上。