引言:
邢不行的系列帖子“量化小讲堂”，通过实际案例教初学者使用python进行量化投资，了解行业研究方向，希望能对大家有帮助。
下图中橙色曲线是等比缩放的沪深300指数。
（6年4倍策略）
蓝色曲线是一个择时策略的资金曲线。该策略对沪深300进行择时，即明确选择出针对大盘的买、卖时机。
(策略信号)
比如上图中，8月25至8月28日策略是看涨的，那此时就买入指数，同期指数上涨9.84%，获得相应收益（已扣除手续费）。
随后，8月31至9月8日策略看跌指数，此时就卖出指数。同期指数下跌0.97%，而策略因为卖出避免了亏损。
上述买卖信号都是策略自动产生的。如严格按策略操作，假设初始投入1元，扣除手续费，从2015年至今会变成3.90元。
即6年翻4倍，年化收益高达24.73%。总体表现还行，远远跑赢大盘。
那这个策略的原理是什么？看涨和看跌的信号是如何产生的？用到了哪些数据、数据又是如何获取的？本文将会就此进行详细讲解。
01
什么是北向资金？
这个策略是基于「北向资金」数据开发的择时策略。
关于北向资金有一定交易经验的朋友多少都会有所耳闻，这里做简单的说明。
（北向资金图解）
如上图所示，在香港的港交所，投资者可以使用港币交易其上市股票；在大陆的深交所和上交所，可以使用人民币交易在A股上市的股票。
从2014年起，A股和港交所开始尝试部分互通。全世界投资者可以用港币在港交所通过沪股通及深股通直接购买A股。
而因为上交所和深交所都在香港的北边，所以这些来自香港的投资被形象的称为北向资金。
1.北向资金特征
（北向资金交易限制）
随着越来越多的北向资金正在购买A股，其成交额占A股总成交额的比例，已经稳定维持在10%以上，影响力逐渐扩大。
（北向资金影响力日益扩大）
2.北向资金数据获取
而对于我们量化投资者非常友好的是，在香港交易所官网上会每日披露北向资金的交易明细数据。
（港交所www.hkex.com.hk公布每日北向数据）
例如上图中，2021年6月18日当天北向资金总共买入291亿、卖出309亿，总成交额为600亿，净流入负18亿（291-309）。
我们收集了这些数据，每日实时更新。并且放在了网站上供大家下载。
有了这些数据过后，我们就可以对北向资金进行深入研究，看看对投资是否有帮助。
3.北向资金的市场研究
如上图中研究展示的，北向资金单日净流入大于0的情况下，未来1、3、5日沪深300的平均涨跌幅都为正，同时上涨的概率也都大于50%。
千万不要小看这个数据，要知道在X场庄家的胜率可能也就只有51%+，但这已经能让他赚的盆满钵满了。
再看我去年发在朋友圈的一张图：
（朋友圈很多优质内容，要统一整理下吗？）
上方的深色曲线，代表北向为主的外资持股比例最高的100支A股等权重指数，它的涨幅远超代表剩余所有A股的下方浅色曲线。
4.学会抄北向作业
以上的初步研究，都很好的证明了北向资金作为整体的投资能力。
投资最幸福的事情，就是在这个市场上有个人一直对，你照着抄就可以。
虽然北向资金不是每次都赚钱，但的确是「聪明钱」，跟着买成功率较高。
(做量化，就图一个懒字）
当然，市场上也不止北向一个学霸，我们还有其它资金的作业可以抄：如公募基金、产业资金、国家队......
如果文章阅读量超过100的话，之后会再讲一下如何抄其它资金的作业。
插个题外话。刚刚说了第一幸福的事，那么第二幸福的事是什么呢？聪明的朋友已经想到了：
有人一直错，那我反着抄就可以了。
他卖我买他买我卖。那么是哪股资金一直错呢？这说出来就有点伤人了，咱们私下交流，私下交流。
02
如何抄北向作业？
前面我们已经看到，北向资金有很强的择时和选股能力，那该如何通过北向资金来开发出文章开头的择时策略呢？
1.数据整理
首先获取北向资金数据（2014年11月17日至今）：
再将数据再按照净流入从大到小排列，如下图：
（将数据按净流入从大到小排序）
可以看出最大的一天（2021.05.25）净流入247亿；最小的一天（2020.07.14）净流出150亿。
2.情绪划分
将排序后的数据平均分为三份：
（划分市场情绪）
如头部的509天（乐观情绪），北向资金一直净流入总体较大，可以认为市场情绪比较乐观。
中间的509天（中性情绪），北向资金净流入在2.95到20.41亿之间，没有明确的看好或看跌。
最后的509天（悲观情绪），数据显示北向资金大部分处于净流出的状态，可以认为这些天是比较悲观的。
3.策略构建
划分好市场情绪过后，再根据三等分数据的阈值（2.95与20.41），构建我们的投资策略：
(将沪深300作为投资对象，构建策略)
每日收盘后计算当天北向资金的净流入值。再阈值（20.41、2.95）比较，进行不同的选择：
①净流入值 ≥ 20.41亿（乐观情绪），则次日开盘买入沪深300的ETF。
②净流入值 ≤ 2.95亿（悲观情绪），次日开盘卖出沪深300的ETF。
③2.95亿 ≤ 净流入值 ≤ 20.41亿（中性情绪），次日开盘保持原有仓位不操作。
4.举例说明
举个例子来详细说明下。
比如2017年6月6日这天，净流入为21.26，大于阈值20.41，属于乐观情绪则次日买入。6月7日净流入仍大于20.41，但之前已经买过了，继续持有。
到了6月9日，属于中性情绪。我们不进行任何操作，即继续持有。
等到12日，北向资金净流入为负，小于阈值2.95。属于悲观情绪，则于次日卖出。
5.策略表现
那这个策略的表现到底如何？我们通过Python用数据和代码来验证。
（代码运行结果）
代码运行结果具体得到上图，代表策略的蓝色曲线远远跑赢了代表沪深300的橙色曲线。北向资金择时策略的确效果斐然。
但你以为到这里就结束了吗？
真正重要的硬核内容还没开始呢！
不知道敏感的小伙伴们有没有看出来，其实我们这个策略的设计存在一个错误。
03
正确抄作业操作
1.策略陷阱
这个错误主要是两个阈值（2.95、20.41）的选择造成的。
我们基于2014年至2021年整段的数据，计算出参数2.95、20.41，并在整个策略回测过程中使用。这就有问题了。
假设现在时间回到2018年，我们使用该参数进行策略交易。但仔细想想，在2018年我们是无法获得后续数据来计算出该参数的。
使用该参数就相当于开了上帝视角。我们在设计策略的时候不自觉的使用了未来函数。
未来函数：回测中使用了该时点无法得到的未来的数据。
未来函数就等于一个人带着现有的数据穿越回了过去。如果此时你还不能乱杀，就有点说不过去了。
2.新策略构建
那怎么修改策略才能避免使用未来函数呢？
在计算阈值的时候，我们只能使用过去的数据。
比如现在是2020年12月31日，此时计算阈值只能使用这一天之前的所有数据。
同样三等分后，得到和之前不同的阈值（2.33、18.88）。
同样的，我们可以得到在2018年、2016年、2015年随意选取的时间点的结果，如下图所示：
可以发现因为每一天都只使用截至当日的历史数据，所以每次得到的阈值都不同。
这就避免了未来函数的使用，这样开发出来的策略才是可靠可信的。
最后，重新修改我们的原策略：
（完善后策略）
每日收盘后，使用当日北向资金的最新数据和之前所有的历史数据，通过三等分的方法计算出每天的阈值a和b。其他步骤不变。
那么改进后的策略效果如何呢？我们用数据和代码来验证一下。
(策略所需代码)
我们可以发现，修正后策略所代表的橙色曲线仍是大幅跑赢代表沪深300的绿色曲线，且比使用了未来函数的蓝色曲线走势更好（这并不常见）。
在正确的策略中，净值从1涨到了3.9，6年大概翻了4倍；最大回撤20.35%，收益回撤比（年化收益/最大回撤）1.22。
只要收益回撤比大于1，就是值得进一步研究的策略。感兴趣的同学可以要了代码和数据后进一步优化，形成自己的策略。
04
策略查看方法
上述北向资金择时策略已经上线到我们网站，并且可以免费查阅。
页面左侧是实时更新的资金曲线，且每日资金曲线数据的完整Excel也可供下载。
同时你可以订阅右上角提醒，以便随时接收策略信号变更信息。
页面最下方是2015年至今每笔交易的详细历史记录。如果想要完全熟悉策略，强烈推荐你对照着行情软件揣摩每一笔交易。
（策略历史信号）
另外页面也展示了策略及同期大盘每年的收益对比。
（策略历年收益）
我们可以发现这个策略并不是每年都赚钱。
2017年的时候它并没有跑赢大盘，当年沪深300涨了22%，这个策略却只涨了16%。
所以说，量化交易策略从来不是稳赚不赔的。
（策略风险分析）
再看上图的策略风险分析，它不仅可以给出最大回撤、胜率，还包括最大连续看错（8次）/看对（9次）次数等。
这个数据更多的告诉我们策略是有风险的，量化投资是追求大概率上的胜率。