データ分析 - シングルファクター銘柄選択戦略、マルチファクター銘柄選択戦略

 シングルファクター銘柄選択戦略 - スモールキャップ戦略

第二に、マルチファクター銘柄選択戦略 - 市場価値+ ROE（株主資本利益率）の株式ピッキング戦略

---

シングルファクター銘柄選択戦略 - スモールキャップ戦略

ファクター銘柄選択戦略 

ファクター：一定の基準の株式を選択

　　成長率、市場価値、利益、ROE（株主資本利益率）............

株式ピッキング戦略：

　　要因のため、Nポジション株式に最良の性能（最大又は最小因子）を選択

　　時間のない期間は、変更を売ることができない場合はたまにでは、一度位置を調整します

小型株の戦略：株式ポジションの株式プールの最小時価総額を選択N

 

例：月チューン倉庫いったん保有株式の20最小時価総額を選択します。

jqdata インポート * DEF 初期化（コンテキスト）：
    set_benchmark（' 000300.XSHG ' ）
    SET_OPTION（' use_real_price ' 、TRUE）
    set_order_cost（OrderCost（close_tax。= 0.001、open_commission = 0.0003 = 0.0003 close_commission、min_commission = 5）から、TYPE = ' 在庫' ）
    g.security = get_index_stocks（' 000300.XSHG ' ）＃sqlachmyクエリオブジェクトを取っフィールドの評価market_capのテーブルから、要因として市場から選択 
    GQ = クエリ（評価）.filter（valuation.code.in_（G.セキュリティ））
    gNを


    
    
    = 20       ＃20最小株式市場
    ＃の仮定因子ストックピッキングは、30日ごとに行われる
    ＃モード1： 
    ＃g.days = -1 
    ＃引数にしてhandle_data（コンテキスト、データ）DEF：
    ＃1      g.days 1 = +。 
    ＃     IF ％30 == 0 g.days： 
    ＃         パス
    ＃の方法：
    ＃機能を実行するタイミング、実行毎月ハンドル関数の最初の取引日 
    （ハンドル1 run_monthly ）
 DEF ハンドル（コンテキスト）：
    DF = get_fundamentals（GQ）[ 【' コード'、' market_cap ' ] 
    DF = df.sort_values（' market_cap '）.ilocの[：gNを,:]  ＃选出20支
    プリント（DF）
    
    to_hold = DF [ ' コード' ] .values 
    
    ための在庫でcontext.portfolio.positions：
         もし在庫ない で：to_hold 
            order_target（ストック、0）
    to_buy = [在庫のための在庫に to_hold 場合在庫ない でcontext.portfolio.positions]
     場合でlen（to_buy）> 0：
        cash_per_stock = context.portfolio.available_cash / LEN（to_buy）
        以下のための株式でto_buy：
            ORDER_VALUE（株式、cash_per_stock）

小型株のポリシーコード

 

第二に、マルチファクター銘柄選択戦略 - 市場価値+ ROE（株主資本利益率）の株式ピッキング戦略 

マルチファクター銘柄選択戦略

どのように同時に複数の要因銘柄選択を統合するには？

スコアリングモデル：

　　各ストックは、各要因について採点され、スコアが加算されます

　　Nの合計スコアが最大の保有株式を選出します

　　在庫要因のスコアを計算する方法：正規化（標準化）を、下の2つの標準的な方法です

例えば、二つの要素を選択します。銘柄選択の評価基準として、市場価値やROE（株主資本利益率）

 

from jqdata import *

def initialize(context):
    set_benchmark('000300.XSHG')
    set_option('use_real_price', True)
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    
    g.security = get_index_stocks('000300.XSHG')
    
    # 选市值作为因子，要从表valuation中market_cap字段获取sqlachmy的query对象
    g.q = query(valuation, indicator).filter(valuation.code.in_(g.security))
    g.N = 20      #20支股票

    run_monthly(handle, 1)
def handle(context):
    df = get_fundamentals(g.q)[['code','market_cap','roe']]
    df['market_cap'] = (df['market_cap']-df['market_cap'].min())/(df['market_cap'].max()-df['market_cap'].min())
    df['roe'] = (df['roe']-df['roe'].min())/(df['roe'].max()-df['roe'].min())
    
    # 双因子评分：市盈率越大越好，市值越小越好
    df['score'] = df['roe'] - df['market_cap']
    # 对评分排序，选最大的20支股票
    df = df.sort_values('score').iloc[-g.N:,:]
    to_hold = df['code'].values
    
    for stock in context.portfolio.positions:
        if stock not in to_hold:
            order_target(stock, 0)
    to_buy = [stock for stock in to_hold if stock not in context.portfolio.positions]
    if len(to_buy) > 0:
        cash_per_stock = context.portfolio.available_cash / len(to_buy)
        for stock in to_buy:
            order_value(stock, cash_per_stock)

市值+ROE选股策略