@加菲猫被人注册了 这是一个货基的候选池，你可以自己添加多个货基或者债券进去。策略会自动算完风险后，告诉你每个该买多少仓位。

@小兵哥 哦哦，明白，多谢哈~

@小兵哥 再问一下哈，我参考了你的源码，里面大部分涉及数据处理都是用的dict和list，是考虑了对性能的优化处理吗？我写了一个用dataframe做逻辑计算的，回测非常慢

@加菲猫被人注册了 汗汗汗，瀑布汗。伦家是不大会用 dataframe，才转 dict 的。 也优化过，目的是减少查询的次数，提高回测效率（这点估计 df 高手也能搞定）。 不过网上的确有文章说用 df 性能比较差。

@小兵哥 thx～，兵哥谦虚了：）

为什么这个策略收益在08~13年也不盈利？难道也是追涨杀跌的牛市策略？

@老韭菜 这策略不是追涨杀跌。 A 股比较一窝蜂，行情不好的时候，低估的股票可以一直低估。 换美股、港股会好一点，好股票在坏行情，也能逆势。

@小兵哥 我查看了下计算平均增长率这一段的逻辑，我觉得数据源可能有些问题，主要是 1、假设一只股最近二个季度财报有数，之前的没数据，这样用np.mean()计算出来的会除以4，比真实情况小 2、数据中当中月份会有空值发生，前后两端都有数据，比较奇怪（见下图），不过我认为这可能是国泰安的数据的问题，0值应该是空的情况 ![11.png][1] [1]: https://joinquant-image.b0.upaiyun.com/6304b3b6422b3d1aae434cfed553683a

小规模头寸执行这个策略波动比较大，利润也很低。

往前推三个月会有比较大的回测 本回测周期恰好市场的偏好在小盘股 过度拟合有点严重实

@加菲猫被人注册了 @helloquant12345 @徒步三萬里 1、avg_inc 和 std_inc 是用来约束利润增长率不要波动太大。更重要的数字是 last_inc，计算 G 的时候用 last_inc； 2、小头寸是多小？这个策略的最大持仓是 5 个股票，如果金额太小，是有可能个别股票不能买入； 3、往前推三个月的最大回撤是多少？现在不能跑回测，看不出来。 小盘股的定义是多大？这个策略和小盘股没有直接关系，是根据 lowPEG选出来的。刚从历史回测里，抽了几个股票，分布在 100亿上下，高的700-800亿市值也有。等聚宽服务正常后，我把市值也打印出来看看，到时再补充到这里。

@徒步三萬里![CDD0042F-CB03-4FEC-800B-1BDD8FDEFC41.png][1] 往前推 3 个月，最大回撤是 18%，累计收益则更加高了，385%+。刚入市就碰上一波大跌。 回测过过去十年，历史最大回撤是 30%+，累计收益 2400%+。 这个策略没有择时，没有止损，只有价值投资。此种思想下，30%+ 的回撤是正常的。 如果你希望更优，可以接着往下加止损或者择时。希望会更好。 [1]: https://joinquant-image.b0.upaiyun.com/5618ab67754edf0f51c75eb90e0ac9b4

'dailyReturns = hStocks.resample('D',how='last').pct_change().fillna(value=0, method=None, axis=0).values'这句话是不是不需要resample？这样自动填充了非开盘日（非开盘日数据用NaN填充），没意义吧？

@老韭菜 resample 是插值取样，用来优化取样结果的。 希望原汁原味的话，可以用： ``` dailyReturns = hStocks.pct_change().fillna(value=0, method=None, axis=0).values ``` 收益相差不大的，3 年累计也就优化了10来个点。收益占比很小。

请问 maxrisk_money = risk_money * 1.7 这里为何取1.7？谢谢

@honeybeesz 谢谢关注，看得好仔细。 VaR 和 ES 两种方法考量的维度不一样，计算方法也不同。用在仓位控制上，计算出来的结果也会有差异。 Var 是 99% 几率下，最大损失是多少； ES 是（1-99%）的小几率发生时，损失平均值是多少。 以 1.7 为例，在本实现中。 仓位控制的目标是：95% 的日子里，最大损失小于 3%（本例的风险敞口是 0.03）；并且在 5%的极端情况出现时，平均损失小于 3%*1.7 = 5.1%（也有可能是涨）。 1.7 是好久之前，在计算其他组合时，把 VaR/ES 的值打印出来，取得一个大致平衡的比例。 然后一直沿用至今。你可以根据个人风险偏好随意更换。

m先

请教为什么回测失败了？ Traceback (most recent call last): File "kuanke/user_space.py", line 146, in exec_msg return getattr(self, func)(*msg['args'], **msg['kwargs']) File "kuanke/user_space.py", line 534, in call_schedule_funcs func(self.user_context) File "user_code.py", line 48, in fun_main lowPEG_trade_ratio = lowPEG_algo(context, context.lowPEG_ratio, context.portfolio.portfolio_value) File "user_code.py", line 76, in lowPEG_algo context.lowPEG_stock_list = g.lowPEG.fun_get_stock_list(context) File "user_code.py", line 352, in fun_get_stock_list stock_PEG = self.fun_cal_stock_PEG(context, stock_list, stock_dict) File "user_code.py", line 292, in fun_cal_stock_PEG df = g.quantlib.fun_get_Divid_by_year(context, stock_list) File "user_code.py", line 682, in fun_get_Divid_by_year gta.STK_DIVIDEND.SYMBOL.in_(stocks_symbol) File "jqdata/__init__.py", line 12, in run_query return run_query(sql, db='gta') File "jqdata/db_utils.py", line 77, in run_query s = request_research_server('/run_query', {'sql':sql, 'db':db, 'dtypes': True}) File "/home/server/y/envs/kuanke/lib/python2.7/site-packages/retrying.py", line 49, in wrapped_f return Retrying(*dargs, **dkw).call(f, *args, **kw) File "/home/server/y/envs/kuanke/lib/python2.7/site-packages/retrying.py", line 212, in call raise attempt.get() File "/home/server/y/envs/kuanke/lib/python2.7/site-packages/retrying.py", line 247, in get six.reraise(self.value[0], self.value[1], self.value[2]) File "/home/server/y/envs/kuanke/lib/python2.7/site-packages/retrying.py", line 200, in call attempt = Attempt(fn(*args, **kwargs), attempt_number, False) File "jqdata/db_utils.py", line 25, in request_research_server res.raise_for_status() File "/home/server/y/envs/kuanke/lib/python2.7/site-packages/requests/models.py", line 851, in raise_for_status raise HTTPError(http_error_msg, response=self) HTTPError: 502 Server Error: Bad Gateway

@mm139 502 Server Error: Bad Gateway。应该是后台出了点问题，换个时间再跑就 OK 了。