**原作** [收益狂飙，年化收益100%，11年1700倍，绝无未来函数](https://www.joinquant.com/post/25496) **策略介绍** JQ社区有70页讨论，各种改版多如牛毛，是最著名JQ策略，没有之一。关于策略介绍，此处省略七万字。 关于这个策略，我只说一点。这个策略最牛的是这段代码： ~~~ q = query(valuation.code).filter( valuation.code.in_(check_out_lists) ).order_by( valuation.circulating_market_cap.asc() ).limit( g.buy_stock_count * 3 ) ~~~ 干净利索，唯小为优，这是最亮点。今年我写[微盘股研究](https://www.joinquant.com/view/community/detail/625a5714c1c211ac74396776a2fede30)，测了大量小盘策略，尝试了很多组合，本策略的路线最优。***微盘股策略，不要做七七八八的虚头八脑的无用功，直接选最小的***。如果做了，恐怕逃不脱时间的检验，微盘股专治各种不服。 **源码** ~~~ # 克隆自聚宽文章：https://www.joinquant.com/post/25496 # 标题：收益狂飙，年化收益100%，11年1700倍，绝无未来函数 # 作者：jqz1226 # 导入函数库 from jqdata import * # 初始化函数，设定基准等等 def initialize(context): # 设定沪深300作为基准 set_benchmark('000300.XSHG') # 开启动态复权模式(真实价格) set_option('use_real_price', True) # 输出内容到日志 log.info() log.info('初始函数开始运行且全局只运行一次') # 过滤掉order系列API产生的比error级别低的log log.set_level('order', 'error') # 股票池 g.security_universe_index = "399101.XSHE" # 中小板 g.buy_stock_count = 5 ### 股票相关设定 ### # 股票类每笔交易时的手续费是：买入时佣金万分之三，卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱 set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock') ## 运行函数（reference_security为运行时间的参考标的；传入的标的只做种类区分，因此传入'000300.XSHG'或'510300.XSHG'是一样的） # 定时运行 run_daily(my_trade, time='14:40', reference_security='000300.XSHG') # 收盘后运行 run_daily(after_market_close, time='after_close', reference_security='000300.XSHG') ## 开盘时运行函数 def my_trade(context): # 选取中小板中市值最小的若干只 check_out_lists = get_index_stocks(g.security_universe_index) q = query(valuation.code).filter( valuation.code.in_(check_out_lists) ).order_by( valuation.circulating_market_cap.asc() ).limit( g.buy_stock_count * 3 ) check_out_lists = list(get_fundamentals(q).code) # 过滤: 三停（停牌、涨停、跌停）及st,*st,退市 check_out_lists = filter_st_stock(check_out_lists) check_out_lists = filter_limitup_stock(context, check_out_lists) check_out_lists = filter_limitdown_stock(context, check_out_lists) check_out_lists = filter_paused_stock(check_out_lists) # 取需要的只数 check_out_lists = check_out_lists[:g.buy_stock_count] # 买卖 adjust_position(context, check_out_lists) ## 收盘后运行函数 def after_market_close(context): log.info(str('函数运行时间(after_market_close):' + str(context.current_dt.time()))) # 得到当天所有成交记录 trades = get_trades() for _trade in trades.values(): log.info('成交记录：' + str(_trade)) log.info('一天结束') log.info('##############################################################') # 自定义下单 # 根据Joinquant文档，当前报单函数都是阻塞执行，报单函数（如order_target_value）返回即表示报单完成 # 报单成功返回报单（不代表一定会成交），否则返回None def order_target_value_(security, value): if value == 0: log.debug("Selling out %s" % (security)) else: log.debug("Order %s to value %f" % (security, value)) # 如果股票停牌，创建报单会失败，order_target_value 返回None # 如果股票涨跌停，创建报单会成功，order_target_value 返回Order，但是报单会取消 # 部成部撤的报单，聚宽状态是已撤，此时成交量>0，可通过成交量判断是否有成交 return order_target_value(security, value) # 开仓，买入指定价值的证券 # 报单成功并成交（包括全部成交或部分成交，此时成交量大于0），返回True # 报单失败或者报单成功但被取消（此时成交量等于0），返回False def open_position(security, value): order = order_target_value_(security, value) if order != None and order.filled > 0: return True return False # 平仓，卖出指定持仓 # 平仓成功并全部成交，返回True # 报单失败或者报单成功但被取消（此时成交量等于0），或者报单非全部成交，返回False def close_position(position): security = position.security order = order_target_value_(security, 0) # 可能会因停牌失败 if order != None: if order.status == OrderStatus.held and order.filled == order.amount: return True return False # 交易 def adjust_position(context, buy_stocks): for stock in context.portfolio.positions: if stock not in buy_stocks: log.info("stock [%s] in position is not buyable" % (stock)) position = context.portfolio.positions[stock] close_position(position) else: log.info("stock [%s] is already in position" % (stock)) # 根据股票数量分仓 # 此处只根据可用金额平均分配购买，不能保证每个仓位平均分配 position_count = len(context.portfolio.positions) if g.buy_stock_count > position_count: value = context.portfolio.cash / (g.buy_stock_count - position_count) for stock in buy_stocks: if context.portfolio.positions[stock].total_amount == 0: if open_position(stock, value): if len(context.portfolio.positions) == g.buy_stock_count: break # 过滤停牌股票 def filter_paused_stock(stock_list): current_data = get_current_data() return [stock for stock in stock_list if not current_data[stock].paused] # 过滤ST及其他具有退市标签的股票 def filter_st_stock(stock_list): current_data = get_current_data() return [stock for stock in stock_list if not current_data[stock].is_st and 'ST' not in current_data[stock].name and '*' not in current_data[stock].name and '退' not in current_data[stock].name] # 过滤涨停的股票 def filter_limitup_stock(context, stock_list): last_prices = history(1, unit='1m', field='close', security_list=stock_list) current_data = get_current_data() # 已存在于持仓的股票即使涨停也不过滤，避免此股票再次可买，但因被过滤而导致选择别的股票 return [stock for stock in stock_list if stock in context.portfolio.positions.keys() or last_prices[stock][-1] < current_data[stock].high_limit] # return [stock for stock in stock_list if stock in context.portfolio.positions.keys() # or last_prices[stock][-1] < current_data[stock].high_limit * 0.995] # 过滤跌停的股票 def filter_limitdown_stock(context, stock_list): last_prices = history(1, unit='1m', field='close', security_list=stock_list) current_data = get_current_data() return [stock for stock in stock_list if stock in context.portfolio.positions.keys() or last_prices[stock][-1] > current_data[stock].low_limit] ~~~ ***测试结果***