《QMT量化实战系列》支持自定义筛选与排序的多因子策略，实测年化收益超100%

发表于 5 小时前

今天，公众号将为全网读者带来QMT量化实战系列！

公众号将为大家多维度、多策略、多场景来讲述QMT量化平台的实践应用。同时，我们对每段代码都做了解读说明，愿你在Quant的道路上学有所获！

此系列将由浅入深，每月1~2期，大家敬请期待！

今日复现策略：《支持自定义筛选与排序的多因子策略》

策略逻辑解读

🧠 数据获取

通过Tushare获取数据，合成因子

"""获取股票列表"""

pick_date = ContextInfo.pick_date

# 获取股票每日指标

daily_basic = pro.daily_basic(trade_date=pick_date)

# 获取股票历史列表

bak_basic = pro.bak_basic(trade_date=pick_date)

# 合并两个数据

merged_df = daily_basic.merge(bak_basic, on=['trade_date', 'ts_code'], how='inner', suffixes=('', '_bak'))

# 去除重复列

merged_df = merged_df[[col for col in merged_df.columns if not col.endswith('_bak')]]

# 计算上市天数

merged_df['listed_days'] = (

pd.to_datetime(str(pick_date), format='%Y%m%d', errors='coerce') -

pd.to_datetime(merged_df['list_date'].astype(str).str.strip(), format='%Y%m%d', errors='coerce')).dt.days

复制代码

因子清单

因子字段	中文描述
ts_code	TS股票代码
trade_date	交易日期
close	当日收盘价
turnover_rate	换手率（%）
turnover_rate_f	换手率（自由流通股）
volume_ratio	量比
pe	市盈率
pe_ttm	市盈率（TTM）
pb	市净率
ps	市销率
ps_ttm	市销率（TTM）
dv_ratio	股息率（%）
dv_ttm	股息率（TTM）（%）
total_share	总股本（万股 / 亿股）
float_share	流通股本（万股 / 亿股）
free_share	自由流通股本（万）
total_mv	总市值（万元）
circ_mv	流通市值（万元）
name	股票名称
industry	所属行业
area	所属地域
total_assets	总资产（亿）
liquid_assets	流动资产（亿）
fixed_assets	固定资产（亿）
reserved	公积金
reserved_pershare	每股公积金
eps	每股收益
bvps	每股净资产
list_date	上市日期
undp	未分配利润
per_undp	每股未分配利润
rev_yoy	收入同比（%）
profit_yoy	利润同比（%）
gpr	毛利率（%）
npr	净利润率（%）
holder_num	股东人数

🔍 筛选逻辑

通过因子筛选股票，因子列表的因子都能用于筛选

# 排除所有名称中包含“ST”或“st”的股票
stocks_info = stocks_info[~stocks_info['name'].str.contains('ST', case=False, na=False)]
# 排除上市天数小于365天的股票
stocks_info = stocks_info[stocks_info['listed_days'] >= 365]
# 排除创业板
stocks_info = stocks_info[~stocks_info['ts_code'].str.startswith('30')]
# 排除科创板
stocks_info = stocks_info[~stocks_info['ts_code'].str.startswith('68')]
# 保留北交所
#stocks_info = stocks_info[stocks_info['ts_code'].str.startswith(('8', '9','4'))]
# 保留深证
stocks_info = stocks_info[stocks_info['ts_code'].str.startswith(('00'))]
# 排除北交所
#stocks_info = stocks_info[~stocks_info['ts_code'].str.startswith(('8', '9','4'))]

复制代码

📊 排序逻辑

支持多因子自定义排序，并允许为各因子分配独立权重，实现更精细的打分和排序逻辑。

单因子

# 按总市值从小到大排序权重1
factors = [ {'指标': 'total_mv', '次序': '从小到大', '权重': 1}]

复制代码

双因子

# 按总市值和流通市值排序权重分别是1和2
factors = [ {'指标': 'total_mv', '次序': '从小到大', '权重': 1}, {'指标': 'circ_mv', '次序': '从小到大', '权重': 2},]

复制代码

多因子

# 按总市值、流通市值、收盘价排序权重分别是10、20、2
factors = [ {'指标': 'total_mv', '次序': '从小到大', '权重': 10}, {'指标': 'circ_mv', '次序': '从小到大', '权重': 20}, {'指标': 'close', '次序': '从小到大', '权重': 2},]

复制代码

🔁 交易逻辑卖出逻辑

根据因子排序找出每个持仓的当前排名
如果股票排名 ≥ sell_rank 或不在候选列表，全仓卖出

"""卖出方法"""
sell_codes = []
code_list= list(stocks_info['ts_code'])
positions = get_trade_detail_data(ContextInfo.account, 'stock', 'position')
pos_codes = [f"{p.m_strInstrumentID}.{p.m_strExchangeID}" for p in positions]
daily_data = ContextInfo.get_market_data_ex([],pos_codes, period = "1d", start_time = ContextInfo.trade_date, end_time = ContextInfo.trade_date,count=1)
for item in positions:
code = f"{item.m_strInstrumentID}.{item.m_strExchangeID}"
volume = item.m_nVolume
# 交易日收盘价
price = round(daily_data[code]['close'].iloc[0],2)
# 当前排名
current_rank = code_list.index(code) if code in code_list else 9999
# 当前排名大于卖出排名就卖出
if current_rank>=ContextInfo.sell_rank:
logger.info(f'[触发卖出] 标的：{code} 卖出数量：{item.m_nVolume} 最新价格：{price} 当前排名：{current_rank} 卖出排名：{ContextInfo.sell_rank}')
passorder(24, 1101, ContextInfo.account, code, 11,price , volume, "示例", 2, "投资备注",ContextInfo)
sell_codes.append(code)

复制代码

买入逻辑

获取当前持仓股票代码集合
从目标列表剔除已持仓和待卖股票，得到买入候选池
计算最大可买入数量，确保持仓总数不超过预设上限
根据账户总资产均分资金，计算每只股票的买入金额及对应买入股

"""买入方法"""
# 当前持仓代码集合
current_positions = get_trade_detail_data(ContextInfo.account, 'stock', 'position')
current_codes = {f"{p.m_strInstrumentID}.{p.m_strExchangeID}" for p in current_positions}
# 需要买入的股票代码（不在当前持仓也不在卖出列表）
buy_candidates = set(target_codes) - set(current_codes) - set(sell_codes)
# 最多还能买多少只股票如果buy_candidates的数量小于max_new_buys那就都买
max_new_buys = min(len(buy_candidates), max(ContextInfo.stock_num - len(current_codes), 0))
buy_count = 0
for code in buy_candidates:
if buy_count >= max_new_buys:
break
# 获取账户总资产
total_asset = get_trade_detail_data(ContextInfo.account, 'stock', 'account')[0].m_dBalance
# 计算单个股票买入金额
order_amount = round(total_asset / ContextInfo.stock_num, 2)
# 获取交易日行情数据
daily_data = ContextInfo.get_market_data_ex([], [code], period="1d", start_time=ContextInfo.trade_date, end_time=ContextInfo.trade_date, count=1)
if code not in daily_data or daily_data[code].empty:
logger.warning(f"[跳过买入] 无法获取行情数据：{code}")
continue
price = round(daily_data[code]['close'].iloc[0], 2)
if price > 0:
quantity = max(int(order_amount / price) // 100 * 100, 0)
if quantity > 0:
passorder(23, 1101, ContextInfo.account, code, 11, price, quantity, "示例", 2, "投资备注", ContextInfo)
logger.info(f'[触发买入] 标的：{code} 买入数量：{quantity} 买入价格：{price}')
buy_count += 1
#print_account(ContextInfo)
else:
logger.warning(f"[跳过买入] 价格为0：{code}")

复制代码

➕ 后续扩展

月份择时
止盈止损
实盘代码

完整代码获取，联系作者开通合作券商账户即可免费加入知识星球(限时)

需要进量化交流群的添加作者微信

《QMT量化实战系列》支持自定义筛选与排序的多因子策略，实测年化收益超100%

回复

关于我们

服务支持

400-080-8112