rqalpha

https://zhuanlan.zhihu.com/p/107991124 导读：红利选股是一类重要的投资策略。能够进行现金分红的上市公司通常基本面良好，账面有充足的现金流；而分红再投资则能为投资者带来长期的复利收益。本报告介绍了市场上主流的红利指数，对其编制方案的优缺点进行了讨论（第1部分）。基于米筐科技量化投研产品（详见附录4.3~4.5节），本报告构建了沪深300和中证500指数增强型股息率策略（第2部分），并对不同情况下策略的表现进行了详细测试（第3部分）。基于历史表现对比，本报告提出的预期股息率策略取得了较好的指数增强效果；此外，市场上红利指数具有高个股/行业集中度的特征，导致其在不同市场环境下表现容易出现起伏。而本报告提出的股息率策略行业配置较为均衡，并展示出较好的风险控制效果，因此更适合用于长期资产配置。 一 目录 1 红利指数介绍 2 预期股息率策略 2.1 预期股息率指标 2.2 选股方式 2.3 权重优化 2.4 收益计算中的现金分红 3 策略历史表现分析 3.1 考虑/不考虑市盈率对比 3.2各种加权方式对比 3.3控制/不控制量化因子风险敞口对比 3.4中证500预期股息率增强 3.5策略总结 一 红利指数介绍 稳定的现金分红是企业经营情况稳健的重要标志。在市场下行阶段，高股息个股稳定的现金收益，加上低估值提供的安全边际，会使其具有类固收的特征

前面已经可以简单的跑起来了，只不过是日线级的股票，我们最终目标是5分钟级的期货 由于平台不支持5分钟数据，因此这些数据需要我们手动解决，分两块，一块是历史数据的获取，一块是实时数据的采集。先搞定历史数据。 目前看通达信的数据还算是比较靠谱的。股指期货主要有IF,IC,IH三个，以IF为例，由于通常我们要的数据比较多一点，通常是1年以上而非1个月，因此用主连IFL8 一、获取数据： 点击下载即可， 然后利用通达信的导出功能： 然后打开数据看一下： 考虑到后期各种处理，因此最好还是将这些数据存于数据库中，存好后形如： 二、转换数据 顺便说一下，通达信上的数据IFL8是完全按照各主力合约拼接而成，通过下载期货合约的实时行情数据进行合并成5分钟数据，然后与主力合约K线的开高低收量及持仓进行对比，基本上没有什么误差。 当然，之前的历史数据从通达信上获取，后面的数据以及动态生成的历史有能力的还是从实时行情生成为好。毕竟股指期货一个点就是200或300块，随便搞一手就是几万的盈亏，数据还是用自己的安心点。 由于rqalpha没有提供分钟级数据，因此我们要将获取的数据转成rqalpha识别的数据ndarray 先看ndarray的数据类型： dtype = np.dtype([( ' date ' , ' <u4 ' ), ( ' time ' , ' <u4 ' ), ( ' open ' ,

目标：实现一个针对股指期货以boll为主的综合指标的回测。 程序利用rqalpha v3.4.0的完全版与v3.4.1的合并版，目标是将其完全改造，删除不需要的模块，只针对期货。使得代码规模成倍缩小，降低复杂度。 首先看程序入口： rqalpha. __main__ :entry_point 即rqalpha.__main__.entry_point()函数为程序起点。 然后在这里面完成两样， inject_mod_commands()是将config配置， mod模块注入 cli(obj={}) 为调用命令行参数，根据参数调用对应的函数。 1 update-bundle: 通过参数:update-bundle进行数据更新 附调试图 通过命令行参数：update-bundle直接映射到__main__.py中的函数： update_bundle() default_bundle_path:　'C:\\Users\\lu\\.rqalpha\\bundle' url: 'http://cdn.ricequant.com/bundles_v3/rqbundle_20200420.tar.bz2' 将之下载下来后解压，放在path中，更新数据完成。 2 mod list 附调试图： 通过参数mod调用 通过后续转为子命令，通过 locals()[cmd](params)完成内嵌函数的调用

Funcat Funcat 将同花顺、通达信、文华财经等的公式移植到了 Python 中。 同花顺、通达信、文华财经麦语言等公式的表达十分简洁，适合做技术分析。 苦于 Python 缺乏这种领域特定语言的表达能力，所以用 Python 基于 numpy 实现了一套。 安装 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U funcat notebooks 教程 quick-start API 行情变量 开盘价： OPEN O 收盘价： CLOSE C 最高价： HIGH H 最低价： LOW L 成交量： VOLUME V VOL 工具函数 n天前的数据： REF REF ( C , 10 ) # 10天前的收盘价 金叉判断： CROSS CROSS ( MA ( C , 5 ), MA ( C , 10 )) # 5日均线上穿10日均线 两个序列取最小值： MIN MIN ( O , C ) # K线实体的最低价 两个序列取最大值： MAX MAX ( O , C ) # K线实体的最高价 n天都满足条件： EVERY EVERY ( C > MA ( C , 5 ), 10 ) # 最近10天收盘价都大于5日均线 n天内满足条件的天数： COUNT COUNT ( C > O , 10 ) #

1 setup 安装 C:\work\python\rqalpha\setup.py install C:\work\python\rqalpha 2 mod list 列出mod C:\work\python\rqalpha\rqalpha-script.py mod list C:\work\python\rqalpha 3 update-bundle 下载日线级数据 C:\work\python\rqalpha\rqalpha-script.py update-bundle C:\work\python\rqalpha 4 buy_and_hold 回测范例 C:\work\python\rqalpha\rqalpha-script.py run -f C:\work\python\rqalpha\rqalpha\examples\buy_and_hold.py -s 2017-01-01 -e 2017-06-01 --account stock 100000 –plot C:\work\python\rqalpha 来源： https://www.cnblogs.com/luhouxiang/p/11628162.html