量化研究--开放ptrade西蒙斯全天候ETF策略动量策略
文章声明:本内容为个人的业余研究，和任何单位，机构没有关系，文章出现的股票代码，全部只是测试例子，不做投资参考，投资有风险，代码学习使用，不做商业用途
ptrade运行在证券公司的服务器，稳定性好，不需要怎么样维护就可以24小时运行，群友需要一个ptrade的实盘交易模板，我把聚宽的动量策略改到了ptrade给大家参考实盘写，今天的行情可以
我挂的ptrade策略测试还可以的，我在迁移小市值，指数增强策略到ptrade
实盘交易的挂的策略数据
pt非常的稳定
策略的原理
该“西蒙斯全天候ETF动量策略”是一个设计良好、逻辑清晰、具备基础风控的中期动量轮动策略。它非常适合作为Ptrade平台的入门到进阶的实盘策略进行学习和实践。
其最大的亮点在于通过一个分散的ETF池和简单的动量规则，试图捕捉不同类别资产的中期上涨趋势，并在趋势不明时自动转入防御状态。
策略核心逻辑分析 (Core Strategy Logic)
该策略本质上是一个动量因子驱动的单一资产轮动策略。其核心思想可以概括为：
-
选择一篮子不同资产类别的ETF（如黄金、美股、港股、债券、商品、A股不同风格），构建一个“全天候”的备选池。
-
定期计算备选池中每个ETF在特定回顾期（20天）内的动量（涨幅）。
-
买入并持有过去20天内动量最强（涨幅最大） 的那一只ETF。
-
风险控制：如果所有ETF的动量都为负（即过去20天都在下跌），则策略默认买入国债ETF（
511090.SS）以规避风险，寻求避险资产的稳定收益。 -
定期轮动：每5个交易日检查并执行一次上述调仓操作。
代码模块逐行解析 (Code Walkthrough)
1. 初始化函数 initialize(context)
这是策略的设置环节，在所有回测或实盘交易开始前只执行一次。
-
g.trader_type和g.user_cash: 提供了两种模式。“默认”模式使用账户全部资金，“自定义”模式使用固定金额。这增加了策略的灵活性。 -
context.ETF_POOL: 这是策略的核心之一。作者精心挑选了9只ETF，覆盖了：-
大宗商品: 黄金(
518880)、豆粕(159985) -
海外资产: 纳斯达克(
513100)、恒生科技(513130) -
固定收益/避险资产: 国债(
511010)、30年国债(511090) -
A股不同风格: 红利(
515100)、创业板(成长159915)、中证1000(小盘成长512100) -
评价：这个组合确实体现了“全天候”的思想，试图在各种宏观环境下（增长、通胀、衰退）都能有表现不错的资产被选中。但组合中缺乏最核心的宽基指数（如沪深300ETF），这是一个值得注意的特点或遗漏。
-
-
context.rebalance_days = 5: 调仓频率。5天一次降低了交易频率，契合动量因子中期有效的特性，同时也有效控制了交易成本。 -
context.days = 20: 动量计算周期。20个交易日（约1个月）是动量策略中非常常用和经典的回顾期。 -
run_daily(rebalance, time='10:00'): 每天上午10点运行rebalance函数，但函数内部有判断，并非每天都会调仓。
2. 动量计算函数 calculate_momentum(etf, context)
-
计算方法:
(最新价 - 20日前价) / 20日前价。这是最简单、最直接的动量（或称“速率”）计算方式。 -
异常处理: 使用
try-except捕获可能的数据获取错误（如ETF尚未上市），并返回一个极低的动量值(-100)，确保有问题的ETF不会被选中。这是一个很好的编程实践。 -
潜在问题: 函数内使用
get_price并指定开始日期为'20200101'，在回测中没问题，但在 long-running 的实盘中，每次调用都获取从2020年至今的全部数据再截取最后20天，效率极低，会给服务器造成不必要的压力。应优化为直接获取最近context.days+1天的数据。
3. 选择最佳ETF函数 get_top_momentum_etf(etf_pool, context)
-
使用字典推导式计算池中所有ETF的动量。
-
使用
max(scores, key=scores.get)找到动量值最大的ETF代码。逻辑清晰简洁。
4. 调仓函数 rebalance(context, data=None)
这是策略的执行中枢。
-
调仓周期判断:
context.days_since_rebalance计数器用于确保每5个交易日才执行一次调仓逻辑。 -
动量阈值风控: 这是策略另一个核心点。在选中动量最强的ETF后，会检查其动量值是否大于0。如果连最强的动量都为负，则说明所有资产处于普跌的弱势环境，此时策略 Override 选择，买入30年期国债ETF(
511090.SS)进行防御。这是一个非常关键且有效的风险控制机制。 -
交易执行:
-
只有当目标ETF与当前持仓ETF不同时，才执行调仓（先卖后买），避免了不必要的交易。
-
根据
g.trader_type决定下单金额（全仓或固定金额）。
-
-
日志输出: 大量的
print语句非常适合实盘模拟盘调试，可以清晰跟踪策略的每一步决策。
策略评价与潜在问题 (Evaluation & Potential Issues)
优点 (Strengths):
-
逻辑清晰简洁：策略很容易理解和实现，因子的经济学逻辑（动量效应）也广为人知。
-
资产配置分散：ETF池覆盖多个低相关性的资产类别，理论上能平滑曲线，降低单一市场风险。
-
内置风控：动量负值转向国债的规则提供了下行保护，这是策略稳健性的重要保证。
-
交易频率适中：5天调仓一次兼顾了策略敏感度和交易成本。
潜在问题与改进点 (Weaknesses & Improvements):
-
动量指标单一：仅使用20期收益率代表动量，可能噪音较大。可考虑加入动量趋势的稳定性作为过滤条件（例如，要求价格在20日均线之上），或使用综合动量指标（如
ROC(20) * 0.5 + ROC(50) * 0.3 + ROC(120) * 0.2）。 -
“龟兔赛跑”问题：策略永远只持有第一名。如果某个ETF短期暴涨后动能衰竭，策略会立即切换到新的第一名，可能导致频繁追高并在反转点买入。可以考虑设置动量阈值（例如，新动量的领先优势必须超过原持仓动量一定比例才切换），以减少无效交易。
-
数据获取效率：如前所述，
calculate_momentum函数内的数据获取方式在实盘中效率低下，需要优化。 -
极端行情下的流动性问题：策略没有考虑ETF本身的流动性（成交量）。如果选中一只成交量很小的ETF，大资金实盘交易会产生巨大的冲击成本。
-
参数优化：
20天动量窗口和5天调仓周期是默认参数，其有效性需要针对历史数据进行回测优化，并警惕过拟合风险。 -
无止损机制：策略依赖于动量值为负时切换至国债来进行风控，但对于已持仓的品种，没有设置个股级别的止损线。
回测的结果，详细的分析内容
量化研究--开放ptrade西蒙斯全天候ETF策略动量策略
https://mp.weixin.qq.com/s/uAPzg2SsjgcvN_3xSN1YpA
更多pt实盘在上线
pt动量模板直接加我获取就可以，学习使用，多模拟盘测试，参考写实盘
'''西蒙斯全天候ETF策略动量策略ptrade实盘交易回测模板，先模拟盘测试熟悉作者:西蒙斯量化时间:20250825作者微信:xg_quant'''def initialize(context):#交易类型=默认/自定义g.trader_type='默认'#自定义金额g.user_cash=50000g.holdetf = ''context.ETF_POOL = ['518880.SS', # 黄金ETF（大宗商品）'513100.SS', # 纳指100（海外资产）'513130.SS', # 恒生科技（海外资产）'515100.SS', # 红利ETF（红利产品）'159985.SZ', #大宗豆粕ETF（大宗商品）'511010.SS', # 国债ETF（国债产品）'511090.SS', # 30年国债ETF（国债产品）'159915.SZ', # 创业板100（成长股）'512100.SS', # 中证1000ETF（成长股）]# 调仓频率,5天轮动一次context.rebalance_days = 5#运行天数记录context.days_since_rebalance = 0#动量周期context.days=20# 定时运行函数run_daily(context,rebalance, time='10:00')# 动量因子计算def calculate_momentum(etf, context): # 新增context参数days=context.daystry:# 获取过去n+1天的收盘价current_dt=context.blotter.current_dtcurrent_dt=current_dt.strftime('%Y-%m-%d')prices=get_price(etf, start_date='20200101', end_date=current_dt, frequency='1d')['close'].tolist()[-days:]# 计算动量return (prices[-1] - prices[0]) / prices[0]except:print(etf,'可能没有上市有问题')return -100# 获取动量最高的ETFdef get_top_momentum_etf(etf_pool, context): # 添加context参数scores = {etf: calculate_momentum(etf, context) for etf in etf_pool}return max(scores, key=scores.get)# 调仓函数def rebalance(context, data=None):current_dt=context.blotter.current_dtcurrent_dt=current_dt.strftime('%Y-%m-%d')# 每隔指定天数调仓一次if context.days_since_rebalance < context.rebalance_days:context.days_since_rebalance += 1print("{} 目前不是轮动时间 目前已经轮动时间{}".format(current_dt,context.days_since_rebalance))returncontext.days_since_rebalance = 0target_etf = get_top_momentum_etf(context.ETF_POOL, context) # 添加context参数print("{}今天动量最大的标的{}".format(current_dt,target_etf))# 新增动量值判断逻辑：当最高动量小于0时选择国债ETFmomentum_score = calculate_momentum(target_etf, context) # 添加context参数if momentum_score < 0:target_etf = '511090.XSHG' # 30年国债ETF代码if target_etf != g.holdetf:if g.holdetf != '':order_target_value(g.holdetf, 0)g.holdetf = target_etf