可转债TYM (到期收益率) 因子回测， vs 双低 低溢价 低价格

行业轮动策略（思想+源码）

       行业轮动策略是一种主动交易策略，旨在利用市场趋势以最大化投资收益。其核心是通过轮换配置不同表现行业的投资品种，抓住强势行业，剔除表现不佳的行业，特别是在市场表现不佳时，适当降低权益类仓位，提高债券或货币比例。

       行业轮动受到多种因素的影响，包括经济周期、产业链结构和行为金融学。经济周期的四个阶段（衰退、复苏、过热、滞涨）对不同行业产生不同影响，而美林“投资时钟”理论为识别经济周期的关键转折点提供了工具，帮助投资者据此转换资产以实现获利。产业链的划分，上中下游行业各自具有明显的盈利周期和弹性差异，形成了行业轮动的基础。行为金融学揭示了投资者行为如何在市场中形成板块联动，以及在转轨经济和新兴市场中，政策预期对股价冲击传导机制的影响。

       轮动策略分为主动和被动两种类型。主动轮动通过预测未来强势行业的代理变量进行投资决策，而被动轮动则在轮动趋势确立后进行相关行业的投资。策略的关键在于选择强势行业，并通过动量得分来衡量行业表现。动量得分是基于行业不同周期的收益率加权确定的。

       策略设计通常涉及计算各行业过去一段时间的收益率，确定动量得分，进而找出强势行业。在选择强势行业后，策略会投资该行业中排名前几位的优质股票。关键参数包括计算收益率的时间周期、行业权重和动量得分的加权方法。

       回测结果显示，策略在过去的若干年内表现出显著的超额收益，超过沪深基准指数，总收益接近%。这一结果反映了策略的有效性，尤其是在市场风格变化的背景下。策略源代码已提供，欢迎研究和探讨。

D7 微赚.元可转债-第2周1天

        今日账户情况:

        当前市值 . 元 ,当日盈亏 -. 元,总盈亏 +. 元

        持有可转债只

        今日操作:

        无操作

        今日分享:

        可转债的好处是，下有保底，它是个债，每年都有利息，到期按元面值还本。如果正股出现大涨，可转债也不会踏空，会跟着涨。

        买可转债，最好抱着长期持有，大不了就拿利息的心态，适合那种暂时不想参与股票投资的钱。

        最近一段时间,自己研究可转债比较多,发现可转债确实是 下有保底,上不封顶 的赖皮投资标的.

        通过 历史 数据回测，发现可转债轮动策略能获得比较好的年化，拍脑袋决定能获得%的收益年化。那么这里制定一个年复利定投实盘计划。

        该计划于年8月号开始，于年8月日中止。

        初始建仓资金，可加仓资金（债市大幅回撤时加仓使用）,共计

        按照自身收入计算，每年拿出加入到复利定投实盘计划中

定投期：年 达标年化收益：%

初步期望计算：

        第十个年头，即年8月日，总投入本金

        在可转债规则不变化情况下，期望理想期末总资产为：.元

风险提示：本文所提到的观点仅代表个人的意见，所涉及标的不作推荐，据此买卖，风险自负。

有哪些量化交易策略?

       量化交易策略丰富多样，适用于不同市场和投资目标。以下列举一些策略，以供参考。

       使用TA Lib指标构建交易策略，BigQuant提供了丰富的技术分析工具，帮助投资者识别市场趋势。

       双低策略，专注于可转债市场，寻找低价格、低溢价率的投资标的，以期获得收益。

       小市值稳定增长策略，关注小市值股票，通过长期持有并追求稳定增长来获取回报。

       多空对冲AI期货策略，利用人工智能技术预测期货市场走势，通过对冲操作降低风险。

       布林带通道突破策略适用于高频交易，寻找价格突破通道上界或下界的时机，进行买卖操作。

       自选基金行情回测策略，通过历史数据模拟基金表现，优化投资组合。

       多头排列回踩买入策略，关注股票的长期趋势，寻找回调至多头排列时的买入机会。

       行业轮动基本面选股策略，结合行业表现和公司基本面信息，选择具有增长潜力的股票。

       潜力股策略，通过分析公司成长性、财务指标等，筛选出有较高增长潜力的股票。

       指数择时策略，通过预测指数走势，适时调整投资组合，以获取超额收益。

       质量投资策略，关注公司盈利能力、现金流、财务健康状况等，选择优质公司进行投资。

       止盈止损与大盘风控逻辑，设置合理的交易规则，保护投资组合免受市场波动影响。

       大类资产配置ETF基金交易策略，分散投资于不同资产类别，实现风险与收益的平衡。

       事件驱动策略，基于公司财报发布等特定事件，预测股价变动，进行交易操作。

       羊驼策略，关注流动性较高、波动率适中的股票，通过灵活操作实现收益。

       低波高活跃策略，寻找波动性低、交易量高的股票，利用其稳定性与流动性获取收益。

       量价相关性策略，分析成交量与价格之间的关系，预测市场趋势。

       市收率策略，关注股票的市盈率、市净率等指标，寻找估值合理、成长性高的投资标的。

       股息率策略，选择高股息率股票，通过定期分红获取稳定收益。

       微盘策略，专注于交易量较小的股票，寻找其价格变动的机会。

       选股策略，综合考虑多种因素，筛选出具有投资价值的股票，构建投资组合。

       简单动量策略，基于历史价格变动，选择近期表现良好的股票进行投资。

pyalgotrade量化回测框架简单试用

       持续行动1期 /，“AI技术应用于量化投资研资”之可转债投资。

       今天我们要探讨的是量化投资中的一个重要环节——回测。

       提到量化，很多人首先想到的就是回测系统，编写一个策略，添加几个技术指标，看看效果。

       在此之前，我们一直在讨论数据和因子，它们是量化的核心。回测系统只是一个工具，而且有很多成熟的开源项目，例如quantopian等平台，提供了数据源。

       我将分享四个量化回测引擎：pyalgotrade， backtrader，我自研的以及qlib内置的。

       特别说明，qlib内置的回测系统适用于机器模型驱动的策略，但如果你需要改造成传统事件驱动的策略，也可以自己实现。我可能会考虑将我的回测系统与qlib框架相结合，如果有必要的话。

       今天我们先来看一个简单的例子：pyalgotrade。

       安装很简单：pip install PyAlgoTrade

       它的版本停留在0.2，虽然不再维护，但基本能满足需求。

       github.com/gbeced/pyalg...

       文档地址：

       gbeced.github.io/pyalgo...

       pyalgotrade-docs-zh-cn.readthedocs.io...

       有人改进了国内市场的版本，开源地址如下：

       github.com/Yam-cn/pyalg...

        hello pyalgotrade

       由于yahoofinance不再适用于获取csv数据，我们使用自己的格式下载。

       我们使用茅台的股票数据。

       pyalgotrade的数据列以大写字母开头，并且必须有复权价。

       接下来，我们将展示如何打印收盘价：

        参数优化

       以下是本地参数集回测的代码。

       pyalgotrade虽然小巧，但功能齐全。

       尤其是对于编写传统的技术面策略，如均线、MACD、动量等，非常合适。

       交易的股票数量不多，因子也较少，买卖规则清晰。

        多支股票轮动

       这是我们最需要的场景。

       然而，我们的数据格式是dataframe计算好的指标，而pyalgotrade只能从csv文件中添加数据，这有些麻烦。

       我们可以参考其买卖状态的可视化部分的代码。

       backtrader也存在着类似的缺陷，这些传统的量化框架更适合技术分析的量化，需要加载的数据量较少，因子也较少。

       接下来，我们将讨论自主研发的量化框架。

       飞狐，科技公司CTO，用AI技术做量化投资；以投资视角观历史，解时事；专注个人成长与财富自由。