量化交易之羊驼算法在python中的实现

0 起源
美国《旧金山纪事报》曾做大猩猩选股实验。把各种股票代码写在一块纸板上，让大猩猩向写有股票代码的纸板投标，用此方法让大猩猩挑选出5只股票。然后用大猩猩挑选的股票组合与《华尔街日报》8位知名分析师精心挑选的5只比较，结果是大猩猩与分析师选的收益率不相上下。
1 羊驼策略
甘肃卫视电视节目将大猩猩换成了羊驼来选股
2 算法策略
将股票按收益率排序，卖掉买入股中最差收益率的，加入未买股中收益率最高的
3 代码
运行平台：joinquant

import random
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
import scipy.stats as stats
import math
# 股票池为所有沪深300的股票
stocks = get_index_stocks('000300.XSHG')
#股票池中有多少股票
num=len(stocks)
set_universe(stocks)
set_commission(PerTrade(buy_cost=0.0008, sell_cost=0.0015, min_cost=5))
set_slippage(FixedSlippage(0))
#初始买入15只股票
num_of_stocks=15
#每次更新时替换2只股票
num_of_change=2
#计算1日收益率
period=1
#用一个列表来保存每天持有的股票代码
stockshold=[]
#判断参数输入是否符合条件，如果不符合，则重置为默认值
if num_of_stocks>num:
    log.info("too large num_of_stocks")
    num_of_stocks=10
elif num_of_change>num_of_stocks:
    log.info("too large num_of_change")
    num_of_change=1
#预处理数据，将没有数据的股票剔除，同时加入收益率
#构成一个列索引为股票名，收益率一行的索引为
#'return'的dataframe，并返回这个dataframe
def process():
    #取出每只股票period天的收盘价格
    stocks_info=history(period,'1d','close')
    #去除信息不全的数据
    stocks_info.dropna(axis=0,how='any',thresh=None)
    #取出昨天和period天之前的收盘价，计算收益率
    a1=list(stocks_info.iloc[0])
    a2=list(stocks_info.iloc[period-1])
    a1=np.array(a1)
    a2=np.array(a2)
    #用一个dataframe来保存所有股票的收益率信息
    stocks_return=DataFrame(a2/a1,columns=['return'],index=stocks_info.columns)
    stocks_info=stocks_info.T
    #把收益率的数据加到相应的列
    stocks_info=pd.concat([stocks_info,stocks_return],axis=1)
    #将股票信息按照收益率从大到小来存储
    stocks_info=stocks_info.sort(columns=['return'],ascending=[False])
    #返回处理好的dataframe
    return stocks_info

#股票入池
def BuyStocks(stocks_info,cash):
    #计算现在持有的股票数
    current_num=len(stockshold)
    stocks_info=stocks_info.T
    #将已持有的股票从股票池中剔除
    for i in range(0,current_num):
        if stockshold[i] in stocks_info.columns:
            del stocks_info[stockshold[i]]
    stocks_info=stocks_info.T
    #计算在每只股票上可以支付的现金
    if num_of_stocks-current_num>0:
        cash=cash/(num_of_stocks-current_num)
    for i in range(0,num_of_stocks-current_num):
        #取得股票当前的价格
        current_price=stocks_info['current_price'][i]
        #判断是否有价格数据
        if math.isnan(current_price)==False:
            #计算可以每只股票可以购买的数量
            num_of_shares=int(cash/current_price)
            if num_of_shares>0:
                order(stocks_info.index[i],+num_of_shares)
                log.info("buying %s" %(stocks_info.index[i]))
                #将购买的股票代码加到stockhold中
                stockshold.append(stocks_info.index[i])
#股票出池
def SellStocks(stocks_info):
    stocks_hold=DataFrame()
    current_num=len(stockshold)
    #用一个dataframe来保存持有的股票的信息
    for i in range(0,current_num):
        stocks_hold=pd.concat([stocks_hold,stocks_info.loc[stockshold[i]]],axis=1)
    stocks_hold=stocks_hold.T
    #在持有的股票数不为0时，将持有的股票信息按照收益率大小从小到大排序
    if current_num>0:
        stocks_hold=stocks_hold.sort(columns=['return'])
     #把收益率最低的股票卖空
    for k in range(0,min(num_of_change,current_num)):
        #判断是否停牌
        if stocks_hold['paused'][k]=='False':
            order_target(stocks_hold.index[k],0)
            log.info("Selling %s" % (stocks_hold.index[k]))
            #在stockshold中去除已经卖空的股票的信息
            stockshold.remove(stocks_hold.index[k])

# 每个单位时间(如果按天回测,则每天调用一次,如果按分钟,则每分钟调用一次)调用一次
def handle_data(context, data):
    stocks_info=process()
    stocks_num=len(stocks_info.index)
    #用一个列表来保存所有股票是否停牌的信息
    pause=[]
    for i in range(0,stocks_num):
        if data[stocks_info.index[i]].paused==True:
            pause.append('True')
        else:
            pause.append('False')
    #将列表转换成dataframe以便加入到stocks_info中
    paused=DataFrame(pause,columns=['paused'],index=stocks_info.index)
    stocks_info=pd.concat([stocks_info,paused],axis=1)
    #用一个列表来保存所有股票当前的价格信息
    currentprice=[]
    for i in range(0,stocks_num):
        currentprice.append(data[stocks_info.index[i]].price)
    current_price=DataFrame(currentprice,columns=['current_price'],index=stocks_info.index)
    #将股票是否停牌，当前价格的信息添加到stocks_info中
    stocks_info=pd.concat([stocks_info,current_price],axis=1)
    #取得当前现金
    cash=context.portfolio.cash
    #执行卖出股票的函数
    SellStocks(stocks_info)
    #执行买入股票的函数
    BuyStocks(stocks_info,cash)

4 2017年1月1日到2017年6月18日的交易运行回测