区间涨幅-最小持有-止盈冷却
就是一个简单的区间涨幅,带有止盈止损功能,
该策略是一个基于动量因子的 ETF 轮动策略,核心逻辑是通过筛选特定周期内动量表现符合条件的 ETF,并结合持有时间限制、止盈规则和冷却机制进行交易决策。以下是策略逻辑的详细分析:
一、策略初始化(initialize 函数)
基准与交易规则:以沪深 300(000300.XSHG)为基准,使用真实价格交易,开启防未来函数,设置交易成本(佣金 0.02%,无税费)。
核心参数定义:
动量周期:25 天(计算过去 25 天的价格动量)。
动量阈值:仅保留动量在 0.04(4%)到 1(100%)之间的 ETF(过滤动量过低或过高的标的)。
最小持有天数:8 天(自然日),避免频繁交易。
止盈规则:涨幅达 10% 时触发止盈,止盈后对应 ETF 进入 4 天冷却期(期间不再次买入)。
全局变量:记录上次交易时间、当前 / 历史持仓 ETF、持仓成本、ETF 池(14 只宽基 / 行业 ETF)、止盈时间字典等。
定时任务:每日 14:50 运行
select函数(筛选标的),14:55 运行trade函数(执行交易)。
二、核心逻辑模块
1. 标的筛选(selection 函数)
计算动量:对每只 ETF,获取过去 25 天的收盘价,计算动量得分((当前收盘价 - 25 天前收盘价)/25 天前收盘价),过滤数据不足的 ETF。
排序与过滤:
按动量得分降序排序(优先选动量高的标的)。
过滤处于止盈冷却期的 ETF(若某 ETF 在 4 天内触发过止盈,则暂时排除)。
保留动量在 0.04~1 之间的 ETF(剔除动量过低或过高的标的)。
结果输出:返回筛选后排名前 2 的 ETF(为后续换仓提供备选)。
2. 交易标的选择(select 函数,14:50 运行)
selection的筛选结果,结合持有时间和止盈规则,确定当日是否换仓及目标标的,逻辑如下:首次开仓:若从未交易(
last_trade_time为 None),直接选取selection返回的第一个 ETF 作为目标。非首次交易:
检查是否触发止盈(当前价格较买入价涨幅≥10%):
若触发止盈:记录止盈时间,若筛选结果只有 1 只 ETF 则清仓,否则换为第 2 只 ETF。
未触发止盈:继续持有当前 ETF。
需满足 “持有天数≥8 天” 才允许调整持仓(避免短期频繁操作)。
若筛选出的首个 ETF 与当前持仓不同:直接将其设为目标标的(准备换仓)。
若筛选出的首个 ETF 与当前持仓相同:
3. 交易执行(trade 函数,14:55 运行 + rotation 函数)
select确定的目标标的,执行实际买卖操作:无目标标的(g.etf 为空):若之前有持仓,则清仓,并重置持仓记录、交易时间等参数。
有目标标的且与当前持仓不同:调用
rotation函数执行换仓:先卖出当前持仓(平仓)。
记录目标 ETF 的当前价格(用于后续止盈计算)。
用全部资金买入目标 ETF(满仓操作)。
更新持仓记录、上次交易时间等参数。
三、关键规则总结
动量驱动:核心是选择过去 25 天动量在 4%~100% 之间的 ETF,优先选排名靠前的标的。
持有约束:单只 ETF 至少持有 8 天,避免短期交易。
止盈保护:涨幅达 10% 时止盈,且止盈后 4 天内不再次买入该 ETF(避免追高)。
轮动逻辑:当筛选出的最优 ETF 与当前持仓不同,且满足持有天数要求时,立即换仓(满仓切换)。
四、策略整体流程
每日 14:50:通过
selection筛选符合条件的 ETF,再通过select结合持有时间、止盈规则确定目标标的。每日 14:55:通过
trade和rotation执行交易,若目标标的变化则换仓,若需清仓则平仓。循环上述过程,持续根据动量变化和规则调整持仓。
该策略本质是通过动量因子捕捉中期趋势,同时用持有天数、止盈和冷却期控制风险,实现 ETF 的轮动配置。

作者文章
- 2026年 QMT & miniQMT 券商支持清单 1周前 (04-15)
- 年化191%的策略,我们拆解下,是否过拟合? 4个月前 (01-05)
- 美军直接抓人!委内瑞拉的石油,美国抢定了? 4个月前 (01-05)
- 量化第一课:backtrader实现双均线策略 4个月前 (12-29)
- Backtrader 最流行的量化回测框架 4个月前 (12-24)
- 1 头部券商开户:超低手续费+QMT+赠送会员 你好,次方量化提供了丰厚的开户权益:(请准备好身份证照片、银行卡号)权益1:手动交易超低手续费股票万1(包规费)ETF万0.5 (包规费)可转债万0.5(包规费)国债逆回购一折以1万本金为例,一年省出一台新iPhone。权益2:赠送次方量化...
- 2 次方量化-微信公众号 次方量化 - 服务号次方量化 - 订阅号微信企业 客服微信...
- 3 GitHub量化交易合集!8类23种干货整理 最近几年,量化交易从“高门槛黑箱”逐渐走向大众化。尤其在A股震荡、加密市场波动加剧的背景下,越来越多程序员、金融从业者甚至学生党开始尝试用代码构建自己的交易系统。而GitHub,无疑是这场“平民量化革命”的主战场。但问题来了:面对成千上万的...
- 4 幻方量化 AI 投资方法技术拆解 幻方量化以 AI 技术为核心,构建了涵盖模型、数据、交易、算力的全链条量化投资体系,其技术框架围绕模型演进、数据处理、交易执行、算力支撑等维度持续优化。核心 AI 模型与策略框架幻方的模型演进历经多因子模型、深度学习到集成框架三个阶段,技术...
- 5 年化191%的策略,我们拆解下,是否过拟合? 看的是这个收益最高的策略,年化这么高,我们稍微调整下,发布出来【1】去掉日交易额小于2000万的ETF,这个盘子太小了,有几个人买就非常任意买爆。【2】把一些能够替换成其他规模大的ETF就替换掉,替换成我们自己快捷选择的ETF。【3】增加佣...
- 6 短线、龙头、趋势(AI战法) 短线龙头趋势战法,核心是聚焦市场主线题材的龙头股,抓主升浪趋势,以 “快准狠” 的交易节奏与严格纪律实现短期超额收益,同时靠精准风控规避情绪退潮风险。以下是完整体系与实操要点:一、核心逻辑与龙头识别核心逻辑:龙头是板块 / 市场情绪与资金合...
- 7 【策略】聚宽平台直接运行的ETF轮动 以下是一个可在聚宽平台直接运行的 ETF 轮动策略,采用动量因子进行选股,每月调仓一次。策略原理是选择近期表现较好的 ETF 进行持有,追求趋势延续性收益。# 克隆自聚宽文章:https://www.joinquant.com/p...
- 8 自动交易,对接实盘QMT 由于很多朋友工作并不会用到电脑,就算在电脑面前,2点30以后,都没有时间看电脑,我们就开发了一个QMT的功能。实现自动化交易,如果你的资金量比较大,开通QMT意义大一些,资金量小,手动跟也无所谓。下面是你需要准备的一些点:【开通券商QMT】...
- 9 开源金融数据包:akshare、 baostock 在量化投资领域有2个很出名的包,一个是akshare 一个是 baostock,目前获取数据都是免费的,今天主要讲 baostock 这个包。安装包,包里面包括可量价数据,估值数据,再通过一些计算可以把总市值和利润数据给计算出来,基本上就包...
- 10 RSRS动量轮动策略 本篇基于光大证券研报《基于阻力支撑相对强度(RSRS)的市场择时》,给出了RSRS斜率指标择时,以及在斜率基础上的标准化指标择时策略。阻力位是指指标价格上涨时可能遇到的压力,即交易者认为卖方力量开始反超买方,从而价格难以继续上涨或从此回调下...
- 2026年 QMT & miniQMT 券商支持清单 1周前 (04-15)
- 年化191%的策略,我们拆解下,是否过拟合? 4个月前 (01-05)
- 美军直接抓人!委内瑞拉的石油,美国抢定了? 4个月前 (01-05)
- 量化第一课:backtrader实现双均线策略 4个月前 (12-29)
- Backtrader 最流行的量化回测框架 4个月前 (12-24)
- LOF基金套利教程,溢价率68% 4个月前 (12-24)
- 通过阿里源安装python的包 4个月前 (12-23)
- 短线、龙头、趋势(AI战法) 4个月前 (12-23)
- 年化收益167.48%,夏普率4.90 4个月前 (12-23)
- 次方量化官方【视频教程】 4个月前 (12-15)
次方量化-技术博客
发表评论:
◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。