如何利用 JoinQuant 实现基于风险平价的股债轮动资产配置策略？

这是一个基于 动量效应（Momentum） 的简单股债轮动策略。

策略逻辑

1. 标的选择：
   • 股票代表：沪深300 ETF（510300.XSHG），代表大盘股表现。
   • 债券代表：国债 ETF（511010.XSHG），代表债券市场表现。
2. 信号计算：
   • 每天开盘时，计算两个标的过去 20个交易日 的涨跌幅。
3. 交易逻辑：
   • 如果 股票涨幅 > 债券涨幅：全仓持有股票 ETF，卖出债券 ETF。
   • 如果 债券涨幅 > 股票涨幅：全仓持有债券 ETF，卖出股票 ETF。
4. 资金管理：每日轮动，持有强势资产。

策略代码

# -*- coding: utf-8 -*-
from jqdata import *

def initialize(context):
    """
    初始化函数，设定基准、手续费、全局变量等
    """
    # 设定沪深300作为基准
    set_benchmark('000300.XSHG')
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)
    # 过滤掉order系列API产生的比error级别低的log
    log.set_level('order', 'error')
    
    # 设定ETF交易手续费：无印花税，佣金设为万分之三
    set_order_cost(OrderCost(open_tax=0, close_tax=0, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='fund')
    
    # 定义全局变量
    # 股票标的：沪深300ETF
    g.stock_etf = '510300.XSHG'
    # 债券标的：5年期国债ETF
    g.bond_etf = '511010.XSHG'
    
    # 动量回看窗口天数（例如过去20天）
    g.lag = 20
    
    # 每天9:30执行交易逻辑
    run_daily(trade, '09:30')

def trade(context):
    """
    交易逻辑函数
    """
    # 获取历史数据
    # 注意：attribute_history 获取的是不包含当前时刻的过去数据（避免未来函数）
    # 获取过去 g.lag 天的收盘价
    stock_data = attribute_history(g.stock_etf, g.lag, '1d', ['close'])
    bond_data = attribute_history(g.bond_etf, g.lag, '1d', ['close'])
    
    # 如果数据长度不足（例如刚上市），则不操作
    if len(stock_data) < g.lag or len(bond_data) < g.lag:
        return

    # 计算收益率：(最新收盘价 - N天前收盘价) / N天前收盘价
    # .iloc[-1] 取最新一天数据，.iloc[0] 取最早一天数据
    stock_ret = (stock_data['close'].iloc[-1] - stock_data['close'].iloc[0]) / stock_data['close'].iloc[0]
    bond_ret = (bond_data['close'].iloc[-1] - bond_data['close'].iloc[0]) / bond_data['close'].iloc[0]
    
    # 记录日志，方便回测查看
    log.info("股票20日涨幅: %.4f, 债券20日涨幅: %.4f" % (stock_ret, bond_ret))
    
    # 确定目标持仓
    target_security = ''
    
    if stock_ret > bond_ret:
        target_security = g.stock_etf
        log.info("股票强于债券，计划持有股票")
    else:
        target_security = g.bond_etf
        log.info("债券强于股票，计划持有债券")
        
    # 执行交易
    # 1. 获取当前持仓中非目标标的，如果持有则卖出
    for security in context.portfolio.positions:
        if security != target_security:
            order_target_value(security, 0)
            
    # 2. 全仓买入目标标的
    # context.portfolio.total_value 包含现金和持仓总价值
    if target_security:
        order_target_value(target_security, context.portfolio.total_value)

代码解析

1. initialize:

   • 设置了 set_order_cost，因为 ETF 交易免印花税，这里专门针对 type='fund' 设置了低佣金，使回测更接近真实环境。
   • 定义了两个 ETF 代码作为轮动对象。

2. trade:

   • 使用 attribute_history 获取过去 20 天的收盘价。
   • 计算公式为 (当前价 - 20天前价) / 20天前价。
   • 比较逻辑：直接比较两个收益率的大小。
   • 交易执行：
     • 先遍历持仓，卖出非目标资产（例如当前持有债券但信号显示股票强，则卖出债券）。
     • 使用 order_target_value 将目标资产调整至账户总价值（即全仓买入）。

建议回测设置

• 起始资金：100,000 元
• 频率：天 (Daily)
• 时间范围：建议包含牛熊周期，例如 2018-01-01 至今，以观察策略在不同市场环境下的表现。

Q&A

Q: 为什么要使用 ETF 而不是指数代码？
A: 指数（如 000300.XSHG）本身不能直接交易。在实盘或模拟交易中，我们需要买卖对应的基金产品（如 510300.XSHG）。虽然可以使用指数计算信号，但为了代码简洁和直接可交易，本策略直接使用 ETF 的历史价格来计算信号和交易。

Q: 如何降低交易频率？
A: 当前策略每天都会判断。如果两个资产收益率非常接近，可能会导致频繁买卖（震荡磨损）。可以通过以下方式优化：

1. 增加阈值：只有当 股票收益 - 债券收益 > 1% 时才切换。
2. 延长调仓周期：将 run_daily 改为 run_weekly，每周只判断一次。

Q: 什么是“二八轮动”？
A: 这是一个经典的变种。通常是指在 沪深300（大盘股）和 中证500（小盘股）以及 国债 之间轮动。如果大盘或小盘哪个强就买哪个，如果都走弱（比如收益率为负），则空仓或买入国债避险。