聚宽量化平台：编写每月买入涨幅前10只基金的轮动策略

聚宽如何筛选出每月涨幅最大的前10只基金

各路大神，刚入坑聚宽，我想按照基金每月的涨幅排名，取涨幅最大的前10只，然后下月第一个工作日买入，做一个量化回测。前提是需要筛选出符合条件的基金，请问聚宽有对应的函数或者好的方法吗？一个聚宽的小白，期待您的回答，万分感谢！

在聚宽（JoinQuant）平台上实现“每月筛选涨幅最大的前10只基金并在下月第一个工作日买入”的策略，主要分为以下几个步骤：

1. 确定基金池：通常量化回测中交易的是场内基金（ETF、LOF等），因为它们像股票一样在交易所实时交易。
2. 定时运行：使用 run_monthly 函数设定在每月第一个交易日执行调仓逻辑。
3. 获取历史数据并计算涨幅：使用 history 函数获取过去一个月（约21个交易日）的收盘价，计算涨幅。
4. 排序与调仓：根据涨幅降序排列，取前10只基金，卖出不在名单中的持仓，等权重买入这10只基金。

以下是完整的策略源码，你可以直接复制到聚宽的策略研究环境中进行回测：

# 导入聚宽函数库
import jqdata
import pandas as pd

# 初始化函数，设定基准等等
def initialize(context):
    # 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')
    
    # 设定场内基金的交易费率：买入0.03%，卖出0.03%，免印花税，最低5元
    set_order_cost(OrderCost(close_tax=0, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='fund')

    # 设定每月第一个交易日的 09:30 运行调仓函数
    run_monthly(trade, monthday=1, time='09:30')

# 核心调仓逻辑
def trade(context):
    # 1. 获取场内基金列表（这里以 ETF 和 LOF 为例）
    # get_all_securities 可以获取指定类型的标的
    df_funds = get_all_securities(['etf', 'lof'])
    fund_list = list(df_funds.index)
    
    # 2. 获取过去21个交易日（约一个月）的收盘价数据
    # df=True 返回 pandas.DataFrame 格式，方便计算
    h_data = history(count=21, unit='1d', field='close', security_list=fund_list, df=True)
    
    # 3. 数据清洗与涨幅计算
    # 剔除掉包含 NaN 的列（即上市不足一个月或停牌的基金）
    h_data = h_data.dropna(axis=1)
    if h_data.empty:
        return
        
    # 计算涨幅：(期末价格 - 期初价格) / 期初价格
    returns = (h_data.iloc[-1] - h_data.iloc[0]) / h_data.iloc[0]
    
    # 4. 排序并获取涨幅最大的前10只基金
    top10_funds = returns.sort_values(ascending=False).head(10).index.tolist()
    log.info(f"本月选出的前10只基金为：{top10_funds}")
    
    # 5. 执行交易调仓
    # 5.1 卖出不在 top10 列表中的现有持仓
    for security in list(context.portfolio.positions.keys()):
        if security not in top10_funds:
            order_target(security, 0)
            
    # 5.2 等权重买入 top10 基金
    if len(top10_funds) > 0:
        # 计算每只基金应分配的资金（总资产 / 10）
        target_value = context.portfolio.total_value / len(top10_funds)
        for security in top10_funds:
            order_target_value(security, target_value)

代码原理解析：

• get_all_securities(['etf', 'lof'])：获取聚宽平台上所有的 ETF 和 LOF 基金代码。如果你只想做 ETF 轮动，可以改为 ['etf']。
• history(21, '1d', 'close', ...)：获取过去21天的收盘价。21天大约是一个月的交易日天数。返回的 DataFrame 行是日期，列是基金代码。
• h_data.dropna(axis=1)：这一步非常重要，它可以过滤掉那些刚上市不久（没有21天数据）或者期间长期停牌导致数据缺失的基金，避免计算报错。
• order_target_value(security, target_value)：将指定标的的仓位调整到目标价值。如果当前没持有，就会买入；如果持有但价值不够，会补仓；如果超出了，会减仓。这比手动计算买入股数要方便得多。

进阶建议：

1. 流动性过滤：有些冷门基金成交量极低，实盘中可能买不进去。你可以结合 history 获取 volume 或 money（成交额），在计算涨幅前把日均成交额低于 1000 万的基金剔除。
2. 动量崩溃防范：纯粹追涨杀跌在熊市可能会遭遇大幅回撤。可以加入一个大盘择时条件（例如沪深300跌破20日均线时全部空仓），或者要求基金本身的涨幅必须大于0才买入。