JoinQuant 投资组合优化器如何设置换手率约束？

在使用 JoinQuant 的 portfolio_optimizer 进行投资组合优化时，可以通过在 constraints（约束条件）参数中添加 TurnoverConstraint 对象来限制组合的换手率。

核心步骤

1. 导入模块：需要从 jqlib.optimizer 导入相关类。
2. 获取当前持仓权重：为了计算换手率，优化器必须知道当前的持仓情况。你需要构建一个包含当前持仓权重的 pandas.Series。
3. 设置约束：实例化 TurnoverConstraint，传入换手率上限（limit）和当前持仓权重（current_portfolio）。
4. 执行优化：将该约束对象放入 portfolio_optimizer 的 constraints 列表中。

代码实现示例

以下是一个完整的策略代码片段，展示了如何在调仓时限制换手率（例如限制单次调仓换手率不超过 20%）：

# -*- coding: utf-8 -*-
from jqdata import *
from jqlib.optimizer import *
import pandas as pd

def initialize(context):
    set_benchmark('000300.XSHG')
    set_option('use_real_price', True)
    # 设定股票池
    g.stocks = get_index_stocks('000300.XSHG')
    # 每月调仓一次
    run_monthly(rebalance, monthday=1)

def rebalance(context):
    # 1. 获取当前持仓权重 (构建 current_portfolio)
    # 换手率是相对于当前持仓计算的，因此必须传入当前的权重分布
    total_value = context.portfolio.total_value
    current_weights_dict = {}
    
    for security, position in context.portfolio.positions.items():
        if position.total_amount > 0:
            # 计算个股权重：持仓市值 / 总资产
            weight = (position.total_amount * position.price) / total_value
            current_weights_dict[security] = weight
            
    # 转换为 pandas.Series，这是 TurnoverConstraint 要求的格式
    current_portfolio = pd.Series(current_weights_dict)
    
    # 2. 定义换手率约束
    # limit=0.2 表示限制本次优化的换手率不超过 20%
    # current_portfolio 传入当前的持仓结构
    turnover_constraint = TurnoverConstraint(limit=0.2, current_portfolio=current_portfolio)
    
    # 3. 定义其他约束 (例如：全仓投资，权重和为1)
    weight_constraint = WeightEqualConstraint(limit=1.0)
    
    # 4. 设定优化目标 (例如：最小化方差)
    target = MinVariance(count=250)
    
    # 5. 运行优化器
    # 注意：需要处理 g.stocks 可能停牌的情况，这里简化处理直接使用 g.stocks
    optimized_weights = portfolio_optimizer(
        date=context.previous_date,
        securities=g.stocks,
        target=target,
        constraints=[weight_constraint, turnover_constraint], # 将换手率约束加入列表
        default_port_weight_range=[0.0, 1.0],
        return_none_if_fail=True
    )
    
    # 6. 执行调仓
    if optimized_weights is not None:
        log.info("优化成功，开始调仓")
        for stock, weight in optimized_weights.items():
            order_target_value(stock, total_value * weight)
    else:
        log.warn("优化失败，不进行调仓")

参数详解

TurnoverConstraint(limit, current_portfolio=None)

• limit (float): 换手率的上限。例如 0.2 代表 20%。
  • 换手率计算公式通常为：$\sum |w_{new} - w_{old}|$ （双边）或者 $\frac{1}{2} \sum |w_{new} - w_{old}|$（单边），具体取决于优化器内部实现，通常指调整权重的绝对值之和的限制。
• current_portfolio (pandas.Series): 当前投资组合的权重。
  • 重要：如果该参数为 None（默认值），优化器会认为当前是空仓状态。此时，任何买入操作都会被视为 100% 的换手（相对于空仓）。因此，为了正确限制相对于“现有持仓”的换手率，必须传入当前持仓的权重 Series。

常见问题 (Q&A)

Q: 如果我不传 current_portfolio 参数会怎样？
A: 如果不传 current_portfolio，优化器默认当前为空仓。如果你设置了 limit=0.2，优化器会认为你只能建立总仓位为 20% 的新组合，这通常不是你想要的结果（除非你确实是第一次建仓）。

Q: TurnoverConstraint 能和其他约束（如行业中性）一起使用吗？
A: 可以。你可以将 TurnoverConstraint 与 IndustryConstraint、MarketConstraint 或 BarraConstraint 等一起放入 constraints 列表中，优化器会尝试寻找同时满足所有条件的解。

Q: 为什么加上换手率限制后优化经常失败（返回 None）？
A: 加上换手率限制缩小了可行解的范围。如果限制过严（例如 limit 很小），或者与其他约束（如严格的行业暴露限制）发生冲突，可能导致无解。建议适当放宽 limit 或增加 ftol（容差），或者检查约束条件是否存在逻辑冲突。