年初至今47.4%，年化77.1%的ETF动量轮动，量化系统升级至v1.1（代码+数据）

今天聊聊期货。

在AI量化人眼中，ETF，指数，可转债，股票，甚至外汇，加密货币，都差不多，反正就是OHLCV量化数据处理，指标化，建模等。当然，股票的基本面背后是公司，可以玩的维度多一些罢了。

但期货有点不同。

期货本质是合约，合约是会到期的，一个合约存续可能就几个月。

这就引出一个“期货主力连续合约”的概念。成交量最大的合约的K线连成，主力合约指的是持仓量最大的合约。一般情况下，持仓量最大的合约，其成交量也是最大的。因为它是市场上最活跃的合约，也是最容易成交的合约，所以投机者基本上都在参与这个合约。

按我们的习惯，代码说话：

import akshare as ak

df = ak.futures_display_main_sina()
df['_id'] = df['symbol']
print(df)
mongo_utils.write_df('future_basic', df, drop_tb_if_exist=True)

一共75个连续合约，覆盖商品期货和股指期货。

从量化的角度，至少在准备数据这一块，期货要简单得多，ETF少多1000多支，还要复权，有估值数据，还要区分lof。可转债少一点，500多支，但转债要与正股关联看基本面；股票有基本面财务数据等。

使用akshare读取期货连续合约的历史价格：

# 期货连续合约
def load_futures(symbol, start_date='20050101', end_date=datetime.now().strftime("%Y%m%d")):
    df = ak.futures_main_sina(symbol=symbol, start_date=start_date, end_date=end_date)
    cols = {'日期': 'date', '开盘价': 'open', '收盘价': 'close', '最高价': 'high', '最低价': 'low', '成交量': 'volume',
            '换手率': 'turn_over', '成交额': 'amount','动态结算价':'vwap','持仓量':'Open Interest'}
    df.rename(columns=cols, inplace=True)
    return df

这里与股票不同在于两个：“动态成交价”，就是按交易量加权的成交价，其实港美股也用，就是vwap。持仓量，这个就是“未平合约”，英文名叫“Open Interest”。

熟悉Backtrader的同学可能恍然大悟，看来Backtrader的作者看来是为期货定制的，data里必须有一项叫Open Interest，这就是这东东。

画出来看看，看着就很刺激，这里没有人聊“价值投资”，会聊基本面和宏观，除了部分套取保值，对冲风险之外，就是投机，合法投机。

数据已经打包上传至星球，请大家前往下载：

CTA也是量化发源地了吧，与外汇的RA，不知道谁更早，没有考证过。

有杠杆，可多空，可高频，T+0，怎么看都是为AI量化而来的。

星球同学表示担心，以及我的观点：做投资，安全是第一位的，这个永远正确，欢迎这样的讨论与分享。

我发现，大家对AI量化的热情还是很高的。昨天线上会议，一个同学问我打算做多久，我当时脱口而出是“永远”。

持续更新内容并不容易，尤其还得有点东西。每行代码都是敲出来，充分去调试，去测试。但大家的热情还是让我觉得，这是值得做下去很有意义的事情。

大家第一次交流，如何更好的学习，更好可持续发展，更优质产出代码和策略，更好的服务大家，也给了我很多启发，后续这样的讨论要持续做下去。

框架升级为v1.1：

2023-09-20

quantlab 1.1
1、优化了Rebalance函数，未选中的标的，先清仓。
2、增加一过滤，如果当前持仓只有一项，且就是当前选中的这一支，这时跳过调仓，避免 weight: 1.0这样不停调仓。
3、SelectTopK 如果前置Algo没有selected，则不进行排序选择。
4、toml格式写策略迁移过来了，在根目录proj_parser.py里。

我们先把toml模板以及几个策略迁移过来。

若使用ETF的趋势交易：代码在如下位置：

Rebalance进行了优化，未选中的symbol，要选清仓。然后按权重买卖标的。

class Rebalance(Algo):

    def __init__(self):
        super(Rebalance, self).__init__()

    def __call__(self, target):
        if "weights" not in target.temp:
            return True

        targets = target.temp["weights"]
        # print(targets)
        if type(targets) is pd.Series:
            targets = targets.to_dict()

        symbols = target.get_current_holding_symbols()
        for s in symbols:
            if s not in targets.keys():
               # logger.info('清空：{}'.format(s))
                target.close(s)

        # 如果调仓就1个，且当前有持仓就1个，二者还相等，那不执行
        if len(targets.keys()) == 1 and list(targets.keys())[0] in symbols and len(symbols) == 1:
            return True

        for data, w in targets.items():
            #logger.info('调仓：{},{}'.format(data,w))
            target.order_target_percent(data, w*0.99)

        return True

代码已经更新至星球：

name = 'ETF趋势交易_动量轮动'
id = 'E9B913DF-6C4E-6058-20DC-FD0D83777A60'
desc = '使用rsrs和20日动量两个指标，对特定ETF池进行轮动。'

[data]
start_date = '20230101'
end_date = ''
symbols = [
        '159915.SZ', # 创业板ETF
        '510300.SH', # 沪深300ETF
        '518880.SH', # 黄金ETF
        '513110.SH', # 纳指100指数
        '513520.SH', # 日经ETF
]
fields = ['roc(close,20)','roc_20>0.02','roc_20<-0.02','slope_pair(high,low,18)','rsrs>1.0','rsrs<0.8']
names = ['roc_20','buy','sell','rsrs','rsrs_gte','rsrs_lte']
data_folder = 'etfs' # 数据在data下的目录

[benchmark]
symbols=['000300.SH']
data_folder = 'index' # 数据在data下的目录

#[[algos]]
#name = 'RunWeekly'

[[algos]]
name = 'SelectBySignal'
rules=['buy']
at_least_count=1

[[algos]]
name = 'SelectHolding'

[[algos]]
name = 'SelectBySignal'
rules=['sell']
at_least_count=1
exclude= true

[[algos]]
name = 'SelectTopK'
factor_name='roc_20'
K=1

[[algos]]
name = 'WeightEqually'

[[algos]]
name = 'Rebalance'