从今天开始是正式打开我博客的旅行。 博客的内容都是我自己的量化心得，主要是在自己未来的工作中遇到类似的问题时，很容易就能找到答案。 如果能帮助到有类似问题的其他同学的话，我也很高兴。 如果帮不上忙，就不会生气。 如果文章有什么错误的地方，欢迎批评指正。
第一个简单的量化模型——建立市值小的股票选择模型。
构想：a股市场中，截至月度月末，根据市值排名，选择市值最小的10只股票买入，持有至下月末，每月调仓一次，持续一年，看收益率能否跑赢同期的创业板指数/中小板指数
具体操作：
方法1 :
要自行下载、清洗和计算数据，建议使用tushare网站——http://tushare.org/。 数据质量不错，是免费的。
然后，经过清洗和计算，得到了自己想要的结果。 我大概花了将近三天才解决。 主要是自己以前没有学过python。 很多函数以现在的学习为卖点，浪费了很多时间。 我写过和以前的博客相关的内容，从现在来看不值得初学者学习，原因有两个：
1:下载太多，数据清洗步骤太多，需要pandas的各种方法，比较起来不是很好。 毕竟，量化交易的核心不在于数据清洗。 这些都是基本功，有高质量的数据可以减少很多浪费，所以建立好的数据库可以节约很多时间。
2:在自己编织这个战略的时候，实际上90%以上的时间是用来计算各种数值和画画的。 这里不包括评估战略好坏的夏普比率。 再补充一点，代码更多，真正的战略本身代码其实少得可怜，大部分是对脏活数据的清洗和整理，所以我决定今后还是使用第三方平台更有效率，可以集中精力做战略本身。
方法2 :
使用第三方平台，现在我使用聚宽。 我们比较了聚宽、优矿、慷慨网(已经破产了)，不管选哪个都一样。
顺便说一下，这些平台很相似，但它们并不容易复制和粘贴代码。 由于基础函数库不同，另一个平台上的函数可能根本不可用。 另外，简单复制到自己电脑上的python是不能100%使用的。
talking is cheap，show me the code
显示部分源代码
deffind(context ) : )按照流通市值从小到大的顺序计算买入的股票——，选择50只。 由于存在ST/*ST/停止高/停止高的可能性， 股票池df=get _ fundamentals (query ) ) valtext )先出的valuation.circulating _ market _ cap (.order _ by ) valuation 带过滤器函数得到最后的buylistbuylist=list(df ) buy list=filter _ stock (buy list ) ) :30 )，并得到当前的岗位hold=) forincontextext 如果目前持有的股票不在buylist中，则全部将sell=[ ] foriinhold 3360 ifinotinbuylist 3360 order _ target _ value ) I，0股放入to_buy进行to _ bu bu y 以及入场iflen(to_buy ) 0: cash=context.portfolio.available _ cash/len ) to_buy ) fori into _ buy 3365374; order：
时间2017.1.1-2018.12.31，这个大盘走势前后，形成较大的震荡行情
输给了手指，整体上很悲伤
时间2016.1.1-2018.2.28，大盘先跌后涨，与上次趋势正好相反，但因子效应不同
这次赢了指数，但悲惨获胜，退却有点过头了
2014.4.28-2014.12.11，大盘震荡行情
很美。
结论：
1 .因子本身确实有效，但很明显单因子不能直接使用。
2 .顺风太大，逆风吹了就扔。 牛市来的时候就能做到。 熊市很难降低风险
如果自己有战略，但是写不出代码的话，请发个人信息。 价格从几十到几百。 这取决于战略实现的难易程度。 我在使用多元化平台。 如果能写代码，就可以在上面放上模拟盘和现实盘。 对应的证券公司是第一创业证券。