文章声明:本内容为个人的业余研究，和任何单位，机构没有关系，文章出现的股票代码，全部只是测试例子，不做投资参考，投资有风险，代码学习使用，不做商业用途

今天把蒙斯全市场可转债趋势增强策略4.0做了一些回测，当然大qmt的版本也是上线了，明天给详细的使用教程

1700多行源代码，真正的实盘细节很复杂

下面是我服务器的仿真交易数据全市场趋势增强模型

可转债趋势增强

仿真交易数据

持股数据

策略原理

全市场可转债趋势增强策略参数原理与逻辑分析

1. 策略核心逻辑概述

该策略是一个多因子趋势增强型可转债策略，核心思路是：

• 趋势跟踪（均线系统+趋势强度指标）

• 动量增强（短期收益筛选）

• 波段交易（六脉神剑信号+小水果波段模型）

• 动态调仓（持股限制+买卖金额控制）

策略通过量化指标筛选可转债，在趋势确立时买入，在趋势转弱或反转时卖出，以增强收益并控制回撤。

---

2. 关键参数与原理分析

（1）均线系统参数

3日、5日、10日、15日、20日均线

• 原理：均线代表不同时间周期的市场平均成本，短周期均线反映短期趋势，长周期均线反映长期趋势。

• 策略作用：

  • 趋势确认：短期均线（3日、5日）上穿长期均线（10日、15日、20日）表明趋势增强。

  • 支撑/阻力：价格站上5日均线（df['站上均线']）表明短期趋势向上，跌破则可能转弱。

站上/跌破5日均线信号

• 买入条件：df['站上均线'] == True

  • 逻辑：价格高于5日均线，短期趋势看涨。

• 卖出条件：df['跌破均线'] == True

  • 逻辑：价格低于5日均线，短期趋势可能转弱。

---

（2）趋势强度指标（df['趋势强度']）

计算方式

• 通过均线排列顺序计算得分：

  • 3日 ≥ 5日 → +25分

  • 5日 ≥ 10日 → +25分

  • 10日 ≥ 15日 → +25分

  • 15日 ≥ 20日 → +25分

  • 满分100分，代表均线呈完美多头排列。

策略作用

• 买入条件：趋势强度 ≥ 75

  • 逻辑：短期均线明显强于长期均线，趋势强劲。

• 卖出条件：趋势强度 ≤ 50

  • 逻辑：均线排列混乱或空头排列，趋势可能结束。

---

（3）动量指标（短期收益筛选）

5日累计收益（df['N日收益']）

• 计算方式：最近5日涨跌幅之和。

• 买入条件：3% ≤ N日收益 ≤ 20%

  • 下限3%：避免买入弱势转债（动量不足）。

  • 上限20%：避免追高短期暴涨品种（防止回调风险）。

  • 逻辑：

前一日收益（df['前N天收益']）

• 计算方式：前1日涨跌幅。

• 买入条件：0% ≤ 前N天收益 ≤ 7%

  • 下限0%：避免买入当日下跌的转债（短期弱势）。

  • 上限7%：避免追高单日暴涨品种（可能回调）。

  • 逻辑：

---

（4）六脉神剑日周期信号（df['六脉神剑日周期']）

原理

• 该信号可能基于技术形态或波动率指标（如MACD、RSI、布林带等组合），用于判断短期趋势强度。

• 买入条件：六脉神剑日周期 ≥ 4

  • 逻辑：短期趋势信号较强，适合进场。

• 卖出条件：六脉神剑日周期 ≤ 3

  • 逻辑：短期趋势信号减弱，可能反转。

连续六脉神剑数量（df['连续六脉神剑数量']）

• 用于排序买入优先级，连续信号越多，趋势越稳定。

---

（5）小水果波段交易模型（df['波段状态']）

原理

• 该模型可能基于价格波动区间或超买超卖指标（如KDJ、CCI），判断当前处于"买"或"卖"波段。

• 买入条件：波段状态 == '买'

  • 逻辑：当前处于适合买入的波段低位。

• 卖出条件：波段状态 == '卖'

  • 逻辑：当前处于适合卖出的波段高位。

---

（6）资金管理与风险控制参数

持股限制（self.hold_limit = 20）

• 逻辑：分散持仓，降低单只转债风险，避免过度集中。

单笔买入金额（self.buy_value = 10000）

• 逻辑：固定金额买入，控制单只转债仓位，避免过度暴露。

单笔卖出金额（self.sell_value = 20000）

• 逻辑：卖出金额大于买入金额，可能用于动态止盈或加速调仓。

---

3. 策略优势与适用场景

优势

1. 趋势跟随：避免逆势交易，只在趋势明确时进场。

2. 动量过滤：筛选近期表现较好的转债，提高胜率。

3. 多因子验证：均线、趋势强度、波段信号等多指标综合判断，减少误判。

4. 严格风控：持股分散+动态调仓，降低单一标的风险。

适用市场环境

• 趋势市（单边上涨或下跌）：均线系统+趋势强度有效。

• 震荡市（波段行情）：小水果波段模型+六脉神剑信号辅助判断。

• 不适合极端波动市（如暴涨暴跌）：短期收益限制可能错过极端行情。

看趋势模型选股出来的数据，股票池可以优化结合选个股模板算法，选择全市场趋势强的可转债交易

回测的数据，默认持股20，提高盈亏比

策略我全部上传了，可以结合自己的选股改源代码，后面我会对接选股模块，先自定义选股因子，在做趋势增强交易，这样会比较安全，剔除有问题的可转债，可以参考可转债5因子的自定义算法框架量化研究---推出年华化30%西蒙斯可转债5因子策略2.0版本https://mp.weixin.qq.com/s?__biz=MzI5NTE5NTExMw==&mid=2247494690&idx=1&sn=7977e7c1f7f702cfdf2a4d4bb74f68ab&scene=21#wechat_redirect

不懂的问我就可以，加我备注入群可以加入量化

全部的回测代码，我自研的回测算法框架，回测几百万的数据没有问题​​​​​​

from xms_quant_backtrader import xms_quant_backtraderfrom tdx_strategy_models.small_fruit_band_trading import small_fruit_band_tradingfrom tdx_strategy_models.six_pulse_excalibur_hist import six_pulse_excalibur_histimport pandas as pdfrom xg_tdx_func.xg_tdx_func import *class xms_quant_backtrader_zz100:    def __init__(self,            trader_tool='qmt',            data_api='qmt',            data_type='D',            stock_list=[],            start_date='20200101',            end_date='20500101',            total_cash=200000,            st_name='西蒙斯全市场可转债趋势增强策略'            ):        '''        西蒙斯量化回测系统3.0        作者:西蒙斯量化        微信:xg_quant        数据源data_api选择qmt，需要先打开miniqmt登录，选择dfcf就不需要，建议使用qmt        '''        self.trader_tool=trader_tool        self.data_api=data_api        self.data_type=data_type        self.stock_list=stock_list        self.start_date=start_date        self.end_date=end_date        self.total_cash=total_cash        self.trader=xms_quant_backtrader(                trader_tool=self.trader_tool,                data_api=self.data_api,                data_type=self.data_type,                stock_list=self.stock_list,                start_date=self.start_date,                end_date=self.end_date,                total_cash=self.total_cash,                st_name=st_name)        self.hold_limit=20        self.buy_value=10000        self.sell_value=20000    def get_all_hist_data(self):        '''        获取全部历史数据        '''        stock_list=self.trader.get_read_tdx_data(r'QBKZZ.blk')['证券代码'].tolist()        self.trader.re_trader_stock(stock_list=stock_list)        self.trader.get_hist_data()        hist=self.trader.data.get_hist_data()        hist=hist.sort_values(by='date')        hist.to_csv(r'全部历史数据.csv')        return hist    def get_all_user_hist_data(self):        '''        加载本地历史数据        '''        stock_list=self.trader.get_read_tdx_data(r'ZZA100.blk')['证券代码'].tolist()        self.trader.re_trader_stock(stock_list=stock_list)        df=pd.read_csv(r'全部历史数据.csv')        self.trader.get_user_hist_data(df)        hist=self.trader.data.get_hist_data()        return hist    def cacal_stock_score(self,x1,x2,x3,x4,x5):        '''        计算分数        '''        score=0        if x1>=x2:            score+=25        if x2>=x3:            score+=25        if x3>=x4:            score+=25        if x4>=x5:            score+=25        return score    def cacal_all_stock_indicator(self):        '''        计算全部的指标        '''        data=pd.DataFrame()        #hist=self.get_all_user_hist_data()        hist=self.get_all_hist_data()        stock_list=self.trader.get_trader_stock()        for stock in stock_list:            df=hist[hist['stock']==stock]            df=df.sort_values(by='date')            if df.shape[0]>0:                df['3日均线']=df['close'].rolling(3).mean()                df['5日均线']=df['close'].rolling(5).mean()                df['10日均线']=df['close'].rolling(10).mean()                df['15日均线']=df['close'].rolling(15).mean()                df['20日均线']=df['close'].rolling(20).mean()                df['站上均线']=df['close']>=df['5日均线']                df['跌破均线']=df['close']<df['5日均线']                                df['涨跌幅']=df['close'].pct_change()*100                df['N日收益']=df['涨跌幅'].rolling(5).sum()                df['前N天收益']=df['涨跌幅'].shift(1)                df['趋势强度'] = df.apply(lambda row: self.cacal_stock_score(row['3日均线'], row['5日均线'], row['10日均线'], row['15日均线'], row['20日均线']), axis=1).tolist()                                models=six_pulse_excalibur_hist(df=df)                result=models.six_pulse_excalibur_hist()                stats=result['signal'].tolist()                df['六脉神剑日周期']=stats                df['六脉神剑日周期数量']= df['六脉神剑日周期'].rolling(5).sum()                df.reset_index(drop=True, inplace=True)                df['连续六脉神剑数量']= BARSLASTCOUNT(df['六脉神剑日周期']>=5)                models=small_fruit_band_trading(df=df)                result=models.small_fruit_band_trading()                stats=result['stats'].tolist()                df['波段状态']=stats                df.reset_index(drop=True, inplace=True)                df['买的波段数量'] = BARSLASTCOUNT(df['波段状态']=='买')                data=pd.concat([data,df],ignore_index=False)        print(data)        data.to_excel(r'全部因子数据.xlsx')        return data    def get_buy_sell_data(self):        '''        获取买卖数据        '''        df=self.cacal_all_stock_indicator()        print('获取买卖数据**********')        buy_condi = (            (df['趋势强度'] >= 75) &             (df['站上均线']==True) &             (df['涨跌幅'] >= 0) &             (df['涨跌幅'] <= 5) &             (df['六脉神剑日周期'] >= 4) &            (df['N日收益']>=3) &            (df['N日收益']<=20) &            (df['前N天收益']>=0) &            (df['前N天收益'] <=7) &            (df['波段状态']=='买')        )        sell_condi = (            (df['趋势强度'] <= 50) |             (df['跌破均线']==True) |             (df['六脉神剑日周期'] <= 3) |            (df['波段状态']=='卖')        )        df['buy']=buy_condi        df['sell']=sell_condi        buy_df=df[df['buy']==True]        sell_df=df[df['sell']==True]        return buy_df,sell_df    def run_backtrader(self):        '''        运行回测        '''        print('运行回测')        st_buy_df,st_sell_df=self.get_buy_sell_data()        trader_date_list=self.trader.get_trader_date_list()        for date in trader_date_list:            if st_buy_df.shape[0]>0:                buy_df=st_buy_df[st_buy_df['date']==date]                #排序因子                buy_df=buy_df.sort_values(by=[                    "买的波段数量",                    "N日收益",                    "连续六脉神剑数量",                    "趋势强度"],                    ascending=False)            else:                buy_df=pd.DataFrame()                        if st_sell_df.shape[0]>0:                sell_df=st_sell_df[st_sell_df['date']==date]            else:                sell_df=pd.DataFrame()                        position=self.trader.position.get_position_data()            if position.shape[0]>0:                position=position[position['股票余额']>=10]                if position.shape[0]>0:                    position=position                    hold_amount=position.shape[0]                    hold_stock_list=position['证券代码'].tolist()                else:                    position=pd.DataFrame()                    hold_amount=0                    hold_stock_list=[]            else:                position=pd.DataFrame()                hold_amount=0                hold_stock_list=[]            if position.shape[0]>0:                if sell_df.shape[0]>0:                    sell_stock_list=sell_df['stock'].tolist()                else:                    sell_stock_list=[]                position['卖出']=position['证券代码'].apply(lambda x: '是' if x in sell_stock_list else '不是')                sell_df=position[position['卖出']=='是']                sell_amount=sell_df.shape[0]            else:                sell_df=pd.DataFrame()                sell_amount=0            av_amount=(self.hold_limit-hold_amount)+sell_amount            if av_amount<0:                print(date,'达到持股限制不买入')                av_amount=0            else:                av_amount=av_amount            print('***************************')            print('{} 持股限制{} 持有数量{} 卖出数量{} 可以买入数量{}'.format(date,self.hold_limit,hold_amount,sell_amount,av_amount))            if buy_df.shape[0]>0:                buy_df['持股']=buy_df['stock'].apply(lambda x: '是' if x in hold_stock_list else '不是')                buy_df=buy_df[buy_df['持股']=='不是']            else:                buy_df=buy_df            buy_df=buy_df[:av_amount]            print('持有的股票*****************')            print(position)            print('卖出股票***********')            print(sell_df)            print('买入股票************')            print(buy_df)            #先卖出在买入            if sell_df.shape[0]>0:                for stock in sell_df['证券代码'].tolist():                    price=self.trader.get_price(date=date,stock=stock)                    trader_type,amount,price=self.trader.order_value(                        date=date,                        stock=stock,                        value=self.sell_value,                        price=price,                        trader_type='sell'                    )                    if trader_type=='sell' and amount>=10:                        self.trader.sell(                            date=date,                            stock=stock,                            amount=amount,                            price=price,                            maker='卖出成功')                    else:                        print(date,stock,'买入失败')            else:                print(date,'卖出没有持股数据')            #买入            if buy_df.shape[0]>0:                for stock in buy_df['stock'].tolist():                    price=self.trader.get_open_price(date=date,stock=stock)                    trader_type,amount,price=self.trader.order_value(                        date=date,                        stock=stock,                        value=self.buy_value,                        price=price,                        trader_type='buy'                    )                    if trader_type=='buy' and amount>=10:                        self.trader.buy(                            date=date,                            stock=stock,                            amount=amount,                            price=price,                            maker='买入成功')                    else:                        print(date,stock,'买入失败')            else:                print(date,'买入没有持股数据')            #结算            self.trader.settlement_data(date=date)    def get_backtrader_result(self):        '''        获取回测结果        '''        self.trader.generate_strategy_report()        self.trader.get_all_trader_data()if __name__=='__main__':    trader=xms_quant_backtrader_zz100()    df=trader.run_backtrader()    trader.get_backtrader_result()