15.1 风险控制建模-投资高股息股票 附阐述 代码 回测

作为策略锦集的第一篇，我们结合当前A股市场的价值投资风向，向大家介绍极具实践意义的股息率选股策略。

import pandas as pd
import numpy as np
# 初始化函数,全局只运行一次
def init(context):
    context.n = 10 #设置最大持仓数量
    run_monthly(handle_bar,date_rule=1)
    #将handle_bar交易函数设置定时运行：每个月第一个交易日
    context.stock = [] #储存上期的股票池

## 开盘时运行函数
def handle_bar(context, bar_dict):
    #执行选股函数：dividend_rate(context,bar_dict)，并将结果导入，该股票列表是需要买入的个股。
    needstock_list = dividend_rate(context,bar_dict)
    #获取上期持仓个股
    holdstock_list = list(context.stock)
    #确定本期需要卖出的个股
    sell_list = list(set(holdstock_list)-set(needstock_list))
    #执行卖出操作，运用for循环，逐个操作。
    for s in sell_list:
        order_target(s,0)
    #确定本期需要买入的个股，其余即为继续持仓的个股
    buy_list=[]
    for i in needstock_list:
        if i in holdstock_list:
            pass
        else:
            buy_list.append(i)
    #确定可用资金，平分分配至需买入的个股
    n=len(buy_list)
    cash=context.portfolio.available_cash/n
    #执行买入操作
    for s in range(0,n,1):
        stock=list(buy_list)[s]
        order_target_percent(stock,0.1)
    #操作完毕，将选股结果放到上期股票池储存变量中，以备下次使用。
    context.stock = frozenset(needstock_list)

#选股函数，用于筛选沪深300指数成分股中的股息率前10的个股
def dividend_rate(context,data):
    #获取上一个交易日的日期
    ldate = get_last_datetime().strftime('%Y%m%d')
    #获取沪深300指数成分股内的所有个股
    stock_list = get_index_stocks('000300.SH',ldate) 
    #通过因子函数，获取交易日当天的全市场个股的股息率指标,并以股息率指标从大到小排序。
    dividendrate=get_factors(query(factor.symbol,
                             factor.dividend_rate_12_months,
                             ).filter(factor.symbol.in_(stock_list),
                                                factor.date==ldate).order_by(factor.dividend_rate_12_months.desc()))
    #获取前10只股票的代码
    needstock_list=[]
    for s in range(0,context.n,1):
        needstock_list.append(dividendrate.iloc[s]['factor_symbol'])
    #完成函数，输出即为10只股票代码，作为策略的股票池
    return needstock_list