军工ETF量化策略-平芜编程栈

100万元，策略期末156.60万元；买入后一直持有，期末112.00万元。

策略比买入后一直持有多约44.60万元，最大回撤分别为17.38%、47.33%。收益优势是否值得采用，还要看下文成本与邻近参数的结果。

首图由聚宽完成回测后的真实账户数据重绘，采用无损高清图；不是平台界面截图。

1、收益与回撤对比

本篇标的是国泰中证军工ETF（512660），聚宽代码512660.XSHG。

回测覆盖2016-08-08至2026-09-16，共2456个交易日，为该ETF上市以来的全部可交易历史。基金成立早于上市，成立后尚未上市的日期没有场内成交，不能虚构买入。本篇“至今”统一截至2026年9月16日。

指标	量化策略	买入后一直持有
期末资产 / 万元	156.60	112.00
累计收益	56.60%	12.00%
年化收益	4.67%	1.16%
最大回撤	17.38%	47.33%
平均实际仓位	18.16%	89.54%
有成交的订单	108	3

两组均投入100万元，初次入场预算为总资产的90%，使用相同费用和撮合限制。“买入后一直持有”就是从首个可成交日起完成建仓，此后一直不动，不主动卖出，也不补仓；现金分红留在账户。它不等于100%满仓或分红即时再投资。

收益包含现金、持仓、分红及已扣费用。最大回撤是账户从历史高点向后的最大跌幅，年化收益沿用聚宽口径；订单可分批成交，不等于完整买卖轮数。图表根据真实账户数据重绘。

本文使用聚宽开发与回测，环境准备可参照基础篇。

2、量化策略的思路与实现

军工ETF安静一段时间后突然突破，能不能形成一套规则？先要把“安静”变成可计算的指标。

布林带宽等于4倍20日价格标准差除以20日均价。先用更早的120个带宽值计算30%分位阈值，再检查突破前最近10个交易日有没有出现低于这个阈值的带宽。只有先收敛、随后昨收突破此前20日最高价，才允许入场。

环节	执行规则
历史尺度	用更早120个带宽值的30%分位数定义相对收敛
最近收敛	突破日之前10个交易日，至少一天带宽低于阈值
向上突破	昨收盘高于此前20个交易日最高价
退出	持有后昨收盘跌破MA20

计算分位数时排除最近10个待检查的带宽值，也排除昨日突破日。这样顺序是“先有历史尺度，再观察收敛，最后检查突破”。阈值来自历史分布，不需要用完整回测区间的分位数倒填到过去。

prepare_signal()先读取昨日及更早的已完成行情，strategy_rule()输出目标仓位，execute_signal()在今天提交限价单，close_report()记录实际成交。昨天的信号价，不是今天保证能成交的价格。

实际交易记录

完整历史中，有成交的订单共108笔，完成清仓的持仓阶段29段，累计佣金18440.37元。期末仍持有ETF。

完整持仓阶段	日期	账户变化
最好的一段	2020-07-03 至 2020-08-24	31.57% / +27.17万元
最差的一段	2020-01-06 至 2020-02-04	-8.67% / -8.17万元

以上从入场前一日算到完全退出，包含期间费用、分红和调仓；不是单笔价差。

均价来自聚宽逐笔成交的加权汇总，佣金来自订单记录。展示对应阶段首尾交易；没有完成清仓时，展示最早几笔实际成交。

成本与参数检验

检验	累计收益	最大回撤
本文策略	56.60%	17.38%
佣金与滑点翻倍	47.27%	18.11%
取消收敛前提，只按20日突破入场	18.93%	28.20%
带宽分位改为20%	68.19%	16.21%
带宽分位改为40%	21.57%	25.03%

双倍成本后，累计收益为47.27%；两组邻近参数为68.19%、21.57%。三项检验的终值都高于原持有对照。

双倍成本将买卖佣金费率各从0.03%提高到0.06%，最低佣金仍为5元；单边滑点从0.10%提高到0.20%，限价偏移同步从0.2%扩大到0.4%。成交路径可能改变，这属于执行压力检验。邻近检验只改一个参数；没有因为邻近参数赚得更多，就把它换成正文主策略。

下面按时间顺序拆分同一个连续账户，检查收益是否集中在某一阶段；属于回顾性归因。

连续账户区间	本文策略	一直持有
2016-08-08 至 2023-08-31	18.51%	1.80%
2023-09-01 至 2026-09-16	32.14%	10.02%

按交易日顺序分前70%与后30%；后段继承原持仓和资金，未重新起投。两段收益要连乘，不能相加。

军工篇最值得学习的是滚动分位数的时间边界。一次性对全历史带宽求分位数后回测，会让早期决策知道未来分布，得到的结果不应作为实战证据。

3、在聚宽复现回测

进入策略回测 → 新建策略 → 空白模版，粘贴第4节完整代码，保存后设置：

界面设置	填写内容
起止日期	2016-08-08 至 2026-09-16
初始资金	1000000元
回测频率	分钟
运行环境	Python3
策略模式	`'mode': 'strategy'`

上图为对应主策略的聚宽原始回测截图，包含回测区间、初始资金、完成状态、收益指标及完整收益曲线，未重写平台数字。图中基准线为沪深300；正文“买入后一直持有”对照为另行回测的同一ETF账户，两者口径不同。

程序09:05读昨日日线，10:00提交限价单，10:05撤销余单，15:10记录账户。每天检查一次策略条件。

本策略需要161个完整日线预热，历史不足时保留现金；预热期仍计入全历史收益。

代码已设定佣金各0.03%、每笔最低5元、基金印花税为0、单边滑点0.10%，按当时分钟成交量1%限制撮合。买入按100份整手提交，实际部分成交可能不是整手；未完成建仓使用原预算续单，按真实成交金额和佣金扣减，未完成卖出继续处理可卖份额。不要把委托成功当成全部成交。

要复现对照，再复制一份代码，只修改配置中的两项，其余资金、区间、费用不变：

'mode': 'hold', 'experiment': 'ETF17C_14_hold_compare',

运行完成后，核对“收益概述”的累计收益与回撤，再查看“交易详情”“每日持仓&收益”。代码会同时保存每日账户、订单和逐笔成交三类记录，文件名前缀由experiment决定；改参数重跑时换一个前缀，便于核对每次结果。

每日记录的cash是可用现金，暂时冻结的资金可能不在其中；核对总资产时，应使用平台账面现金加持仓市值，不能只加可用现金。

这是包含费用与成交约束的历史模拟，尚未接入券商实盘；历史回撤不是未来亏损上限。

4、完整策略代码

复制到聚宽空白策略即可运行。中文注释覆盖参数、信号、预算、限价和真实成交核对。

# -*- coding: utf-8 -*- """ETF单品种策略。聚宽Python3，分钟频率，初始资金100万元。 军工ETF量化策略：波动收敛后，等待向上突破。 所有交易信号仅使用前一交易日及更早的数据；真实成交由聚宽撮合。 """ from jqdata import * from builtins import all, any, max, min import csv import io import json import math import numpy as np # 军工ETF量化策略；国泰中证军工ETF。 # mode改为hold可运行买入后一直持有对照；其他参数保持一致。 # frequency是决策频率，回测界面仍选择分钟。params为本文策略指标参数。 CONFIG = {'security': '512660.XSHG', 'listing': '2016-08-08', 'mode': 'strategy', 'params': {'channel': 20, 'band_window': 20, 'rank_window': 120, 'quantile': 0.3, 'recent': 10, 'exit': 20}, 'warmup': 161, 'frequency': 'daily', 'sizing': 'entry', 'max_weight': 0.9, 'commission': 0.0003, 'slippage': 0.001, 'limit_offset': 0.002, 'rebalance_band': 0.05, 'ablation': False, 'experiment': 'ETF17C_14_main'} def strategy_rule(h, held, cfg, state): """先收敛再突破；历史带宽阈值排除最近待判断的收敛窗口。""" p, c = cfg['params'], h.close.values if held: return (0. if c[-1] < c[-p['exit']:].mean() else cfg['max_weight']), '跌回短期均线' # 布林带宽=(上轨-下轨)/中轨，上下轨分别是均值加减2倍总体标准差。 widths = np.array([4*c[i-p['band_window']:i].std(ddof=0) /c[i-p['band_window']:i].mean() for i in range(p['band_window'],len(c))]) past = widths[-p['rank_window']-p['recent']:-p['recent']] # 聚宽旧版NumPy没有quantile；百分位写法与同一线性插值的分位数等价。 threshold = float(np.percentile(past,100*p['quantile'])) was_quiet = widths[-p['recent']:].min() < threshold breakout = c[-1] > h.high.values[-p['channel']-1:-1].max() return (cfg['max_weight'] if breakout and (cfg['ablation'] or was_quiet) else 0.), '收敛后的突破' def initialize(context): """只初始化一次：资金检查、费用、调度和审计文件。""" g.cfg = dict(CONFIG) assert abs(context.portfolio.starting_cash - 1000000) < .01, '初始资金须为1000000' assert g.cfg['mode'] in ('strategy', 'hold') g.state = {'armed': False, 'held_days': 0} g.target, g.signal_day, g.attempt_day = None, None, None g.pending_exit = False # 清仓未完成时，次日继续卖出剩余可卖份额。 g.entry_remaining = None # 首次建仓的剩余预算，扣实际成交与佣金，不随涨价扩大。 g.reason, g.source_day = '', '' g.out = g.cfg['experiment'] # 该指数仅供平台画参考线；正式比较另跑同ETF的hold账户。 set_benchmark('000300.XSHG') set_option('use_real_price', True) set_option('avoid_future_data', True) set_option('order_volume_ratio', .01) # 1%分钟成交量上限，不是容量保证。 set_order_cost(OrderCost(open_tax=0, close_tax=0, open_commission=g.cfg['commission'], close_commission=g.cfg['commission'], close_today_commission=0, min_commission=5), type='fund', ref=g.cfg['security']) # 此API参数表示买卖总价差，因此单边0.1%需要传0.2%。 set_slippage(PriceRelatedSlippage(2*g.cfg['slippage']),type='fund',ref=g.cfg['security']) run_daily(prepare_signal, time='09:05') run_daily(execute_signal, time='10:00') run_daily(cancel_remaining, time='10:05') run_daily(close_report, time='15:10') write_file(g.out+'_daily.csv', 'date,total_value,cash,shares,position_value,exposure,target,signal_date,reason\n',append=False) write_file(g.out+'_orders.csv', 'date,order_id,is_buy,requested,filled,price,commission,status\n',append=False) write_file(g.out+'_trades.csv','time,trade_id,order_id,amount,price\n',append=False) log.info('CONFIG '+json.dumps(g.cfg,ensure_ascii=True,sort_keys=True)) def position_of(context): """空仓时返回None；不依赖不存在持仓对象的默认值。""" security = g.cfg['security'] return context.portfolio.positions[security] if security in context.portfolio.positions else None def is_new_week(today, previous): """按自然周比较前后两个交易日，周一休市时周二仍可执行周频规则。""" return today.isocalendar()[:2] != previous.isocalendar()[:2] def prepare_signal(context): """先清理昨日信号，再读取已完成日线；失败时不沿用旧的买入指令。""" g.target, g.signal_day = None, None g.reason, g.source_day = '', '' today = context.current_dt.date() position = position_of(context) held = int(position.total_amount) if position else 0 if g.pending_exit and held: # 已触发的清仓不依赖新的行情窗口；但实际下单仍检查停牌和可卖份额。 g.target, g.signal_day, g.reason = 0., today, '完成尚未成交的清仓' return g.pending_exit = False if g.cfg['mode'] == 'hold': g.target, g.signal_day, g.reason = g.cfg['max_weight'], today, '买入后一直持有' return if g.cfg['frequency'] == 'weekly' and not is_new_week(today, context.previous_date): # 这不是新的周频决策，只是继续执行上次已经批准且未完成的初始建仓。 if g.entry_remaining is not None and g.cfg['sizing'] == 'entry': g.target, g.signal_day, g.reason = g.cfg['max_weight'], today, '继续最初建仓' return g.reason = '本周非决策日' return try: h = attribute_history(g.cfg['security'],g.cfg['warmup'],'1d', ['close','high','low','paused'],skip_paused=False,df=True,fq='pre') if h is None or len(h) != g.cfg['warmup']: g.reason = '上市后历史不足，保留原仓位' return # 聚宽可能以缺失值补足上市前的日线，显式归为预热，避免误记为数据故障。 if str(h.index[0].date()) < g.cfg['listing']: g.reason = '上市后有效历史尚不足预热窗口' return if h.index.has_duplicates or not h.index.is_monotonic_increasing: raise ValueError('日线索引重复或无序') if h.index[-1].date() != context.previous_date: raise ValueError('日线不是上一交易日') prices = h[['close','high','low']].values if not np.isfinite(prices).all() or (prices <= 0).any(): raise ValueError('价格缺失或非正数') # 窗口中停牌日保留其历史价格；仅最近一日停牌时暂停新信号，避免长期冻结。 if h.paused.isnull().any() or h.paused.iloc[-1] != 0: raise ValueError('停牌字段异常或上日停牌') target, reason = strategy_rule(h, held > 0, g.cfg, g.state) if not math.isfinite(target) or not 0 <= target <= g.cfg['max_weight']: raise ValueError('目标仓位越界') g.target, g.signal_day = float(target), today g.reason, g.source_day = reason, str(h.index[-1].date()) if held and target == 0: g.pending_exit = True if target == 0: g.entry_remaining = None # 新退出或空仓条件撤销尚未完成的建仓预算。 except Exception as error: # 数据故障不是卖出信号。异常日志可用于检查是否被静默跳过了大量交易日。 g.reason = 'DATA_ERROR '+str(error) log.warn(g.reason) def limit_price(price, high, low, buying, offset): """按0.001元报价精度计算限价；涨停不追买、跌停不假定能卖出。""" if not all(math.isfinite(x) and x > 0 for x in (price,high,low)): return None if high <= low or not low <= price <= high: return None if buying: if price >= high-.001: return None return math.floor((min(price*(1+offset),high-.001)+1e-9)*1000)/1000 if price <= low+.001: return None return math.ceil((max(price*(1-offset),low+.001)-1e-9)*1000)/1000 def affordable_amount(budget, price, commission): """预算包含佣金；买入必须是100份的整数倍。""" if budget <= 5 or price <= 0: return 0 return max(0,int((budget-5)/(price*(1+commission))/100)*100) def execute_signal(context): """10:00下限价单；一次信号最多尝试一次，不把委托成功当成全部成交。""" today = context.current_dt.date() if g.signal_day != today or g.target is None or g.attempt_day == today: return security = g.cfg['security'] if any(o.security == security for o in get_open_orders().values()): return position = position_of(context) held = int(position.total_amount) if position else 0 entry_only = g.cfg['mode'] == 'hold' or g.cfg['sizing'] == 'entry' # 完成最初建仓后，不因价格波动或现金分红补仓；未完成则按原预算继续。 if entry_only and g.target > 0 and held and g.entry_remaining is None: return if g.target == 0 and held == 0: return quote = get_current_data()[security] price = float(quote.last_price) if quote.paused or not math.isfinite(price) or price <= 0: return total = float(context.portfolio.total_value) exposure = held*price/total # 可变仓位模型仅在仓位偏差至少5个百分点时调整，降低小额反复交易。 if not entry_only and g.target > 0 and abs(exposure-g.target) < g.cfg['rebalance_band']: return buying = (entry_only and g.target > 0) or g.target > exposure lp = limit_price(price,float(quote.high_limit),float(quote.low_limit),buying,g.cfg['limit_offset']) if lp is None: return if buying: if entry_only: if g.entry_remaining is None: g.entry_remaining = total*g.target # 此轮首次建仓预算只确定一次。 budget = min(g.entry_remaining,context.portfolio.available_cash) else: budget = min(max(0,total*g.target-held*price),context.portfolio.available_cash) amount = affordable_amount(budget,lp,g.cfg['commission']) if entry_only and amount == 0: g.entry_remaining = None # 剩余预算不足100份及费用，确认本轮建仓完成。 else: sellable = int(position.closeable_amount) if position else 0 # 全清仓允许卖出最后不足一手的剩余份额；减仓则按100份整手计算。 desired = held if g.target == 0 else int(max(0,held-total*g.target/price)/100)*100 amount = -min(desired,sellable) if amount == 0: return g.attempt_day = today log.info('INTENT '+json.dumps(dict(date=str(today),target=g.target, source=g.source_day,amount=amount,limit=lp,reason=g.reason),ensure_ascii=True)) order(security,amount,style=LimitOrderStyle(lp)) def cancel_remaining(context): """撤销本策略未成交委托，次日按新信号或未完成清仓状态重新判断。""" for item in get_open_orders().values(): if item.security == g.cfg['security']: cancel_order(item) def append_csv(suffix, values): """逐行保存账户、订单和成交，供独立复算，避免仅凭图中曲线下结论。""" buffer = io.StringIO() csv.writer(buffer).writerow(values) write_file(g.out+suffix,buffer.getvalue(),append=True) def close_report(context): """记录完整资金曲线，包括预热期和现金期；分红和拆分交由引擎入账。""" cancel_remaining(context) # Order.price可能只反映首笔成交，分批成交须按Trade逐笔累加金额。 # 同时据此计算成交均价，避免用首笔价格扣预算或展示为加权均价。 fills = {} for t in get_trades().values(): if t.security == g.cfg['security']: amount, turnover = fills.get(str(t.order_id), (0, 0.)) fills[str(t.order_id)] = (amount+t.amount, turnover+t.amount*t.price) append_csv('_trades.csv',[str(t.time),str(t.trade_id),str(t.order_id),t.amount,t.price]) for o in get_orders().values(): if o.security == g.cfg['security']: amount, turnover = fills.get(str(o.order_id), (0, 0.)) assert amount == o.filled, '订单成交量与逐笔成交不一致' average_price = turnover/amount if amount else 0. append_csv('_orders.csv',[str(context.current_dt.date()),str(o.order_id), bool(o.is_buy),o.amount,o.filled,average_price,o.commission,str(o.status)]) if o.is_buy and o.filled > 0 and g.entry_remaining is not None: g.entry_remaining = max(0.,g.entry_remaining-turnover-o.commission) p = context.portfolio position = position_of(context) held = int(position.total_amount) if position else 0 value = float(position.value) if position else 0. if held: g.state['held_days'] += 1 g.state['armed'] = False else: g.state['held_days'] = 0 record(account_nav=p.total_value/p.starting_cash,exposure=value/p.total_value) append_csv('_daily.csv',[str(context.current_dt.date()),p.total_value,p.available_cash, held,value,value/p.total_value,g.target,g.source_day,g.reason])

军工这一篇将“先收敛、后突破”拆成三个时间明确的步骤。它能否改善交易，需要和普通突破规则比较；形态越复杂，越应该检查每个新增条件有没有实际贡献。