type
status
date
slug
summary
tags
category
icon
password
该策略是我目前自己运行的可转债策略之一，经过 6 万多次调试之后，收益相对较好的策略。当时回测的三年年化收益率结果是 78.04%，最大回撤率为 9.23%。
但是近一年的表现不佳，收益率在 2%左右，最大回撤率也因 1 月份市场狂跌，扩大到 17.49%。
不过，从最近 5 年的回测结果来看，年化收益率仍有 58.68%，相较于转债等权基准，还有 44.12%的超额收益率。
交易代码
代码的目的和功能
提供的代码是用于实时量化交易的 QMT（量化交易大师）代码。它的目的是将量化策略自动化并执行，处理资产查询、委托、成交和持仓等数据。它允许用户基于预定义的策略进行数据处理、策略执行并生成报告。
代码的结构和组织方式
代码以模块化和结构化的方式组织。它分为几个函数和类，每个函数和类都负责特定任务。主要模块包括：
- **时间转换和格式化函数：**用于转换和格式化时间戳。
- **证券资产查询和保存函数：**查询证券资产并将其保存到数据库。
- **获取持仓数据并保存函数：**查询持仓数据并将其保存到数据库。
- **查询每日委托并保存函数：**查询每日委托并将其保存到数据库。
- **查询每日成交并保存函数：**查询每日成交并将其保存到数据库。
- **计算剩余持仓函数：**计算除策略之外的其他持仓，并将其保存到数据库。
- **证券委托函数：**执行证券委托操作，包括买入和卖出。
- **QMT 回调类：**处理 QMT 推送的回调事件，例如资产变动、成交和持仓变动。
代码中使用的算法和数据结构
代码中使用了各种算法和数据结构，包括：
- **策略执行算法：**根据预定义的策略执行交易操作。
- **数据结构：**使用 DataFrame 和 SQL 数据库来存储和处理数据。
代码中任何复杂或不寻常的方面
代码中一个复杂的部分是策略执行算法。它涉及使用历史数据和实时数据来评估交易机会并做出决策。此外，代码还使用多线程来同时处理多个策略，这增加了复杂性。
代码的潜在限制和改进建议
代码的一些潜在限制包括：
- 对特定 QMT 平台的依赖性。
- 策略执行算法可能需要根据市场条件进行调整。
- 代码可以进一步优化以提高效率和可靠性。
代码中使用的编程语言和库的简要概述
代码使用 Python 编程语言编写，并使用以下库：
- **pandas：**用于数据处理和分析。
- **sqlite3：**用于与 SQL 数据库交互。
- **schedule：**用于安排任务。
- **send_email：**用于发送电子邮件报告。
- **convertible_bond_rotation_strategy：**用于可转债策略。
下载或阅读内容为付费内容，金额为：99.9
该内容与微信公众号的付费阅读和本站点的“付费阅读”绑定：
- 公众号的付费阅读可以直接获得下载或阅读内容，关注微信公众号：余汉波-文章视频-付费阅读，找到对应的内容，或跳转至：6万次回测，近5年收益率58.68%可转债轮动策略
- 扫描打赏二维码，打赏指定金额，截图+标题发送至邮箱（
yuhanbo@sanrenjz.com），或发送到微信（yuhanbo758），等待回复的付费阅读密码：近5年年化收益率58.68%可转债轮动策略 | 余汉波 文档
- 作者:余汉波
- 链接:https://wd.sanrenjz.com/%E4%BB%A3%E7%A0%81%E4%B8%8E%E6%95%88%E7%8E%87/%206%E4%B8%87%E6%AC%A1%E5%9B%9E%E6%B5%8B%EF%BC%8C%E8%BF%915%E5%B9%B4%E5%B9%B4%E5%8C%96%E6%94%B6%E7%9B%8A%E7%8E%87%E7%99%BE%E5%88%86%E4%B9%8B58.68%E5%8F%AF%E8%BD%AC%E5%80%BA%E8%BD%AE%E5%8A%A8%E7%AD%96%E7%95%A5
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
