企业官网建设流程全解析

100万元，策略期末243.18万元；买入后一直持有，期末232.45万元。

策略比买入后一直持有多约10.73万元，最大回撤分别为35.45%、71.91%。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

本篇标的是华泰柏瑞上证红利ETF（510880），聚宽代码510880.XSHG。

回测覆盖2007-01-18至2026-09-16，共4780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。

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

红利ETF的收益不能只看价格涨了多少，也不能把分红再加到已经含分红的账户收益上。

旧版长均线与斜率双重确认反应过慢。新版缩短到60日价格重心，取消额外斜率门槛，并用上下各3%的缓冲控制交易。

实际成交还暴露出另一个问题：早期流动性不足时，每天只挂单5分钟，会让买入或清仓拖延多个交易日。本文改为日内每20分钟撤单重报，仍遵守1%的分钟成交量约束；持有对照也按同一执行方式重跑。下表旧版与新版同时包含信号和执行方式的差异，不能全部归因于指标变化。

规则如何进入代码：

复权价格用于让除息前后的指标可比，成交仍使用当时实际价格。上下3%的通道把“刚碰到均线”与“已经离开价格重心”区分开，减少均线附近的反复进出。

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647笔，完成清仓的持仓阶段30段，累计佣金35805.66元。期末仍持有ETF。

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

双倍成本后，累计收益为126.68%；两组邻近参数为85.57%、42.11%。收益领先没有在这三项检验中全部保留，主参数的优势仍不稳固。

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。

这次属于看过历史后的策略修订。先后研究了34组规则与参数，再选定本篇方案到聚宽复核。成本和邻近参数检验能发现脆弱性，却不能消除历史选择偏差。下面的后30%也已被研究过程查看，不能称为独立样本外。

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。

现金分红留在账户，持仓期间不专门补仓。策略下一轮入场会按当时总资产计算预算；一直持有账户则不再投入分红，两者现金使用方式并不完全相同。

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：

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；从10:00开始，上午和下午每20分钟撤旧单、按最新报价续单，最后一轮14:40，14:55撤余单，15:10记录账户。午休不下单，盘中不重算策略信号。每天检查一次策略条件。

日内每次续单先汇总已经成交的金额及佣金，只从初始预算扣除新增花费；不因为多次下单重复扣费，也不因为价格变化扩大原定预算。

本策略需要60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': 'ETF17D_07_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。 本代码完整独立；回测参数与正文对应。 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 # 红利ETF量化策略；华泰柏瑞上证红利ETF。 # mode="hold"为同ETF买入后一直持有；初始资金100万元，首次预算90%。 # initial_invested=True表示上市后先建仓，攒足历史再应用退出规则。 # 双倍成本及邻近参数是独立对照，不用于自动寻找最高收益。 CONFIG = {'security': '510880.XSHG', 'listing': '2007-01-18', 'mode': 'strategy', 'params': {'family': 'price_band', 'slow': 60, 'band': 0.03, 'frequency': 'daily'}, 'warmup': 60, 'frequency': 'daily', 'sizing': 'entry', 'initial_invested': False, 'max_weight': 0.9, 'commission': 0.0003, 'slippage': 0.001, 'limit_offset': 0.002, 'rebalance_band': 0.05, 'ablation': False, 'experiment': 'ETF17D_07_execution_main'} def strategy_rule(h, held, cfg, state): """读取已完成日线。风险退出优先，缓冲区内维持已有仓位。""" p, c = cfg['params'], h.close.values family = p['family'] buy, sell = False, False if family in ('dual_ma', 'invested_dual'): # fast/slow是日线窗口；band避免均线贴近时反复买卖。 fast, slow = c[-p['fast']:].mean(), c[-p['slow']:].mean() buy, sell = fast > slow*(1+p['band']), fast < slow*(1-p['band']) elif family in ('price_band', 'monthly', 'invested_trend'): # 收盘越过均线上沿才买，跌破下沿才卖；中间区域不追涨杀跌。 mean = c[-p['slow']:].mean() buy, sell = c[-1] > mean*(1+p['band']), c[-1] < mean*(1-p['band']) elif family == 'channel': # 历史上/下沿排除昨日自身，避免使用包含待判断价格的通道。 buy = c[-1] > h.high.values[-p['entry']-1:-1].max() sell = c[-1] < h.low.values[-p['exit']-1:-1].min() elif family == 'momentum': # slow日涨跌：需要slow+1个收盘价；不是slow个价格。 buy, sell = c[-1] > c[-p['slow']-1], c[-1] < c[-p['slow']-1] elif family == 'crash_guard': # 先参与长期持有；只有高点回落、价格转弱、均线转弱同时成立才退出。 slow, fast = c[-p['slow']:].mean(), c[-p['fast']:].mean() sell = (c[-1] < c[-p['high_window']:].max()*(1-p['drop']) and c[-1] < slow and fast < slow) buy = c[-1] > c[-p['recovery']:].mean() and c[-1] > c[-p['recovery']-1] elif family == 'fast_guard': # 高点回落与跌破均线同时出现才退出；短均线恢复后才考虑重入。 sell = (c[-1] < c[-p['high_window']:].max()*(1-p['drop']) and c[-1] < c[-p['slow']:].mean()) buy = c[-1] > c[-p['recovery']:].mean()*1.01 elif family == 'shock_guard': # 用短均线偏离幅度识别急跌，恢复线比均线高1%，减少立即追入。 sell = c[-1] < c[-p['slow']:].mean()*(1-p['band']) buy = c[-1] > c[-p['recovery']:].mean()*1.01 elif family == 'trend_ensemble': votes = sum(c[-1] > c[-k*p['slow']:].mean() for k in (1,2,3)) buy, sell = votes >= 2, votes <= 1 else: raise ValueError('未知策略规则: '+family) # 即使空仓，也先判断sell。避免风险与恢复同时成立时隔日反复进出。 if sell: return 0., '风险或趋势退出条件成立' if held or buy: return cfg['max_weight'], '继续持有' if held else '入场条件成立' return 0., '等待有效入场信号' 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.observed_days = 0 # 已经过的上市后交易日，不使用未来价格。 g.target, g.signal_day, g.attempt_day = None, None, None g.entry_accounted = {} # 每个订单已经扣过的实际金额，日内续单不能重复扣减。 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') # 上午、下午每20分钟重新报价；每次先撤旧单，再按剩余预算与持仓续单。 # 每笔仍受对应分钟成交量1%限制，不一次吃掉整日成交量。 for clock in ('10:00','10:20','10:40','11:00','11:20', '13:00','13:20','13:40','14:00','14:20','14:40'): run_daily(execute_signal, time=clock) run_daily(cancel_remaining, time='14:55') 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['initial_invested'] and g.observed_days < g.cfg['warmup']: # 保留上市初期的参与机会。历史不足时只完成最初建仓，不凭缺失价格择时。 g.target, g.signal_day, g.reason = g.cfg['max_weight'], today, '上市初期先参与持有' return nondecision = (g.cfg['frequency'] == 'weekly' and not is_new_week(today, context.previous_date)) nondecision = nondecision or (g.cfg['frequency'] == 'monthly' and (today.year,today.month) == (context.previous_date.year,context.previous_date.month)) if nondecision: # 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 = '本周期非决策日' 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): """每20分钟用最新报价续单；信号仍只在盘前生成一次。""" today = context.current_dt.date() if g.signal_day != today or g.target is None or g.attempt_day == context.current_dt: return cancel_remaining(context) sync_entry_budget() 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 = context.current_dt 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。 sync_entry_budget() 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)]) # 建仓预算统一在sync_entry_budget中按增量扣减，避免日内与收盘重复计费。 g.observed_days += 1 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]) def sync_entry_budget(): """从真实Trade计算累计花费，只扣本次新出现的成交与佣金。""" turnover = {} for trade in get_trades().values(): if trade.security == g.cfg['security']: key = str(trade.order_id) turnover[key] = turnover.get(key, 0.) + trade.amount * trade.price for order_record in get_orders().values(): if order_record.security != g.cfg['security'] or not order_record.is_buy: continue key = str(order_record.order_id) spent = turnover.get(key, 0.) + order_record.commission delta = max(0., spent - g.entry_accounted.get(key, 0.)) if g.entry_remaining is not None: g.entry_remaining = max(0., g.entry_remaining - delta) g.entry_accounted[key] = spent

红利这一篇先把分红和价格变化算在正确的位置，再判断择时有没有帮助。真正需要比较的是扣费后的总资产，而不是分红次数或价格涨幅。