本文描述了在对screen（股票筛选器）进行回测的过程中所碰到的各种问题以及对应的解决方法。最后，通过对portfolio中个股权重进行优化，获得了一个相当不错的回测结果。回测以股灾顶峰（2015-06-12）为开始时点一直到2020-09-25，并以比较保守的参数设置，期间获得了近45%的总收益或年化7.5%的收益。
这段时间真的是做回测做到吐了。回测真的是一件超重体力活啊！自己刚从一个坑爬出来紧接着又跌入下一个坑，不断往复。。。痛不欲生！如果有人告诉你一个量化策略并说能盈利，但是没有回测记录那是在耍流氓。如果他给你看回测记录而没有告诉你回测条件那也是在耍流氓。
上篇一个基于价值的screen（筛选器） -- 大概是最简单的量化投资介绍了一个基于价值的Screen，并且用最原始的方式做了回测，包括：
- 在计算aggregate z-score的时候使用等权重
- 在构建portfolio时简单地使用aggregate z-score为top n的股票
- rebalance时的操作为先全部卖出，再全部买入
回测的结果显示能明显跑赢基准，当时心理还是沾沾自喜，要知道这可是一把成功，没有overfitting这回事啊！想接下来再做一些优化，最主要想对aggregate z-score的权重进行优化。但转念觉得自己还没有评估过该策略在不同情况下的表现，比如：
- 调整rebalance的时间点，如前移或后移
- 增加或减少rebalance 的次数
第一感觉是这些调整对回测结果只会产生微弱的影响。但是噩梦就此开始。。。
问题暴露
说干就干，撸起袖子开始改代码（尽显码农本色）。
改变调仓（rebalance）周期
上篇screen中每年做3次rebalance，分别对应三个财报季：
- 1季报：4月30日以后的第一个交易日。
- 2季报（中报）：8月31日以后的第一个交易日。
- 3季报： 10月31日以后的第一个交易日。
由以上描述可以看出，从三季报到次年一季报之间有6个月的时间，这就导致了rebalance之间的interval不一致，因此考虑在1月31日以后的第一个交易日新增一次rebalance（年报：每年1月1日——4月30日，因此同1季报的时间重叠，因此等年报出来一季报也基本发布了，那么年报的信息相对就有些过期了，所以，原本3次调仓其实是忽略了年报的信息）。那么rebalance每年4次，interval基本上在3个月左右。
可是结果有点出乎意料，5年的回测成绩不理想，如下图所示：
而如果换作半年一次调仓，调仓时点放在一季报和三季报发布的时间段，那么5年的回测收益接近原来的收益。如下图所示：
增加一次调仓的结果真的让我大跌眼镜！隐约感觉策略可能出问题了。继续测试其他场景。。。
改变调仓时点
如果改变调仓的时间点，则回测收益也出现了明显的下滑。首先，测试将调仓时间后移2周，每年两次调仓，即调仓的时间点为：
- 1季报：5月15日以后的第一个交易日。
- 3季报： 11月15日以后的第一个交易日。
测试结果如下图所示：
如果说将调仓时间后移使得相关财报信息被市场消化，导致收益下降是一种解释。但是，明显跑输沪深300就感觉很难解释了，是因为市场风格发生了变化吗？
那么如果将rebalance时点比原来提前一周呢？，即调仓的时间点为：
- 1季报：4月23日以后的第一个交易日。
- 3季报： 10月24日以后的第一个交易日。
测试结果如下所示：
微弱跑输沪深300。可能是因为没有获取到全部财报的更新数据？
根据以上描述，可以发现该Screen对rebalance的时点和次数都是非常敏感。这同我的预期形成了鲜明的反差，严重伤害了我的感情！这样的策略不可能应用到实战中，于是开始着手调查。。。
陷阱
由于整个回测是自动化完成的，要找到问题并不容易，输出日志也许是为数不多的方法。
陷阱之一 — 一定是策略出问题了
对于调整rebalance时间点对回测结果产生重大影响这个问题，我第一反应是很可能策略很有可能在rebalance时间前后会给出差异巨大的输出，这样就可能导致回测结果出现严重的不一致。该如何排查这一点呢？只能通过日志输出来进行人工比较。但是，结果显示，策略的输出并无明显差别，如下所示。下表是策略原来预设的调仓时间点：2017-04-30以后的第一交易日所产生的输出：
| label | z_score_sum | symbol | industry_name |
|---|---|---|---|
| 000502.XSHE | 8.890258 | 绿景控股 | 房地产业 |
| 000004.XSHE | 8.681055 | 国农科技 | 软件和信息技术服务业 |
| 600338.XSHG | 8.068400 | 西藏珠峰 | 有色金属矿采选业 |
| 002110.XSHE | 7.868558 | 三钢闽光 | 黑色金属冶炼和压延加工业 |
| 000036.XSHE | 7.327801 | 华联控股 | 房地产业 |
| 600052.XSHG | 6.932945 | 浙江广厦 | 广播、电视、电影和影视录音制作业 |
| 600519.XSHG | 6.889754 | 贵州茅台 | 酒、饮料和精制茶制造业 |
| 002120.XSHE | 6.812944 | 韵达股份 | 邮政业 |
| 002508.XSHE | 6.806315 | 老板电器 | 电气机械和器材制造业 |
| 000011.XSHE | 6.669217 | 深物业A | 房地产业 |
| 002372.XSHE | 6.640031 | 伟星新材 | 橡胶和塑料制品业 |
| 002032.XSHE | 6.371474 | 苏泊尔 | 金属制品业 |
| 002352.XSHE | 6.352925 | 顺丰控股 | 邮政业 |
| 600681.XSHG | 6.345977 | 百川能源 | 燃气生产和供应业 |
| 002558.XSHE | 6.327748 | 巨人网络 | 互联网和相关服务 |
| 600641.XSHG | 6.267760 | 万业企业 | 房地产业 |
| 002035.XSHE | 6.266626 | 华帝股份 | 电气机械和器材制造业 |
| 002468.XSHE | 6.229671 | 申通快递 | 邮政业 |
| 600477.XSHG | 6.075676 | 杭萧钢构 | 金属制品业 |
| 002466.XSHE | 6.044695 | 天齐锂业 | 有色金属冶炼和压延加工业 |
| 600887.XSHG | 5.964935 | 伊利股份 | 食品制造业 |
| 002597.XSHE | 5.962833 | 金禾实业 | 化学原料及化学制品制造业 |
| 600167.XSHG | 5.836436 | 联美控股 | 电力、热力生产和供应业 |
| 002677.XSHE | 5.706263 | 浙江美大 | 电气机械和器材制造业 |
| 600779.XSHG | 5.639503 | 水井坊 | 酒、饮料和精制茶制造业 |
| 600746.XSHG | 5.600572 | 江苏索普 | 化学原料及化学制品制造业 |
| 002647.XSHE | 5.583226 | 仁东控股 | 其他金融业 |
| 300268.XSHE | 5.565489 | 佳沃股份 | 农副食品加工业 |
| 300136.XSHE | 5.494172 | 信维通信 | 计算机、通信和其他电子设备制造业 |
| 600688.XSHG | 5.400361 | 上海石化 | 石油加工、炼焦和核燃料加工业 |
| 002233.XSHE | 5.293639 | 塔牌集团 | 非金属矿物制品业 |
| 002136.XSHE | 5.285238 | 安纳达 | 化学原料及化学制品制造业 |
| 002460.XSHE | 5.247013 | 赣锋锂业 | 有色金属冶炼和压延加工业 |
| 603288.XSHG | 5.194811 | 海天味业 | 食品制造业 |
| 600132.XSHG | 5.166631 | 重庆啤酒 | 酒、饮料和精制茶制造业 |
| 002043.XSHE | 5.161986 | 兔宝宝 | 木材加工和木、竹、藤、棕、草制品业 |
| 600507.XSHG | 5.078334 | 方大特钢 | 黑色金属冶炼和压延加工业 |
| 002555.XSHE | 4.955648 | 三七互娱 | 互联网和相关服务 |
| 002636.XSHE | 4.927382 | 金安国纪 | 计算机、通信和其他电子设备制造业 |
| 002133.XSHE | 4.854489 | 广宇集团 | 房地产业 |
| 300176.XSHE | 4.773486 | 派生科技 | 汽车制造业 |
| 600309.XSHG | 4.762293 | 万华化学 | 化学原料及化学制品制造业 |
| 002713.XSHE | 4.732748 | 东易日盛 | 建筑装饰和其他建筑业 |
| 000568.XSHE | 4.716226 | 泸州老窖 | 酒、饮料和精制茶制造业 |
| 000910.XSHE | 4.704433 | 大亚圣象 | 木材加工和木、竹、藤、棕、草制品业 |
| 002507.XSHE | 4.697732 | 涪陵榨菜 | 食品制造业 |
| 600211.XSHG | 4.618739 | 西藏药业 | 医药制造业 |
| 002572.XSHE | 4.540608 | 索菲亚 | 家具制造业 |
| 000930.XSHE | 4.525929 | 中粮科技 | 化学原料及化学制品制造业 |
| 000813.XSHE | 4.461262 | 德展健康 | 医药制造业 |
而下表为推后的调仓时间点：2017-05-16这个交易日所产生的输出，比策略原来预设的调仓时间点晚了2周：
| label | z_score_sum | symbol | industry_name |
|---|---|---|---|
| 000502.XSHE | 8.778548 | 绿景控股 | 房地产业 |
| 000004.XSHE | 8.597785 | 国农科技 | 软件和信息技术服务业 |
| 002110.XSHE | 7.754317 | 三钢闽光 | 黑色金属冶炼和压延加工业 |
| 002120.XSHE | 7.576107 | 韵达股份 | 邮政业 |
| 600519.XSHG | 7.571283 | 贵州茅台 | 酒、饮料和精制茶制造业 |
| 600338.XSHG | 7.553469 | 西藏珠峰 | 有色金属矿采选业 |
| 000036.XSHE | 7.347328 | 华联控股 | 房地产业 |
| 002508.XSHE | 7.269823 | 老板电器 | 电气机械和器材制造业 |
| 000011.XSHE | 7.180023 | 深物业A | 房地产业 |
| 002352.XSHE | 7.168590 | 顺丰控股 | 邮政业 |
| 002035.XSHE | 7.091673 | 华帝股份 | 电气机械和器材制造业 |
| 002032.XSHE | 7.063430 | 苏泊尔 | 金属制品业 |
| 002372.XSHE | 7.029911 | 伟星新材 | 橡胶和塑料制品业 |
| 600052.XSHG | 6.886197 | 浙江广厦 | 广播、电视、电影和影视录音制作业 |
| 002468.XSHE | 6.820134 | 申通快递 | 邮政业 |
| 600477.XSHG | 6.657167 | 杭萧钢构 | 金属制品业 |
| 002597.XSHE | 6.645728 | 金禾实业 | 化学原料及化学制品制造业 |
| 600887.XSHG | 6.407632 | 伊利股份 | 食品制造业 |
| 002466.XSHE | 6.316711 | 天齐锂业 | 有色金属冶炼和压延加工业 |
| 300136.XSHE | 6.279457 | 信维通信 | 计算机、通信和其他电子设备制造业 |
| 600779.XSHG | 6.244783 | 水井坊 | 酒、饮料和精制茶制造业 |
| 600641.XSHG | 6.199704 | 万业企业 | 房地产业 |
| 002677.XSHE | 6.016379 | 浙江美大 | 电气机械和器材制造业 |
| 002460.XSHE | 5.974417 | 赣锋锂业 | 有色金属冶炼和压延加工业 |
| 603288.XSHG | 5.783055 | 海天味业 | 食品制造业 |
| 000568.XSHE | 5.741317 | 泸州老窖 | 酒、饮料和精制茶制造业 |
| 002636.XSHE | 5.690895 | 金安国纪 | 计算机、通信和其他电子设备制造业 |
| 600681.XSHG | 5.650337 | 百川能源 | 燃气生产和供应业 |
| 600746.XSHG | 5.632605 | 江苏索普 | 化学原料及化学制品制造业 |
| 600132.XSHG | 5.505306 | 重庆啤酒 | 酒、饮料和精制茶制造业 |
| 600688.XSHG | 5.485803 | 上海石化 | 石油加工、炼焦和核燃料加工业 |
| 300268.XSHE | 5.423325 | 佳沃股份 | 农副食品加工业 |
| 002507.XSHE | 5.385897 | 涪陵榨菜 | 食品制造业 |
| 000858.XSHE | 5.205664 | 五粮液 | 酒、饮料和精制茶制造业 |
| 002555.XSHE | 5.198571 | 三七互娱 | 互联网和相关服务 |
| 000910.XSHE | 5.184445 | 大亚圣象 | 木材加工和木、竹、藤、棕、草制品业 |
| 600507.XSHG | 5.169067 | 方大特钢 | 黑色金属冶炼和压延加工业 |
| 600309.XSHG | 5.164688 | 万华化学 | 化学原料及化学制品制造业 |
| 002572.XSHE | 5.162698 | 索菲亚 | 家具制造业 |
| 600167.XSHG | 5.118928 | 联美控股 | 电力、热力生产和供应业 |
| 002136.XSHE | 5.080895 | 安纳达 | 化学原料及化学制品制造业 |
| 002043.XSHE | 5.013130 | 兔宝宝 | 木材加工和木、竹、藤、棕、草制品业 |
| 000049.XSHE | 5.000309 | 德赛电池 | 电气机械和器材制造业 |
| 002558.XSHE | 4.966376 | 巨人网络 | 互联网和相关服务 |
| 002304.XSHE | 4.951366 | 洋河股份 | 酒、饮料和精制茶制造业 |
| 002415.XSHE | 4.854819 | 海康威视 | 计算机、通信和其他电子设备制造业 |
| 002647.XSHE | 4.782066 | 仁东控股 | 其他金融业 |
| 300176.XSHE | 4.772607 | 派生科技 | 汽车制造业 |
| 002713.XSHE | 4.767137 | 东易日盛 | 建筑装饰和其他建筑业 |
| 600211.XSHG | 4.707598 | 西藏药业 | 医药制造业 |
由以上两表对比可见，策略输出的一致性还是相当高的，除了排名发生了些许变化（因为股价改变了），总体来看排名前50的成分股票变化很少（有贵州茅台哦！！！）。那么就排除了策略算法上的问题。到底哪里出问题了？感觉没啥方向，已经感觉大伤元气了。。。
陷阱之二 — 停牌
既然策略本身没有问题，那很有可能在执行策略的过程中出问题了！于是将排查的重点放到持仓上。果然很快就发现问题了，通过日志可以发现每次rebalance的时候，总是有一些股票卖不出去，同时会有一些股票买不进来。再通过日志发现因为股票停牌了！对于普通投资者来说本来的持仓的股票个数也不会很大，因此很少会碰到股票停牌。但是，对于策略来说，我的portfolio由50只股票组成。几乎每次rebalance时总是会碰到有股票停牌。尤其是在2015年6月份极端行情的那段时间，出现了大面积的股票停牌，这对策略的结果产生了很大的冲击。因此就会出现改变rebalance的时间点，portfolio的持仓会有很大的区别。例如对于通过策略入围的50只股票，在t天有10只股票停牌，而在t+n天可只有3只股票停牌了。那么在t日买入和在t+n日买入portfolio的构成会有很大的区别。由于停牌，导致了我的portfolio在不同时点做rebalance会有不同只数的股票构成，而且股票只数不足50只。
发现问题以后，又是狂敲一通代码修改策略的回测过程，在rebalance当天：
- 如果有股票因停牌无法卖出的，在买入时还是以portfolio的股票到达50只为止。例如当日有10只股票因停牌无法卖出的，那么只能买入40只股票。
- 由于停牌无法卖出的股票在后续交易日执行卖出操作，有可能后续交易日继续停牌，或跌停无法卖出的，在下一交易日继续执行卖出，直至全部卖出为止。
- 在卖出的同时补入对应数量入围股票。
一番测试，修改bug以后觉得没啥问题了，结果一跑回测，发现portfolio里面股票的数量还是不对。。。继续排查。。。
陷阱之三 — 涨跌停
顺藤摸瓜，发现策略执行过程中没有考虑涨跌停的股票。例如在rebalance当天，需卖出的股票如果碰到跌停，则是无法卖出的，那么只能在后续交易日卖出。后续交易日也可能继续跌停，那我的策略就是一直执行卖出操作，直至卖出为止。同停牌相似，后续卖出以后也必须买入相同只数的股票。例如后续某交易日补卖出3只股票，则必须同时买入3只股票。也就是说，portfolio的构成始终维持在50只股票。
如果碰到涨停则在rebalance当天无法买入。那么这里的策略同卖出有所不同。买入如果碰到涨停则换一只入围股票，直到portfolio达到50只，也就是说，rebalance当天肯定会使portfolio的持股数量达到50只。
继续修改代码，回测结果如下图所示：
上图的rebalance时间点为预设时间点后移14天，总收益为-1.88%。而预设rebalance的最终收益是-1.96%，两者对比从最终收益角度看差别不大。看上去问题是解决了，但是这收益和基准（沪深300全收益指数）没啥区别，而且很长时间里面还落后基准。难道我设计的策略就只能取得市场收益吗？
我对取得市场收益没有什么偏见，恰恰相反，我觉得能取得市场收益也很不错了。但是，我设计这个策略的初衷肯定是想跑赢市场，那为何没有跑赢呢？继续排查。。。
陷阱之四 — 个股权重
在解决上门几个问题时，已经做了无数次的回测了，每次都会发生同一个现象，那就是：从2017年开始策略就会落后基准，然后同基准的差距越拉越大。初看感觉就是策略上出问题了。但是，检查持仓也没有发现什么。难道是回测框架（RQAlpha）的问题？
为了验证我的想法，我又设计了一个测试方案。我想，既然我的基准是沪深300全收益指数，那么我干脆再写一个策略。每次调仓从沪深300里面随机抽取50只股票，也是等权重。那么，跑出来的收益应该同沪深300指数差不多吧。于是继续一通敲击键盘。执行回测，出结果，见下图：
What？！同样从2017年开始分叉了。我再将佣金调成了0，结果也一样。。。不会真的是回测框架的bug吧？！当时也真的是两眼一黑，觉得要另找回测框架了，心中真的是一万匹草泥马奔腾啊！
转念一想，我每次调仓用的是等权重，而沪深300是流通市值权重。那我是不是该找沪深300等权重指数作为基准来回测一下呢？想想觉得有一定道理，反正死马当活马，再跑一边，出结果：
跑了几遍，基本能验证我的想法。其实用沪深300指数和沪深300等权重指数直接比较一下，就能发现端倪：
等权重指数严重跑输市值指数。说明市值大的股票要比市值小的股票表现更出色。
Ok，长舒一口气，看来权重决定成败了。那么，接下去就不是排查问题了，目标很明确，对股票权重进行优化。（overfitting?!）
优化权重
有了明确的目标，接下来就好办了，不用等权重，换用其他的权重做一下测试。继续猛敲一通键盘（看来应该去买一个手感好一点的键盘了）。
使用流通市值权重
首先想到的就是以市值做为权重。那么在入围的50只股票里面，大盘股的权重大而小盘股的权重小。我直接使用“000985.XSHG，中证全指” 里面的权重为基础，对50只股票按比例重新分配权重（即50只股票的权重之和等于1）。举例来说，假如我的portfolio里有2只股票000001.XSHE和000004.XSHE，在2015-06-12的中证全指里：
- 000001.XSHE的权重为0.0040
- 000004.XSHE的权重为0.0001
那么经过换算，这两只股票的权重分别为：
- 000001.XSHE的权重为0.97561
- 000004.XSHE的权重为0.02439
使用流通市值权重进行回测的结果是：
Holly Cow… 71.5%的收益而基准收益为-3%！！！我整个人为之一振啊，这岂止是咸鱼翻身啊。。。（放飞自我了10多分钟以后）我想还是该仔细看一下结果，这确实有点事后诸葛亮的味道，毕竟我看到了等权重指数和市值指数的差异以后再来改我的策略。这有点overfitting的味道了。
以2019-05-06 rebalance后的持仓前5位为例：
| label | position_value | name | weight |
|---|---|---|---|
| 600519.XSHG | 271800.0 | 贵州茅台 | 0.361408 |
| 000858.XSHE | 128968.0 | 五粮液 | 0.146703 |
| 600585.XSHG | 50063.0 | 海螺水泥 | 0.059027 |
| 601888.XSHG | 45606.0 | 中国中免 | 0.055920 |
| 603288.XSHG | 44250.0 | 海天味业 | 0.053504 |
可见光茅台一家就占了31%的仓位。这样的仓位从投资组合角度来说风险暴露程度太高了，茅台一家的涨跌直接影响了整个portfolio。而另一个问题是排在第二大仓位的股票是五粮液，而茅台和五粮液同属一个行业，因此，这样的持仓行业集中度也太高了。可以说这是overfitting了。
流通市值++
那就继续对股票权重进行改进。我想到了一个方案：我设置一个单只股票持仓的阈值，portfolio里的股票持仓不能超过这个阈值。比如我设置20%作为阈值，在根现有权重排序，最大的排在最前。那么，上面持仓中，茅台就超过了，因此茅台的持仓变为20%，而多余的部分按比例分配给其余几家公司。如果排在第二家的权重也超了，那么继续这个过程。
举例来说，我有如下的仓位:
| label | w |
|---|---|
| 001 | 0.50 |
| 002 | 0.40 |
| 005 | 0.04 |
| 003 | 0.03 |
| 004 | 0.03 |
我的阈值为20%，那么经过处理得到如下的权重：
| label | w |
|---|---|
| 001 | 0.200 |
| 002 | 0.160 |
| 003 | 0.192 |
| 004 | 0.192 |
| 005 | 0.256 |
通过这样处理就好比regularization能将那些出现极端仓位的情况化解掉，防止overfitting。
那么对于我个人而言，20%是个股的极端仓位了，因此我将阈值设置成20%并回测，结果如下：
近60%的收益，同之前71.5%的收益比有所下降。但这样的权重设置在实际应用中会更加可靠。再来比较一下2019-05-06 rebalance后持仓比例的变化
| label | position_value | name | 原weight | 新weight |
|---|---|---|---|---|
| 600519.XSHG | 271800.0 | 贵州茅台 | 0.361408 | 0.2 |
| 000858.XSHE | 128968.0 | 五粮液 | 0.146703 | 0.16 |
| 600585.XSHG | 50063.0 | 海螺水泥 | 0.059027 | 0.0768 |
| 601888.XSHG | 45606.0 | 中国中免 | 0.055920 | 0.072758 |
| 603288.XSHG | 44250.0 | 海天味业 | 0.053504 | 0.069614 |
由上表可见，不光茅台的权重设置成了0.2，茅台+五粮液的权重也明显下降了。个人感觉这个权重分配的算法是比较适合真实应用。由于阈值可以灵活设置，因此可以设置得更加保守，比如15%或10%。下图显示了10%为阈值的回测结果（真的是回测做到吐啊。。。），依旧能获得45.37%的回报。
策略回测结果
最后展示一下策略生成持仓结果，我的设置如下：
- 起始时间2015-06-12
- 终止时间2020-09-25
- 持仓阈值10%
- 选股范围：中证全指
- 每年rebalance2次，分别为4月30日以及10月31日以后的第一个交易日
以下展示每年10月31日后第一个交易日rebalance完成后的持仓（top 5）：
2015
| label | position_value | name | weight |
|---|---|---|---|
| 600276.XSHG | 51510.0 | 恒瑞医药 | 0.088675 |
| 600271.XSHG | 44728.0 | 航天信息 | 0.077000 |
| 600066.XSHG | 40090.0 | 宇通客车 | 0.069016 |
| 300017.XSHE | 36174.0 | 网宿科技 | 0.062274 |
| 600649.XSHG | 28740.0 | 城投控股 | 0.049476 |
2016
| label | position_value | name | weight |
|---|---|---|---|
| 600519.XSHG | 63336.0 | 贵州茅台 | 0.104413 |
| 600887.XSHG | 57824.0 | 伊利股份 | 0.095326 |
| 600276.XSHG | 51579.0 | 恒瑞医药 | 0.085031 |
| 300072.XSHE | 30821.0 | 三聚环保 | 0.050810 |
| 000568.XSHE | 28320.0 | 泸州老窖 | 0.046687 |
2017
| label | position_value | name | weight |
|---|---|---|---|
| 600887.XSHG | 77004.0 | 伊利股份 | 0.093416 |
| 600276.XSHG | 68510.0 | 恒瑞医药 | 0.083112 |
| 600519.XSHG | 62301.0 | 贵州茅台 | 0.075579 |
| 002304.XSHE | 56600.0 | 洋河股份 | 0.068663 |
| 600309.XSHG | 44820.0 | 万华化学 | 0.054373 |
2018
| label | position_value | name | weight |
|---|---|---|---|
| 600585.XSHG | 70560.0 | 海螺水泥 | 0.103942 |
| 601888.XSHG | 63516.0 | 中国中免 | 0.093566 |
| 603288.XSHG | 58680.0 | 海天味业 | 0.086442 |
| 600309.XSHG | 52110.0 | 万华化学 | 0.076764 |
| 600516.XSHG | 29400.0 | 方大炭素 | 0.043309 |
2019
| label | position_value | name | weight |
|---|---|---|---|
| 000858.XSHE | 93590.0 | 五粮液 | 0.099662 |
| 002475.XSHE | 91868.0 | 立讯精密 | 0.097829 |
| 603288.XSHG | 78603.0 | 海天味业 | 0.083703 |
| 600585.XSHG | 73899.0 | 海螺水泥 | 0.078694 |
| 300015.XSHE | 54522.0 | 爱尔眼科 | 0.058060 |
最后
最后聊点感想，如果要写一些言之有物的东西真心是需要做大量的工作。这篇文章（其实也包括我写的其他内容）背后是大量的代码和测试。对于那些每天更新的自媒体，我不敢说100%但十之八九是没啥信息量。高质量的文章如果能做到每周更新那真的非常不易。
本篇把回测过程中碰到的陷阱给逐个解决了，而且还搞定了个股权重问题，下一篇《screen（筛选器）之三》打算着手优化aggregate z-score的权重问题，也就是每个factor该如何分配权重。敬请期待！