ETF 动量轮动策略

策略用 ret20 衡量标的近期的涨跌力度，计算方式为当前收盘价相对 20 个交易日之前收盘价的变化率：

${\mathrm{ret20}}_t=\frac{{\mathrm{close}}_t}{{\mathrm{close}}_{t-20}}-1$

其中 close 表示日收盘价，下标 t 表示当前交易日。ret20 是无量纲的收益率，例如 ret20 = 0.05 表示近 20 个交易日上涨 5%，ret20 = -0.03 表示下跌 3%。

脚本在数据准备阶段一次性计算该因子，写作 double(close / move(close, 20) - 1)，并按标的、按时间排序（context by symbol csort tradeTime），保证每只标的只使用自己的历史价格。每只标的的前 20 条记录因为缺少 20 个交易日之前的价格而为 NULL，脚本遇到 NULL 时跳过当日信号，因此策略从每只标的的第 21 个交易日才开始产生信号。

该因子只用于两只标的之间的相对比较，不设绝对阈值：策略没有“动量不足就空仓”的规则，只要两只标的都有有效因子，资金就始终停留在其中一只标的上。这与同时包含相对动量与绝对动量过滤的经典轮动策略不同。

• 资产类型与方向：日频基金类多头标的，使用普通现金账户，只做多，不融资、不融券、不做空。

• 标的映射：脚本用 000001 表示红利类标的（dividendETF），用 000002 表示科创 50 类标的（starETF），两者构成候选池 symbolPool。

• 行情频率：日频（dataType = 4），每个交易日一条行情。行情时间戳为交易日的零点标记，只表示交易日归属，不代表在零点成交。

• 模拟标的与真实标的的区别：脚本读取服务器上的一个 CSV 文件，标的编号不带交易所后缀，属于测试用数据。运行前需要确认 000001、000002 在该文件中实际对应的产品，接入真实数据时再替换为真实代码与行情。

• 交易成本：手续费率 0.00015。脚本把 tax 设为 0.0005，即按卖出金额的 0.05% 计提印花税；基金份额在真实交易中通常免征印花税，接入真实数据前应确认该取值。

一次完整的轮动按以下顺序执行：

1. 每个交易日收盘后读取两只标的当日的 ret20。只要有一只标的当日没有行情、成交量为 0，或者因子为 NULL，就跳过当天，不产生信号。

2. 比较两只标的的 ret20，选择数值较大的一只作为目标标的；如果目标标的当日成交量为 0，同样跳过，不产生信号。

3. 以信号日的账户总权益为基数计算目标数量：目标数量 = 账户权益 ÷ (收盘价 × (1 + 手续费率))，再向下取整到 100 份。

4. 保存目标标的、目标数量和信号日，并把“待执行调仓”标记置为真。

5. 次一交易日的行情回调中先卖出不在目标中的持仓，委托价格取当日开盘价，数量为当前持仓数量。

6. 随后买入目标标的，数量为“目标数量 − 当前持仓数量”，并同时受估算现金与引擎返回的可用资金限制，按 100 份取整。

7. 无论买入是否全部成交，执行一次后即清除待执行标记，后续交易日不会自动追单补足目标数量。

时间顺序上，信号只使用信号日及之前的收盘数据，成交价格取次一交易日的开盘价，因此不存在用未来价格下单的问题。策略每个交易日都重新比较因子，一旦强弱关系反转，就会在下一次开盘完成切换，换手率取决于两只标的相对强弱的切换频率。

数量约束方面，买入数量不足 100 份时不下单；卖出委托按引擎返回的实际持仓数量提交。买入数量用信号日收盘价锁定，次日开盘跳空不会改变目标数量，但实际买入仍受当时可用资金限制，可能买不到目标数量。

下载附录中的 ETFSeesaw.csv 文件，作为回测的案例数据。先将对应区间的 CSV 数据导入，data = loadText("/.../ETFSeesaw.csv")改为实际存储 CSV 文件的真实路径。

数据准备把原始列改名为回测引擎要求的列名、按标的计算 20 日收益率 ret20、把行情按时间排序。

data = loadText("/.../ETFSeesaw.csv")

// 因子 ret20：在数据侧算好（20 日收益率）
etfAll = select securityid as symbol, timestamp(tradeTime) as tradeTime, open, low, high, close,
        long(vol) as volume, val as amount, double(NULL) as upLimitPrice, double(NULL) as downLimitPrice
    from data
tradeBars = select symbol, tradeTime, open, low, high, close, volume, amount,
        upLimitPrice, downLimitPrice, double(close / move(close, 20) - 1) as ret20
    from etfAll context by symbol csort tradeTime
tradeBars = select * from tradeBars order by tradeTime

传给回测引擎的行情表包含以下列：

其中 symbol、tradeTime、volume、amount 等列名需要与引擎校验的名称保持一致，否则行情回放会报错。官方股票回测在分钟频与日频行情下给出的必需字段为 symbol、tradeTime、open、low、high、close、volume、upLimitPrice、downLimitPrice，首列必须是 symbol，同时允许附加 INT、DOUBLE、STRING 类型的扩展列；脚本额外保留了 amount 列（脚本注释说明该列名同样需要与引擎校验的名称一致），并把新增的 ret20 作为扩展列传入。

策略由 roundLot、initialize 和 onBar组成。roundLot 负责把按资金算出的原始数量调整为可申报的数量，initialize 建立本次回测需要的参数与状态，onBar 负责执行上一信号日锁定的调仓并生成新的信号。

initialize中的关键初始状态如下：

def initialize(mutable context) {
    // 策略参数
    context["commission"] = 0.00015
    context["dividendETF"] = "000001"
    context["starETF"] = "000002"
    context["symbolPool"] = ["000001", "000002"]
    // 调仓状态
    context["pendingRebalance"] = false
    context["signalDate"] = NULL
    context["selectedSymbol"] = ""
    context["targetQty"] = 0l
}

日线回调： onBar

onBar(mutable context, msg, indicator) 是日频行情回调，每个交易日执行一次，既负责执行上一信号日留下的调仓，也负责产生新的信号。

• context：可变 DICTIONARY，包含初始化写入的参数与状态，引擎还会注入当前行情的 tradeTime、当前交易日 tradeDate 和引擎句柄 engine。

• msg：DICTIONARY，以标的代码为键，值是该标的当日行情记录。函数从中读取 open、close、volume，以及数据准备阶段附加的扩展列 ret20。

• indicator：引擎为指标结果预留的参数。脚本没有订阅指标，因此函数签名保留该参数，但策略逻辑没有读取它。

函数没有返回值，副作用包括提交买卖委托、更新调仓状态，以及维护 selectedSymbol 与 targetQty。内先执行上一信号日锁定的调仓，再判断当日是否产生新信号。这个顺序保证用当日收盘数据算出的目标不会在当日成交。

关键实现细节：

1. 决定今天是否调仓：昨天收盘已经定好了目标，所以今天开盘才动手执行——信号与成交错开一天，不用当天信息做当天交易。

2. 先卖后买：需要换标的时，先把当前持有但不是今天目标的持仓按开盘价全部卖出，并把这笔卖出回款立即算作当天可以买入的资金，避免"卖了却买不进"。

3. 买入目标标的：用目标数量减去已有持仓算出还缺多少，再受当天可用资金限制、按 100 份的整数倍缩小，最后按开盘价买入；一次调仓只尝试一次，不成交就等下一个交易日。

4. 每天比强弱产生信号：每个交易日收盘比较两只标的近 20 个交易日的涨幅，谁强就把谁定为目标（不做阈值判断、只比相对强弱）；有任一标的的 20 日数据还没预热够，就当天不动作。

5. 锁定明天的目标数量：按当天收盘时的账户总权益和目标标的收盘价，算出明天应该持有多少份（取成 100 份的整数倍），连同目标标的记下来，交给明天开盘执行。

def onBar(mutable context, msg, indicator) {
    curDate = date(msg.values()[0]["tradeTime"])

    // ---------- 1. 执行信号日锁定的调仓：次一交易日按开盘价成交 ----------
    if (context["pendingRebalance"] && curDate != context["signalDate"]) {
        expectedCash = Backtest::getAvailableCash(context.engine)
        // 先卖出不在目标中的持仓
        for (s in context["symbolPool"]) {
            if (!(s in msg) || msg[s]["volume"] <= 0) { continue }
            pos = Backtest::getPosition(context.engine, s)
            held = iif(size(pos) > 0, long(pos["longPosition"]), 0l)
            if (s != context["selectedSymbol"] && held > 0) {
                Backtest::submitOrder(context.engine,
                    (s, context.tradeTime, 5, msg[s]["open"], held, 3), "调仓卖出")
                expectedCash = expectedCash + held * msg[s]["open"] * (1 - context["commission"])
            }
        }
        // 再买入目标标的
        s = context["selectedSymbol"]
        if ((s in msg) && msg[s]["volume"] > 0) {
            bar = msg[s]
            pos = Backtest::getPosition(context.engine, s)
            held = iif(size(pos) > 0, long(pos["longPosition"]), 0l)
            need = context["targetQty"] - held
            if (need > 0) {
                cash = min(expectedCash, Backtest::getAvailableCash(context.engine))
                qty = min(need, roundLot(cash / (bar["open"] * (1 + context["commission"]))))
                if (qty > 0) {
                    Backtest::submitOrder(context.engine,
                        (s, context.tradeTime, 5, bar["open"], qty, 1), "调仓买入")
                }
            }
        }
        context["pendingRebalance"] = false
    }

    // ---------- 2. 每个交易日按 20 日动量择强，锁定次日目标数量 ----------
    dividendETF = context["dividendETF"]
    starETF = context["starETF"]
    if (!(dividendETF in msg) || !(starETF in msg)) { return }
    retDividend = msg[dividendETF]["ret20"]
    retStar = msg[starETF]["ret20"]
    if (isNull(retDividend) || isNull(retStar)) { return }   // 因子预热不足，不产生信号

    target = iif(retDividend > retStar, dividendETF, starETF)
    if (msg[target]["volume"] <= 0) { return }
    equity = Backtest::getTotalPortfolios(context.engine).totalEquity[0]
    context["selectedSymbol"] = target
    context["targetQty"] = roundLot(equity / (msg[target]["close"] * (1 + context["commission"])))
    context["pendingRebalance"] = true
    context["signalDate"] = curDate
}

用 100 万元的场内账户，在 2024 全年按日频行情、按开盘价撮合、按比例收佣金与印花税，模拟"每日收盘择强、次日开盘换仓"的满仓 ETF 跷跷板轮动；0.00015手续费率，买入与卖出都按成交金额的比例收取。手续费率与 initialize 中的 commission 重复设置，两处必须保持一致，否则撮合计价与目标数量计算会使用不同的费率。

config = {
    startDate: 2024.01.01,
    endDate: 2024.12.31,
    strategyGroup: "stock",
    cash: 1000000.0,
    commission: 0.00015,
    tax: 0.0005,
    dataType: 4,
    outputOrderInfo: true,
    matchingMode: 2,
    orderBookMatchingRatio: 0.2,
    enableMinimumPerTransactionFee: false
}

创建引擎前需要先加载两个插件：

• MatchingEngineSimulator：模拟撮合引擎插件，Backtest 的撮合依赖它。

• Backtest：回测插件，提供 createBacktester、submitOrder、appendQuotationMsg 等接口。

try{loadPlugin("MatchingEngineSimulator")}catch(ex){print ex}
try{loadPlugin("Backtest")}catch(ex){print ex}
go

回调函数通过 DICTIONARY 注册：键名使用 initialize 与 onBar，值与函数名对应。

callbacks = dict(STRING, ANY)
callbacks["initialize"] = initialize
callbacks["onBar"] = onBar

创建引擎时先删除同名引擎，再调用 createBacktester：

engineName = "dividendSeesawStrategy"
try { Backtest::dropBacktestEngine(engineName) } catch(ex) { }
engine = Backtest::createBacktester(engineName, config, callbacks, false)

同一个节点同时只能有一个 Backtest 引擎实例，引擎会占用节点内存，重复运行脚本前应先删除旧引擎（脚本已通过 dropBacktestEngine 处理），运行结束后也建议手动释放。

数据准备好之后，把行情写入引擎并回放。

Backtest::appendQuotationMsg(engine, tradeBars)
Backtest::appendEndMarker(engine)

这里传入按时间排序的行情表 tradeBars，引擎按 tradeTime 顺序逐条回放，日频行情下每个交易日触发一次 onBar 回调。

成交数量上限受 orderBookMatchingRatio 影响，约为当日成交量的 20%。当目标数量较大而当日成交量较小时，委托可能只成交一部分，剩余部分在本次回调结束后不会继续挂单。

回测结束后按四类结果读取数据：

tradeDetails = Backtest::getTradeDetails(engine)
returnSummary = Backtest::getReturnSummary(engine)
dailyPosition = Backtest::getDailyPosition(engine)
totalPortfolios = Backtest::getDailyTotalPortfolios(engine)。

• tradeDetails：每笔委托连同它的成交与状态变化各占一行，可按 label（"调仓买入"等）追到是哪次调仓、成交价是否等于次日开盘价、成交手数与状态。

• returnSummary：查看区间收益、年化收益与波动、偏度峰度、夏普、最大回撤与回撤比率、beta/alpha、换手率与日胜率。

• dailyPosition：查看每个标的逐日的多空持仓、持仓均价、当日买卖量与金额以及收盘价。

• totalPortfolios：查看账户现金、市值、总权益、净值与累计收益率的逐日曲线，以及浮盈浮亏、已实现盈亏、手续费和冻结资金。