股票、债券与商品跨资产

组合分成三条腿，每条腿的腿内标的等权；由于 11 只标的全等权（各占 1/11），三条腿的比例由腿内标的数量自然得出：

• 股票腿比例 = 5/11（5 只股票），债券 ETF 腿比例 = 3/11，商品 ETF 腿比例 = 3/11；

• 公式里的 1 - 2 x 手续费 - 印花税 是成本折让：一次完整调仓包含买入与卖出两笔佣金，股票腿还额外交一笔印花税，先把这部分成本从目标市值里扣掉，买入时就不会透支现金；债券 ETF 与商品 ETF 免印花税，折让只扣两笔佣金。

再平衡频率由权重表决定：先按交易日生成全标的等权权重，再用 context by month(tradeDay) having tradeDay == min(tradeDay) 截取每月首个交易日，样本区间 2012-02 至 2022-04 共 123 个调仓日。

11 只标的全部是模拟证券，代码沿用真实市场的命名习惯（股票 000001.SZ、债券 ETF 510xxx.SH、商品 ETF 518880.SH / 159xxx.SZ），但不代表任何真实的股票、基金或指数。三条腿同处一个股票账户（strategyGroup 为 "stock"），只做多、不融资、不融券，行情为日频，订单按委托价成交。

关于商品腿的表达方式：本策略按“股票账户可交易的日线标的”口径实现商品腿，即商品 ETF（与债券腿用债券 ETF 表达同理）；若需要真实的商品期货（保证金、双向持仓、合约乘数），需要把账户改为 FICC 多资产账户或全期货账户，属于另一套引擎配置。

1. onBar 先取当日调仓记录，取不到就直接返回，因此只有每月首个交易日会产生委托。

2. 有记录时先取当日账户权益，三条腿共用同一个权益基准。

3. 每条腿按「权益 × 腿比例 × 成本折让 × 腿内权重」算出目标市值，再按当日开盘价折算目标数量并取整：股票与场内基金均按 100 整数倍（科创板 68 开头为 200 股起、逐股递增）。

4. 先卖出：目标数量小于当前持仓的标的按开盘价卖出差额；卖出前检查停牌（成交量不大于 0）与跌停（收盘价等于跌停价）。

5. 再买入：目标数量大于当前持仓的标的，买入量取「可用资金上限」与「目标缺口」的较小值；买入前检查停牌与涨停。同一个腿内先下的委托会占用资金，后下单标的的可用资金相应减少。

6. 三条腿依次执行：股票腿 → 债券 ETF 腿 → 商品 ETF 腿；每条腿只交易属于自己腿内的标的，互不干扰。

下载附录中的 stockDailyBar_assetAllocation.csv 文件，作为回测的案例数据。导入数据前，请先将 path 变量改为 CSV 文件的实际存储路径，再执行下方代码。

脚本读取该文件后把列名与类型对齐到引擎要求：

path = "/.../"
dailyRaw = loadText(path + "stockDailyBar_assetAllocation.csv")
dailyData = select symbol$SYMBOL as symbol, timestamp(tradeTime) as tradeTime,
        double(open) as open, double(low) as low, double(high) as high, double(close) as close,
        long(volume) as volume, double(amount) as amount, double(upLimitPrice) as upLimitPrice,
        double(downLimitPrice) as downLimitPrice, double(prevClosePrice) as prevClosePrice
    from dailyRaw order by tradeTime, symbol

脚本由交易约束、单腿再平衡、每日回调三部分组成。交易约束函数处理能不能交易与能买多少，rebalanceLeg 完成一条腿的全部调仓动作，onBar 在调仓日依次调用三条腿。

交易约束函数

• isBuyAble(data)：data 是当日该标的的行情字典。成交量不大于 0.001（视为停牌）或收盘价等于涨停价时返回 false，其余返回 true。

• isSellAble(data)：判断停牌的方式同上，另加收盘价等于跌停价时返回 false。

• getBuyAbleVolume(istock, cash, price, lotSize)：按可用资金反算可买数量。istock 为标的代码，cash 为可用资金，price 为委托价，lotSize 为每手数量。科创板（ 68 开头）可用数量达到 200 股后逐股递增，不足 200 股返回 0；其余标的按 lotSize 向下取整。

• getOpenPrice(msg, istock)：取出指定标的的当日开盘价，供权重表批量取价使用。

def isBuyAble(data) {
    if (data["volume"] <= 0.001 or data["upLimitPrice"] == data["close"]) { return false }
    return true
}
def isSellAble(data) {
    if (data["volume"] <= 0.001 or data["downLimitPrice"] == data["close"]) { return false }
    return true
}
// 可用资金上限内的可买数量：按每手数量取整；科创板（68 开头）200 股起逐股递增
def getBuyAbleVolume(istock, cash, price, lotSize) {
    if (price <= 0.) { return 0 }
    if (istock.substr(0, 2) == "68" and floor(cash / price) >= 200) { return floor(cash / price) }
    if (istock.substr(0, 2) == "68") { return 0 }
    return floor(floor(cash / price) / lotSize) * lotSize
}
def getOpenPrice(msg, istock) { return msg[istock]["open"] }

单腿再平衡函数：rebalanceLeg(mutable context, msg, weightsToday, legPercent, lotSize, costFactor)

weightsToday 是当日该腿的腿内权重表（含 symbol、weight 两列），legPercent 是该腿的比例（股票腿 5/11、债券与商品 ETF 腿各 3/11），lotSize 是每手数量，costFactor 是成本折让系数。函数在权重表上依次追加四列——targetMv（目标市值）、px（当日开盘价）、targetPos（目标数量）、curPos（当前持仓）——随后先卖后买。

// 目标市值 = 账户权益 × 腿比例 × 成本折让 × 腿内权重；换算目标数量后先卖后买
def rebalanceLeg(mutable context, msg, weightsToday, legPercent, lotSize, costFactor) {
    totalEquity = context["totalEquity"]
    pos = select symbol, longPosition from Backtest::getPosition(context["engine"])
    posMap = dict(pos.symbol, pos.longPosition)
    update weightsToday set targetMv = totalEquity * legPercent * costFactor * weight
    update weightsToday set px = double(each(getOpenPrice{msg}, symbol))
    update weightsToday set targetPos = iif(px <= 0., 0, iif(symbol.substr(0, 2) == "68" and floor(targetMv / px) >= 200,
        floor(targetMv / px), iif(symbol.substr(0, 2) == "68", 0, floor(floor(targetMv / px) / lotSize) * lotSize)))
    update weightsToday set curPos = nullFill(posMap[symbol], 0)
    // 先卖出：目标数量小于当前持仓，且当日未跌停、未停牌
    sell = select symbol, curPos - targetPos as num from weightsToday where targetPos - curPos < 0
    sellMap = dict(sell.symbol, sell.num)
    for (s in sellMap.keys()) {
        if (msg[s]["volume"] > 0 and sellMap[s] > 0 and isSellAble(msg[s])) {
            Backtest::submitOrder(context["engine"],
                (s, context["tradeTime"], 5, msg[s]["open"], long(sellMap[s]), 3), "卖出平仓")
        }
    }
    // 再买入：目标数量大于当前持仓，且当日未涨停、未停牌；数量不超过可用资金上限
    buy = select symbol, targetPos - curPos as num from weightsToday where targetPos - curPos > 0
    buyMap = dict(buy.symbol, buy.num)
    for (s in buyMap.keys()) {
        cash = Backtest::getAvailableCash(context["engine"])
        qty = min(getBuyAbleVolume(s, cash * (1 - context["commission"]), msg[s]["open"], lotSize), long(buyMap[s]))
        if (msg[s]["volume"] > 0 and qty > 0 and isBuyAble(msg[s])) {
            Backtest::submitOrder(context["engine"],
                (s, context["tradeTime"], 5, msg[s]["open"], qty, 1), "买入开仓")
        }
    }
}

两个细节需要注意：

• targetPos 用行内表达式按 lotSize 取整、科创板单独分支，避免把向量运算交给用户自定义函数。

• 买入循环里每次下单前都重新调用 Backtest::getAvailableCash，同一腿内先下的委托会占用资金；资金不足时 getBuyAbleVolume 会把数量压到上限，甚至压到 0 而不下单。卖出数量直接取当前持仓与目标的差额，不做取整。

每日回调：onBar(mutable context, msg, indicator)

msg 是当日全部标的的行情字典，键为标的代码；indicator 由接口要求保留，本策略不使用。回调先排除非调仓日，再取账户权益，然后依次处理三条腿：

def onBar(mutable context, msg, indicator) {
    rec = context["targetWeight"][date(context["tradeDate"])]
    if (typestr(rec) == "VOID") { return }              // 非调仓日不产生委托
    context["totalEquity"] = Backtest::getTotalPortfolios(context["engine"]).totalEquity[0]
    // 股票腿：100 股整数倍，目标市值中预留双边佣金与印花税
    rebalanceLeg(context, msg, rec["stockW"], rec["stockPct"], 100,
        1 - 2 * context["commission"] - context["tax"])
    // 债券 ETF 腿：100 份整数倍，免印花税
    rebalanceLeg(context, msg, rec["bondW"], rec["bondPct"], 100, 1 - 2 * context["commission"])
    // 商品 ETF 腿：100 份整数倍，免印花税
    rebalanceLeg(context, msg, rec["commodityW"], rec["commodityPct"], 100, 1 - 2 * context["commission"])
}

三条腿的差异只有三处：

• 权重表、腿比例与成本折让（股票腿扣双边佣金与印花税；债券 ETF 腿与商品 ETF 腿只扣双边佣金，免印花税）。

• 执行顺序是股票腿 → 债券 ETF 腿 → 商品 ETF 腿，资金在腿之间按这个顺序竞争：如果前一条腿用光了可用资金，后面的腿会被资金上限约束而少买或不买。

• 信号来自脚本预先构造的权重表，委托在同一天按当日开盘价发出，成交由引擎按 matchingMode 撮合，不使用未来数据。

其余回调：本策略只注册 initialize 与 onBar 两个回调；权重表与腿比例通过 config["context"] 传入，不需要在回调里重新构造。

config = dict(STRING, ANY)
config["startDate"] = 2012.02.01
config["endDate"] = 2022.04.28
config["strategyGroup"] = "stock"
config["cash"] = 100000000
config["commission"] = 0.0005
config["tax"] = 0.001
config["dataType"] = 4
config["matchingMode"] = 3
config["outputOrderInfo"] = true

• startDate / endDate：DATE 类型，2012.02.01 与 2022.04.28，与行情数据的起止日期一致。

• strategyGroup：STRING 类型，“stock”，按股票账户规则撮合与计费，账户只支持多头。

• cash：数值字面量 100000000，引擎按 DOUBLE 处理，单位为元，即初始资金 1 亿元。

• commission：DOUBLE 类型，0.0005，买卖双向费率；同一值同时写入上下文，供成本折让使用。

• tax：DOUBLE 类型，0.001，卖出印花税率，只作用于股票腿。

• dataType：INT 类型，4，输入日频行情并触发 onBar。

• matchingMode：INT 类型，3，以委托价成交，本策略传入的委托价是当日开盘价。

• outputOrderInfo：BOOL 类型，true，成交明细中保留订单状态信息。

随后是分红除权事件与标的池的配置：

// 分红除权事件：模拟样本内不设事件，接入真实环境时改为读取真实分红除权表
stockDividend = table(1:0, `symbol`endDate`annDate`recordDate`exDate`payDate`divListDate`bonusRatio`capitalConversion`afterTaxCashDiv`allotPrice`allotRatio,
    [SYMBOL, DATE, DATE, DATE, DATE, DATE, DATE, DOUBLE, DOUBLE, DOUBLE, DOUBLE, DOUBLE])
config["stockDividend"] = stockDividend

// 标的池：按腿划分；11 只标的全等权，腿比例由腿内标的权重之和自然得出（5/11、3/11、3/11）
context = dict(STRING, ANY)
context["stockLeg"] = ["000001.SZ", "000002.SZ", "000003.SZ", "000004.SZ", "000005.SZ"]
context["bondLeg"] = ["510001.SH", "510002.SH", "510003.SH"]
context["commodityLeg"] = ["518880.SH", "159980.SZ", "159985.SZ"]

stockDividend 是引擎要求的分红除权输入。模拟样本内不含分红事件，这里给出一张列名与类型正确的空表；接入真实行情时需要换成真实的分红除权表（股票腿的除权跳空、ETF 的分红都会影响持仓与现金）。标的池用三张代码清单显式声明三条腿，避免用代码前缀猜——例如 518880.SH 也以 51 开头，用前缀规则会与债券 ETF 混淆。

权重表分两步构造：先按「交易日 × 标的」生成一日一行、全标的等权的权重（11 只各 1/11），再按自然月截取每月首个交易日，得到 123 条调仓记录；每条记录再拆成三条腿的腿内权重表与腿比例：

w = select tradeDay, symbol, 1.0 \ size(symbol) as weight
    from (select 1.0 as w from dailyData group by tradeTime.date() as tradeDay, symbol)
    context by tradeDay
w = select * from w context by month(tradeDay) having tradeDay == min(tradeDay) order by tradeDay

dailyWeight = dict(DATE, ANY, true)
for (d in sort(distinct(w.tradeDay))) {
    s = select symbol, weight from w where tradeDay = d
    rec = dict(STRING, ANY)
    rec["stockW"] = select symbol, weight \ sum(weight) as weight from s where string(symbol) in context["stockLeg"]
    rec["bondW"] = select symbol, weight \ sum(weight) as weight from s where string(symbol) in context["bondLeg"]
    rec["commodityW"] = select symbol, weight \ sum(weight) as weight from s where string(symbol) in context["commodityLeg"]
    rec["stockPct"] = exec sum(weight) from s where string(symbol) in context["stockLeg"]
    rec["bondPct"] = exec sum(weight) from s where string(symbol) in context["bondLeg"]
    rec["commodityPct"] = exec sum(weight) from s where string(symbol) in context["commodityLeg"]
    dailyWeight[d] = rec
}
context["targetWeight"] = dailyWeight
context["commission"] = config["commission"]
context["tax"] = config["tax"]
config["context"] = context

• targetWeight：DICT 类型，键为调仓日（DATE），值为包含 stockW、bondW、commodityW（三张腿内权重表）与 stockPct、bondPct、commodityPct（三条腿比例）的记录。

• stockLeg / bondLeg / commodityLeg：STRING 向量，三条腿的标的清单。

• commission / tax：与 config 中同名项一致，供单腿再平衡计算成本折让。

调仓频率在这里控制：把 context by month(...) 换成 week(...) 就是周频，换成 year(...) 就是年频。若想改腿间比例（例如股票 40% / 债券 30% / 商品 30%），把 rec["stockPct"] 等三行改成固定数值，并让腿内权重之和为 1 即可。

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

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

引擎名称在同一会话内不能重复，创建前先用 Backtest::dropBacktestEngine 清理同名引擎。

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

appendQuotationMsg 把 27,412 行日线行情按 tradeTime 顺序推给引擎，每个交易日触发一次 onBar，共 2,492 个交易日；appendEndMarker 表示行情结束、引擎开始收尾。权重表与腿比例在创建引擎之前已经写入上下文，因此这两行执行时策略参数已就绪。

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

• tradeDetails：委托与成交明细，含 orderId、symbol、direction、sendTime、orderPrice、orderQty、tradeTime、tradePrice、tradeQty、orderStatus、label、orderInfo。一行委托不一定全部成交，统计成交必须先过滤 tradeQty > 0。

• returnSummary：收益概述，含 totalReturn、annualReturn、annualVolatility、sharpeRatio、maxDrawdown、turnoverRate、dailyWinningRate 等；未设置基准时 beta、alpha、annualExcessReturn、benchmarkReturn 为 0。

• dailyPosition：逐日逐标的持仓，共 27,412 行，可核对每个调仓日之后三条腿各自的实际持仓数量。

• totalPortfolios：逐日组合权益、持仓市值与可用资金，共 2,492 行。