15天搭建ETF量化交易系统Day15—ETF走势叠加分析择强入池

元宵大师

码龄15年

关注

原创最新推荐文章于 2026-04-25 13:31:42 发布 1.1k 阅读 GEO检测

【量化交易】10万元ETF短线高收益风险比实战策略（严格风控+精准择时）不追求“暴利”，专注“小赚常胜”——单笔风险≤0.5%，目标收益2%-3%，胜率＞60%，实现风险收益比＞4:1 阅读详情

搭建过程

每个交易者都应该形成一套自己的交易系统。

很多交易者也清楚知道，搭建自己交易系统的重要性。现实中，从０到１往往是最难跨越的一步。

授人鱼不如授人以渔，为了帮助大家跨出搭建量化系统的第一步，我们决定推出这个主题系列。

这个系列中，我们用Python从０开始一步步搭建出一套ETF量化交易系统（选择ETF标的是因为对于普通交易者来说，ETF相对于选强势股难度要小，而且没有退市风险）。大家可以跟随着我们的实现路径来一起学习，从过程中掌握方法。

掌握了方法之后，你可以换成期货系统、比特币系统、美股系统，然后在实战中不断去完善自己的系统了。

搭建一套ETF量化交易系统涉及多个模块和组件的协同工作，包括数据源模块、量化策略模块、可视化模块、数据库模块、回测评估模块、自动交易模块等等。

DAY1链接如下：15天搭建ETF量化交易系统Day1—数据源模块
DAY2链接如下：15天搭建ETF量化交易系统Day2—图形显示模块
DAY3链接如下：15天搭建ETF量化交易系统Day3—上手经典回测框架
DAY4链接如下：15天搭建ETF量化交易系统Day4—玩转海龟交易策略
DAY5链接如下：15天搭建ETF量化交易系统Day5—打造实盘量化机器人
DAY6链接如下：15天搭建ETF量化交易系统Day6—打通同花顺自动交易
DAY7链接如下：15天搭建ETF量化交易系统Day7—全自动化交易系统
DAY8链接如下：15天搭建ETF量化交易系统Day8—强化自动交易模块
DAY9链接如下：15天搭建ETF量化交易系统Day9—玩大A必学网格策略

DAY10链接如下：15天搭建ETF量化交易系统Day10—借用网格思想做仓位管理

DAY11链接如下：15天搭建ETF量化交易系统Day11—miniQMT自动交易真香！

DAY12链接如下：15天搭建ETF量化交易系统Day12—雏形系统关键代码讲解！

DAY13链接如下：15天搭建ETF量化交易系统Day13—入手MySQL搭建数据库

DAY14链接如下：15天搭建ETF量化交易系统Day14—MySQL回测数据管理指南

DAY12我们把各个功能模块整合成了一个ETF量化系统雏形。
不过我们扫描的ETF池是事先输入的品种，在实战中应该不断调整ETF池，保留强势品种，剔除弱势品种。
本期我们介绍一种ETF择强的思路——走势叠加分析。顾名思义，就是把不同ETF的走势放在一个坐标轴上进行比对。

如何实现

为了更好地比较各个ETF走势的好坏，我们把ETF行情走势起点设定为相同，从而可以看出在一段时间内，哪个ETF涨得更好，本质上是用ETF的涨跌幅来对比！

比如我们选取了以下这些ETF来对比分析。

"上证50ETF": "510050", "深成ETF": "159903", "沪深300ETF": "159919", "中小100ETF": "159902",  
"国企共赢ETF": "159719", "央企能源ETF": "562850", "央企ETF": "510060",  
"黄金ETF": "518860", "中证1000ETF": "159845", "中证2000ETF": "159531", "创业板指": "159915",
"汽车零部件ETF": "159565", "储能电池ETF": "159566", "黄金股ETF": "159562", "港股创新药ETF": "159567",
"芯片50ETF": "159560", "消费龙头ETF": "159520", "通信ETF基金": "159511",
"有色50ETF": "159652", "数字经济ETF": "159658", "消费电子50ETF": "159779", "大数据ETF": "515400",
"锂电池ETF": "159840", "新能源ETF": "159875", "创新药50ETF": "159835", "光伏ETF": "159857",
"机器人ETF": "159770", "半导体产业ETF":"159582", "人工智能ETF": "159819", "纳指科技ETF": "159509",  
"美国50ETF": "513850", "法国ETF":"513080", "亚太精选":"159687", "纳指生物ETF": "513290",
"日经225ETF": "513000", "德国ETF": "513030", "法国CAC40ETF": "513080"

接下来把每一个ETF的涨跌幅使用cumprod() 函数累积乘积起来。

Pct_Chg[name] = (etf_hist_data['涨跌幅'] / 100 + 1).cumprod()

最后使用 Pyecharts 库来创建多个折线图（Line chart），并将它们堆叠（overlap）在一起。

for name, data in Pct_Chg.items():
    c_ = (
        Line()
        .add_xaxis(xaxis_data=dates.tolist())
        .add_yaxis(
            series_name=name,
            y_axis=data.tolist(),
            is_smooth=True,
            label_opts=opts.LabelOpts(is_show=False),
        )
    )
    c.overlap(c_) # 堆叠
return c

最后的显示效果如下所示：

如果要单独对比某几个ETF，可以点击图表上方ETF的名称把它们隐藏。

比如对比近一个月“美国50ETF”和“上证50ETF”，我们选更强的“上证50ETF”。

比如对比近一个月“上证50ETF”和“创业板ETF”，我们选更强的“创业板ETF”。

比如对比近一个月“锂电池ETF”和“芯片50ETF”，我们选更强的“芯片50ETF”。

我们把近期比较强的ETF添加到量化系统的品种池中，再使用择时策略、仓位管理策略进行交易，定期去增添、筛选这个品种池。

总结

通过走势叠加分析这个思路去选择强势品种进行交易，主要是基于强者恒强的原理。这个思路在一轮行情的发展初中期会比较有效，但是当行情接近尾声时，会出现物极必反的情况，大家要注意系统性的风险。

说明

此系列为连载专栏，完整代码会上传知识星球《玩转股票量化交易》！作为会员们的学习资料。

想要加入知识星球《玩转股票量化交易》的小伙伴记得先微信call我获取福利！

非星球会员需要的话，需要单独联系我购买！

知识星球介绍点击：知识星球《玩转股票量化交易》精华内容概览

本内容遵循 CC 4.0 BY-SA 版权协议

量化交易backtrader实践(一)_数据获取篇(2)_tushare与akshare 这一节我们对股票一系列数据的获取和制作进行了实践，包括怎么通过tushare.pro或akshare获取某股票的历史行情数据，怎么制作全股票列表和ETF列表，并且我们添加了拼音首字母缩写以及自选股列表，让backtrader的回测在数据准备方面更加的方便有效，从而提高将来我们回测和分析的效率。阅读详情

15天搭建ETF量化交易系统Day15—ETF走势叠加分析择强入池

相关推荐