# fund_rotation

**Repository Path**: ren-liangwei/fund_rotation

## Basic Information

- **Project Name**: fund_rotation
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-05-23
- **Last Updated**: 2026-05-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Fund Rotation — 量化行业轮动策略框架

基于**相对强弱动量**与**市场状态择时**的量化策略回测与模拟交易系统。支持**基金**与**股票**双资产池，内置**数据源抽象**、**前复权计算**、**四大解耦组件**、**信号日志审计**及**参数遍历回测**，方便快速验证与迭代交易思路。

---

# 目录

- [策略原理](#策略原理)
- [系统架构](#系统架构)
- [核心模块说明](#核心模块说明)
- [目录结构](#目录结构)
- [快速开始](#快速开始)
- [使用指南](#使用指南)
- [扩展开发指南](#扩展开发指南)
- [数据库表结构](#数据库表结构)
- [常见问题](#常见问题)
- [重要变更记录](#重要变更记录)

---

# 策略原理

> 天之道，损有余而补不足。 ——《道德经》

本策略遵循“**先富带动后富**”的哲学思想，通过动态的仓位再平衡，将资金从过气龙头撤出，重新分配给蓄势待发的潜力行业。

- **动量效应捕捉**：计算所有标的相对于基准指数（沪深300）的**超额收益率**，选取表现最强的若干只标的集中持有。
- **市场状态择时**：通过**市场温度计**判断当前市场环境（进攻/防御），在熊市中降低仓位规避风险，在趋势市中重仓出击。
- **仓位再平衡**：定期（如每季度）进行调仓，采用**二八原则**将大部分资金分配给领跑者，少量资金布控于后方，形成“先富带动后富”的动态均衡。

---

# 系统架构
Config (JSON)
│
├─ DataProvider (Abstract) ← 行情/分红/拆分数据源
│ └─ MyDataProvider (新浪)
│
├─ MarketRegime (Abstract) ← 市场温度计：判断进攻/防御
│ ├─ MAAndPrevCloseRegime
│ └─ Breakout20DayHighRegime
│
├─ StockSelector (Abstract) ← 选股器：决定买什么
│ └─ ExcessReturnSelector
│
├─ PositionSizer (Abstract) ← 仓位分配器：决定买多少
│ └─ DefaultPositionSizer
│
└─ SignalLogger (Optional) ← 记录决策明细


工作流程：

1. **SignalEngine** 在调仓日按序调用各组件。
2. **MarketRegime** 判断市场状态。
3. 若进攻，**StockSelector** 输出入选标的及超额收益。
4. **PositionSizer** 根据策略参数计算每只标的的目标权重。
5. **SignalLogger** 可选地将排名、收益率、权重等明细写入日志表，供审计。

回测模块 (`BacktestEngine`) 独立于虚拟交易，通过 `TRUNCATE` 隔离回测信号，确保不同参数组合的结果不会交叉污染。

---

# 核心模块说明

## 第一、数据源 (`data_interface.py` / `data_fetcher.py` / `my_data_provider`)

- **抽象接口**：`BaseDataProvider` 定义了获取指数日线、基金/股票日线、分红、拆分、配股等方法。  
- **默认实现**：`MyDataProvider`（位于 `my_data_provider/my_fetcher.py`）**完全基于新浪原生接口**，不依赖任何第三方金融库。  
- **复权引擎**：`DataFetcher.calc_adj_close()` 综合处理**现金分红、份额拆分、送股、转增、配股**五类除权事件，输出前复权价格。  
- **可扩展性**：只需继承 `BaseDataProvider`，在 `config.json` 中更改 `custom_module` 和 `custom_class` 即可切换数据源。

## 第二、解耦四大组件

#### 1. MarketRegime — “何时买”

- **基类**：`fund_rotation/market_regime.py:MarketRegime`  
- **已实现**：
  - `MAAndPrevCloseRegime`：经典双条件（站上均线且指数不创新低）  
  - `Breakout20DayHighRegime`：通道突破（指数突破过去20日最高价）  
- **扩展**：继承基类，实现 `is_attack()` 方法即可。

#### 2. StockSelector — “买什么”

- **基类**：`fund_rotation/stock_selector.py:StockSelector`  
- **已实现**：
  - `ExcessReturnSelector`：过去 N 日相对超额收益率排序，取前 `top_n` 只  
- **扩展**：继承基类，实现 `select()` 方法，返回入选标的及超额收益率。

#### 3. PositionSizer — “买多少”

- **基类**：`fund_rotation/position_sizer.py:PositionSizer`  
- **已实现**：
  - `DefaultPositionSizer`：二八法则等权分配。进攻时前 `top_n` 只平分 `top_weight` 比例，其余平分剩余；防御时总仓位降至 `defense_weight`。  
- **扩展**：继承基类，实现 `allocate()` 方法，可实现递减权重（如5:2:1）等自定义规则。

#### 4. SignalLogger — “记录决策”

- **类**：`fund_rotation/signal_logger.py:SignalLogger`  
- **作用**：将每次调仓的每只标的的排名、相对收益率、权重写入 `backtest_signal_detail` 表（或实盘 `signal_detail`）。  
- **开关**：`config.json` 中 `enable_detail_log` 控制。默认关闭，不影响回测性能。

信号引擎 (`signal_engine.py`)

- 负责调度上述四大组件，生成标准信号字典。  
- 支持 `backtest_mode`：回测模式下信号写入 `backtest_signals` 表，并从内存维护 `prev_idx`，完全不依赖历史信号表；实盘模式则使用 `signals` 表。

## 第三、回测引擎 (`backtest_engine.py`)

- 在内存中模拟账户、每日逐日盯市、计算权益曲线。  
- 每次回测启动时自动 `TRUNCATE` 回测专用表，保障数据隔离。  
- 支持单次回测与参数网格扫描（`run_backtest.py`）。

## 第四、模拟交易 (`trade_executor.py` / `rebalance.py`)

- 用于实盘（或虚拟盘）调仓指导。  
- `rebalance.py` 生成调仓指令邮件，不直接写入成交记录，避免收盘价滞后问题。

---

# 目录结构
fund_rotation/
│
├── fund_rotation/ # 核心包
│ ├── analyzer.py # 分析工具（权益曲线、单基盈亏）
│ ├── backtest_engine.py # 回测引擎
│ ├── config_loader.py # 配置加载
│ ├── data_fetcher.py # 数据采集与复权
│ ├── data_interface.py # 数据源抽象接口
│ ├── db_manager.py # 数据库管理
│ ├── market_regime.py # 市场状态判断（新）
│ ├── stock_selector.py # 个股选择器（新）
│ ├── position_sizer.py # 仓位分配器（新）
│ ├── signal_logger.py # 信号日志记录（新）
│ ├── signal_engine.py # 信号引擎
│ ├── portfolio.py # 持仓管理（部分功能被回测引擎替代）
│ ├── trade_executor.py # 虚拟交易与邮件
│ └── init.py
│
├── my_data_provider/ # 自定义数据源
│ ├── my_fetcher.py # 新浪原生接口实现
│ └── init.py
│
├── config.json # 主配置文件
├── db_schema.sql # 数据库建表语句
├── daily_update.py # 每日数据更新
├── run_backtest.py # 统一回测入口
├── rebalance.py # 调仓信号生成（面向实盘）
├── test_my_fetcher.py # 数据源测试脚本
├── requirements.txt
└── README.md

**已弃用/辅助文件**：

- `backtest.py` / `param_sweep.py`：早期单次回测和参数扫描脚本，功能已整合进 `run_backtest.py`，可保留作为参考。  
- `rebalance.py`：原用于虚拟成交并更新持仓快照，现改为指令输出模式。

---

# 快速开始

1. **安装依赖**
```bash
 pip install -r requirements.txt
```

​	2.**初始化数据库**

```sql
mysql -u root -p < db_schema.sql
```

​	3.**修改配置文件 config.json**

​	填入数据库连接信息、邮箱（可选）、策略参数、基金池或股票池。

   4.**拉取历史数据**

```python
python daily_update.py
```


​	5.**运行回测**

```shell
# 单次回测（使用 config.json 参数）
python run_backtest.py --mode single

# 参数扫描（ma 40~300，步长10）
python run_backtest.py --mode sweep --min 40 --max 300 --step 10
```



# 回测

## 单次回测（使用 config.json 参数）

```python
python run_backtest.py --mode single
```

## 参数扫描（ma 40~300，步长10）
```python
python run_backtest.py --mode sweep --min 40 --max 300 --step 10
```

### 1.使用指南

**回测模式切换**
run_backtest.py 支持两种模式：

**single**：快速验证当前参数组合，生成权益曲线图及绩效指标（年化收益、最大回撤、夏普比率）。

**sweep**：遍历 ma_days 和 lookback_days 组合，输出 param_sweep_results.csv 及每组参数的权益图，用于寻找最优参数。

常用命令示例：

```shell
# 小范围快速测试
python run_backtest.py --mode sweep --min 60 --max 120 --step 20

# 精细扫描
python run_backtest.py --mode sweep --min 80 --max 100 --step 5 --out fine_result.csv
```



### 	2.小范围快速测试

```
python run_backtest.py --mode sweep --min 60 --max 120 --step 20
```



### 	3.精细扫描
```
python run_backtest.py --mode sweep --min 80 --max 100 --step 5 --out fine_result.csv
```



### 	4.模拟交易指导

​	执行 python rebalance.py 会在终端和邮件中输出待执行交易清单，包含基金代码、买卖方向、参考净值、预估金额。
交易者可在次日盘中择机执行，避免收盘价滞后假设。

### 	5.激活调仓明细日志

在 config.json 中将 enable_detail_log 设为 true，并确保数据库已创建 backtest_signal_detail 表。运行回测后，可通过 SQL 审查每只标的的排名和权重：

```SQL
SELECT bsd.* FROM backtest_signal_detail bsd
JOIN backtest_signals bss ON bss.id = bsd.signal_id
WHERE bss.is_attack = 1;
```

# 扩展开发指南

得益于解耦设计，替换或新增策略组件非常简单。以下提供三个典型场景的 Demo。

1. ## 新增市场状态判断（MarketRegime）

  需求：当沪深300的10日均线上穿30日均线时进攻。

步骤：

在 fund_rotation/market_regime.py 中添加新类：

python

```python
class SMACrossoverRegime(MarketRegime):
    def __init__(self, db, config):
        super().__init__(db, config)
        self.short = config['strategy'].get('short_ma', 10)
        self.long = config['strategy'].get('long_ma', 30)
```



```python
def is_attack(self, trade_date, prev_idx=None):
    close = self._get_close(trade_date)
    short_ma = self._calc_ma(trade_date, self.short)
    long_ma = self._calc_ma(trade_date, self.long)
    return short_ma > long_ma
```
在文件底部的工厂函数 create_market_regime 中增加分支：



```python
if name == 'SMACrossover':
    return SMACrossoverRegime(db, config)
```

在 config.json 中修改：

```json
"market_regime": "SMACrossover",
"short_ma": 10,
"long_ma": 30
```


2. ## 新增选股器（StockSelector）

  需求：按过去20日日均成交量排序，选取前5名。步骤：

​		在 fund_rotation/stock_selector.py 中添加：

python

```python
class VolumeSelector(StockSelector):
    def select(self, trade_date):
        lookback = self.strategy['lookback_days']
        # 计算每只标的的过去N日平均成交量（需要数据库中有 volume 字段）
        volumes = {}
        for fund in self.funds:
            code = fund['code']
            avg_vol = self._get_avg_volume(code, trade_date, lookback)
            volumes[code] = avg_vol
        sorted_funds = sorted(volumes.items(), key=lambda x: x[1], reverse=True)
        selected = [f[0] for f in sorted_funds[:self.strategy['top_n']]]
        return {'selected': selected, 'excess_returns': {}}  # 可按需传递其他信息
```

​		在工厂函数中注册，然后在配置中将 stock_selector 改为 Volume 即可。

3. ## 新增仓位分配器（PositionSizer）

  需求：进攻时采用递减权重（5:2:1 分配给前3名）。步骤：

​		在 fund_rotation/position_sizer.py 中添加：

```python
class DecrementalSizer(PositionSizer):
    def allocate(self, selected_funds, is_attack, excess_returns=None):
        weights = {}
        if is_attack:
            ratios = [5, 2, 1][:len(selected_funds)]
            total_ratio = sum(ratios)
            top_weight = self.strategy['top_weight']
            for i, code in enumerate(selected_funds):
                weights[code] = ratios[i] / total_ratio * top_weight
            # 剩余基金平分剩余权重
            other_codes = [f['code'] for f in self.funds if f['code'] not in selected_funds]
            other_weight = (1 - top_weight) / len(other_codes)
            for code in other_codes:
                weights[code] = other_weight
        else:
            defense_total = self.strategy['defense_weight']
            per_fund = defense_total / len(self.funds)
            for fund in self.funds:
                weights[fund['code']] = per_fund
        return weights
```

注册后，配置 "position_sizer": "Decremental" 即生效。

# 数据库表结构

## 	行情数据表 daily_prices

存储指数和所有标的的日线数据（含前复权价）。

| 字段                   | 类型          | 说明                |
| ---------------------- | ------------- | ------------------- |
| symbol                 | VARCHAR(20)   | 代码（如 sh600519） |
| trade_date             | DATE          | 交易日              |
| open, high, low, close | DECIMAL(10,4) | OHLC                |
| volume                 | BIGINT        | 成交量              |
| adj_close              | DECIMAL(10,4) | 前复权收盘价        |

## 	除权事件表

| 表名          | 用途          | 关键字段                            |
| ------------- | ------------- | ----------------------------------- |
| dividends     | 现金分红      | ex_date, dividend_per_share         |
| splits        | 份额拆分/折算 | split_date, split_ratio             |
| bonus_shares  | 送股/转增     | ex_date, bonus_type, ratio          |
| rights_issues | 配股          | ex_date, rights_ratio, rights_price |

## 	信号日志表

| 表名             | 用途                 | 说明                                       |
| ---------------- | -------------------- | ------------------------------------------ |
| signals          | 实盘/模拟交易信号    | 被 `TradeExecutor` 读取                    |
| backtest_signals | 回测专用信号         | 结构与 `signals` 一致，每次回测前 TRUNCATE |
| signal_detail    | 实盘信号明细（可选） | 记录排名、超额收益、权重                   |

# 常见问题

Q: 为什么回测结果在不同参数下完全一样？
A: 请检查 backtest_engine.py 是否在每次运行前清空了 backtest_signals，以及是否使用了 backtest_mode=True 避免读取数据库中的旧信号。

Q: 如何切换基金/股票池？
A: 修改 config.json 中的 funds 数组，并调整 security_type（fund 或 stock）。首次切换后需重新运行 daily_update.py 拉取数据。

Q: 分红、配股数据如何更新？
A: daily_update.py 会自动抓取。对于股票，会请求新浪分红页面；对于基金，会调用新浪分红接口。

重要变更记录
v2.1 (2026-05)
彻底解耦：市场状态、选股、仓位分配、日志四大组件独立。

双表隔离：回测与实盘信号物理分离，支持 TRUNCATE 清理。

信号明细日志：支持可开关的调仓审计。

统一回测入口：run_backtest.py 取代分散脚本。

v2.0 (2026-04)
数据源抽象层，可切换新浪原生/自定义数据。

完整复权引擎（分红/拆分/配股）。

参数网格扫描与权益曲线绘制。

v1.0 (2026-03)
初始版本：基金行业轮动基本逻辑，AKShare 数据支持。