多因子選股+權重排序策略3.0
與之前發布過的面向對象二八小市值是基本類似的，只是整個框架更加完善更加靈活了。
重點類說明：
1. Rule(object)所有規則的基類。包含聚寬策略的事件Initialize,handle_data,before_trading_start.....等等。即每次聚寬事件都會調用所有規則的相關事件,除了handle_data，會根據策略流程可能中斷執行，不會所有都執行。除此之外，新增自定義的一些事件on_sell_stock，on_buy_stock，before_clear_position，on_clear_position為賣股，買股，清倉前，清倉後觸發的事件。2. Group_Rules(Rule)為包含一系列規則組合的規則，通該類或擴展該類，實現樹形策略執行流程。3. Global_variable(object)自定義所有規則共用的全局變數，用於規則通用數據存儲。一個策略對應一個 Global_variable.包含較為通用的賣股、買股、清倉函數。4. Pick_stocks2(Group_rules) 選股規則組合器。此類通過一系列Filter_query，Filter_stock_list的子類組合選出股票池5. Pick_financial_data(Filter_query)根據聚寬財務數據的多因子選股器。6. SortRules(Group_rules,Filter_stock_list)多因子權重排序規則組合器。多因子權重排序演算法實現類
---------------（分割線）---------------
關於類繼承結構(部分):
多因子小市值策略 1.預先處理的輔助規則 1.1. 設置系統參數：[使用真實價格交易] [忽略order 的 log] [設置基準] 1.2. 根據時間設置不同的交易費率 1.3. 持倉信息列印 1.4. 策略績效統計 2.調倉執行條件的判斷規則組合 2.1. 調倉時間控制器: [調倉時間: ["14:50"] ] 2.2. 大盤高低價比例止損器:[指數: 000001.XSHG] [參數: 160日內最高最低價: 2.2倍] [當前狀態: False] 2.3. 多指數20日漲幅損器[指數:["000016.XSHG", "399333.XSHE"]] [漲幅:0.50%] 2.4. 調倉日計數器:[調倉頻率: 3日] [調倉日計數 0] 3.選股 3.1. 多因子選股: ---[ 0 < valuation.circulating_market_cap < 100 ] ---[ 0 < valuation.pe_ratio < 200 ] ---[ 0 < indicator.eps ] ---[排序:valuation.circulating_market_cap 從小到大] ---[限制選股數:200] 3.2. 過濾創業板股票 3.3. 一般性股票過濾器:["st", "high_limit", "low_limit", "pause"] 3.4.多因子權重排序器 3.4.1. [權重: 100 ] [排序: 從小到大 ] 流通市值排序 3.4.2. [權重: 20 ] [排序: 從小到大 ] 按當 PriceType.now 價格排序 3.4.3. [權重: 10 ] [排序: 從小到大 ] 按 20 日漲幅排序 3.4.4. [權重: 10 ] [排序: 從小到大 ] 按 60 日漲幅排序 3.4.5. [權重: 10 ] [排序: 從小到大 ] 按換手率排序 3.5. 獲取最終待購買股票數:[ 3 ] 4.調倉執行規則組合 4.1. 股票調倉賣出規則：賣出不在buy_stocks的股票 4.2. 股票調倉買入規則：現金平分式買入股票達目標股票數 4.3. 顯示調倉時買賣的股票
---------------（分割線）---------------
關於關於多因子選股的說明
其實沒啥好說明的，無非是根據各種條件取並集而已。多因子選股有待擴展的是按市場分布比例取集，比如，取流通市值最小的20%的股票，以後有空再做吧，果仁有這個功能。關於多因子權重排序說明對於每個因子，都對股票池進行獨立的排序，然後以該因子排名*因子權重加到總權重。最後再對總權重進行排序。
---------------（分割線）---------------
關於策略實盤的說明
Shipane_manager 規則為把聚寬持倉同步到實盤同步的規則使用該規則需下載 trader_sync.py和shipane_sdk.py到研究里。下載地址:https://pan.baidu.com/s/1skZHEVV
Purchase_new_stocks為自動打新規則，需要 shipane_sdk.py以上基於 實盤易實現策略實盤。---------------（分割線）---------------
關於面向對象策略更新代碼失敗的各種坑的總結：
大部分都是由序列化和反序列化引起的。- 不要把一個對象函數賦與另一個對象變數。如 obj1.func = obj2.func
- 更新代碼前，一些廢棄的類、函數請不要刪除或改名。要刪除或改名請在更新代碼成功後。不然會反序列化失敗。
- 新增一個類的成員變數，在使用前需要檢測並賦初值，因為原策略里已創建的對象，可能沒有被重新創建，然後並不存在這個新增的成員變數，後續再使用時就會報錯，尤其是在把各個規則分拆放到研究里時，這個問題相當嚴重。在本策略中，用以下相互配合達到避免這個錯誤。a) 在update_params函數里進行成員變數初始化。b) Rule自帶保存了傳入參數的dict self._params，規則使用參數時，請直接用self._params.get(『參數』,默認值)的方式使用參數，參數不再每個都保存為類成員，自然就不存在因為新增類成員導致策略錯誤的問題。c) 假如是在修改研究文件中的類，而該類在策略里有使用，新增成員變數時，在使用前，請Try，異常則初始化。
- 同一個Group_Rules規則組合下的規則，假如是同一個規則類使用了兩次，則一定要設置對象名。即策略配置里的第二個字元串參數。否則會導致策略混亂出現亂七八糟的錯誤。本策略示例里沒有這種情況。
以前我發布的面向對象，代碼更新還是經常失敗的。現在好多了，掌握了要點，基本沒有再出現過更新失敗的問題。
---------------（分割線）---------------
最後聲明:
該策略只是作為我這個程序框架下的多因子選股票池，多因子權重排序的示例，希望起到拋磚引玉的作用，而對策略結果、收益、風險不負任何責任，也不作任何解釋。。。因為我也沒研究，隨便寫的幾個因子玩玩的。該策略框架為較通用的框架，我自己實盤策略也是基於這個寫的，只是規則更多，所以有些基類里出現一些沒使用過的代碼，不要介意，可能我別的地方用了，無視了就好。
感謝原文作者：晚起的小蟲（聚寬社區昵稱）
到JoinQuant查看策略源碼，並與作者交流討論：面向對象策略框架升級版: 多因子選股+多因子權重排序示例策略
前面文章中對次新小盤策略和多頭趨勢回踩策略進行了一些研究，歡迎留言交流討論。
面向對象重構策略(二):次新小盤策略面向對象重構策略(三):多頭趨勢回踩策略推薦閱讀：