从今天开始正式开启我的博客之旅，博客内容全部是我自己的量化心得，主要还是为自己将来中工作之中遇到相似问题，可以方便的找到答案，如果能帮到有相似问题的其他同学，我也很开心，如果帮不到的话，不喜勿喷，如果文章中有什么不对的地方，欢迎批评指正。
建立第一个简单的量化模型——小市值选股票模型。
思路：在A股市场之中，在每个月月底的时候，按照市值排名，选择最小市值的10只股票买入，持有到下个月月底，每月调仓一次，坚持一年，看收益率能否跑赢同期的创业板指数／中小板指数
具体操作：
方法1：
自己下载数据并且进行清洗和计算，建议使用tushare网站——/，数据质量不错，还免费。
然后经过清洗和计算之后，得到自己想要的结果，我大概是用了近3天的时间才搞定，主要还是自己以前没学过python，很多函数都是现学现卖，浪费很多时间，之前的博客写过相关的内容，现在来看不值得新手学习，原因有二：
1:下载太多，数据清洗步骤太多，需要用到pandas 的各种方法，相比较之下都不是很好的方法，毕竟量化交易的核心不在数据清洗，这些都是基本工作，如果有质量很高的数据的话，可以减少很多无用功，所以建立一个好的数据库，可以节省很多时间。
2:在自己进行这个策略编织的时候，其实90%以上的时间都是用于计算各种数值，或者画图，这里还不包括用来评价策略好坏的夏普比率，要是加上的话，代码更多，真正策略本身的代码其实少得可怜，大多数都是脏活累活的数据清洗和整理，所以决定以后还是用第三方平台效率更高一些，可以更加的专注策略本身。
方法2：
使用第三方平台，目前我使用的是聚宽，我对比了一下聚宽、优矿、大宽网（已经倒闭了），都大同小异，选哪个都一样。
顺便说一句，虽然这些平台都大同小异，但是代码可不能简单复制粘贴，因为底层函数库是不一样的，有可能在别的平台根本用不了某个函数，并且简单复制到自己电脑中的python的话百分之百用不了。
talking is cheap, show me the code
展示部分源代码
def find(context):
# 计算出要买的股票——按照流通市值从小到大排序，并且选出50只，因为有可能有ST/*ST/停牌/涨停的股票，所以先得出股票池
df=get_fundamentals(query
(valuation.code,valuation.circulating_market_cap).order_by(valuation.circulating_market_cap)).loc[:49,"code"]
# 把股票池转为列表，并且带入过滤函数得到最后的buylist
buylist=list(df)
buylist=filter_stock(buylist)[:30]
#得到目前持仓
hold=[]
for i in context.portfolio.positions.keys():
hold.append(i)
# 如果目前持有的股票不在buylist中，就都卖出
sell=[]
for i in hold:
if i not in buylist:
order_target_value(i,0)
# 如果在buylist中的股票，不在目前的持仓中，就把股票放到to_buy中
to_buy=[]
for i in buylist:
if i not in hold:
to_buy.append(i)
# 如果to_buy不是空列表的话，就给每只股票平分可用资金，然后进场
if len(to_buy)>0:
cash=context.portfolio.available_cash/len(to_buy)
for i in to_buy:
order_value(i,cash)
代码的思路是，每个月底进行调仓，选出市值最小的股票交易，去掉ST/*ST/停牌/涨停的股票，然后选择最小市值的10只，基准是创业板综指，看看结果吧。
时间.1.1-.12.31，这波大盘走势先上后下，形成巨幅震荡行情
跑输创指，并且整体很悲催
时间.1.1-.2.28，大盘先下后上，和上次走势正好相反，但是因子的效果不同
这次跑赢指数，但是惨胜，回撤有点过分了
.4.28-.12.11，大盘单边上涨行情
表现非常靓丽。
结论：
1.因子本身的确有效，但是很明显单因子是不可能直接使用的。
2.顺风太浪，逆风就投，牛市来的时候可以搞，熊市很难做到降低风险
如果自己有策略，但是不会写代码的话，可以给我私信，价钱从几十到几百不等，看策略实现的难易程度而定，我使用的是聚宽平台，代码写好之后，可以在上面上模拟盘和实盘，对应的券商是第一创业证券。
