米筐优化器 API 手册¶

portfolio_optimize¶

rqoptimizer.portfolio_optimize(order_book_ids, date, objective=<rqoptimizer.objective.MinVariance object>, bnds=None, cons=None, benchmark=None, cov_model=<CovModel.FACTOR_MODEL_DAILY: 'factor_model/daily'>, factor_risk_aversion=1.0, specific_risk_aversion=1.0, solver=None, risk_model=<RiskModel.V1: 'v1'>, **solver_options)¶

组合优化，根据给定的约束及目标函数计算最优组合权重。支持下列目标函数：

MinVariance: 风险最小化

MinActiveVariance: 主动风险最小化

MeanVariance: 均值（收益）方差（风险）模型

ActiveMeanVariance: 主动收益/主动风险模型

RiskParity: 风险平价

MinTrackingError: 最小追踪误差

MaxInformationRatio: 最大信息比率

MaxSharpeRatio: 最大夏普率

MaxIndicator: 指标值最大化

MinStyleDeviation: 风格偏离最小化

支持以下约束类型：

TrackingErrorLimit: 跟踪误差约束
TurnoverLimit: 换手率约束
BenchmarkComponentWeightLimit: 成分股权重约束，即要求优化结果中，基准成分股的权重之和的下限
IndustryConstraint: 行业权重约束，默认行业分类为申万一级。可选中信一级及申万一级(拆分非银金融行业)
WildcardIndustryConstraint:
StyleConstraint: 风格约束
WildcardStyleConstraint:
:class:`IndustryComponentLimit: 行业内个股权重约束

Parameters

order_book_ids – 候选合约
date – 优化日期；优化结果用于指导此日的调仓；_优化过程中所使用的所有数据均在此日开盘之前_。
objective (OptimizationObjective) – 目标函数，默认为MinVariance（风险最小化）。
bnds ({order_book_id | "*": (lower_limit, upper_limit)}) – 个股权重上下界。字典，key 为 order_book_id, value 为 (lower_limit, upper_limit) 组成的 tuple。 lower_limit/upper_limit 取值可以是 [0, 1] 的数或 None。当取值为 None 时，表示对应的界不做限制。当 key 为 ‘*’ 时，表示所有未在此字典中明确指定的其他合约。所有合约默认上下界为 [0, 1]。
cons ([OptimizationConstraint]) – 约束列表
benchmark (str | OptimizeBenchmark) – 基准, 指数使用指数代码，自定义基准需要继承自 OptimizeBenchmark 的类实例
cov_model – 协方差模型，支持 daily/monthly/quarterly
factor_risk_aversion – 因子风险厌恶系数，默认为1
specific_risk_aversion – 特异风险厌恶系数，默认为1
solver – 使用指定的solver求解，默认为 None，表示使用默认的 solver
risk_model – 风险模型版本，支持 v1/v2
solver_options – solver 参数，如对于 MOSEK，可以传入 mosek_params={…}

Returns

pd.Series 组合最优化权重

优化目标¶

class rqoptimizer.MinVariance¶: 风险最小化

class rqoptimizer.MinActiveVariance¶: 主动风险最小化

class rqoptimizer.MeanVariance(*, expected_returns=None, window=252, risk_aversion_coefficient=1)¶

收益/风险优化

Parameters

expected_returns (None | pd.Series) – 预期收益率。当不传入时，默认使用历史收益率估计。
window – 使用历史收益率估计预期主动收益时，取历史收益率的长度，默认为252，即一年
risk_aversion_coefficient – 风险厌恶系数

class rqoptimizer.ActiveMeanVariance(*, expected_active_returns=None, window=252, risk_aversion_coefficient=1)¶

主动收益/主动风险优化

Parameters

expected_active_returns (None | pd.Series) – 预期主动收益率。当不传入时，默认使用历史收益率估计。
window – 使用历史收益率估计预期主动收益时，取历史收益率的长度，默认为252，即一年
risk_aversion_coefficient – 风险厌恶系数

class rqoptimizer.RiskParity¶: 风险平价

class rqoptimizer.MinTrackingError¶: 最小追踪误差

class rqoptimizer.MaxInformationRatio(*, expected_active_returns=None, window=252)¶

最大信息比率

Parameters

expected_active_returns (None | pd.Series) – 预期主动收益率。不传入时，使用历史收益率估计。
window – 使用历史收益率估计预期主动收益时，取历史收益的长度，默认为252，即一年

class rqoptimizer.MaxSharpeRatio(*, expected_returns=None, window=252)¶

最大化夏普比率

Parameters

expected_returns (None | pd.Series) – 预期收益率。当不传入时，默认使用历史收益率估计。
window – 使用历史收益率估计预期主动收益时，取历史收益率的长度，默认为252，即一年

class rqoptimizer.MinStyleDeviation(target_style, *, relative=False, priority=None)¶

风格偏离最小化

Parameters

target_style – pd.Series, 目标风格
relative – bool, 是否为相对于基准
priority – pd.Series, 优先级，可以为每个风格指定一个0-9的优先级，9为最高优先级，0为最低优先级；未指定的风格默认优先级为5

约束¶

class rqoptimizer.TrackingErrorLimit(upper_limit, *, hard=True)¶

追踪误差约束。基准为优化时指定的基准。

Parameters

upper_limit – 追踪误差上界
hard – 软约束/硬约束

class rqoptimizer.TurnoverLimit(current_holding, upper_limit, *, hard=True)¶

换手率约束

Parameters

current_holding – 当前持仓
upper_limit – 换手率上界
hard – 软约束/硬约束

class rqoptimizer.BenchmarkComponentWeightLimit(lower_limit, *, hard=True)¶

基准成分股权重限制。基准为优化时指定的基准。

Parameters

lower_limit – 基准成分股权重之和下界
hard – 软约束/硬约束

class rqoptimizer.IndustryConstraint(industries, *, lower_limit=None, upper_limit=None, relative=False, classification=<IndustryClassification.SWS: 'shenwan'>, hard=True)¶

行业权重约束

Parameters

industries – 行业名，可以为单个或多个行业
lower_limit – 行业权重下界。当 relative 为 True 时，支持 ‘-5%’/’+5%’ 形式
upper_limit – 行业权重上界。与下界类似。
relative – 是否为相对于基准
classification – 行业分类标准; 可以传入 dict | pd.Series，作为自定义行业分类
hard – 软约束/硬约束

class rqoptimizer.WildcardIndustryConstraint(*, exclude=None, lower_limit=None, upper_limit=None, relative=False, classification=<IndustryClassification.SWS: 'shenwan'>, hard=True)¶

指定除 exclude 列表外其他行业的权重限制。与 IndustryConstraint 配合可方便的实现对所有行业权重的限制。

Parameters

exclude – 排除列表
lower_limit – 行业权重下界。当 relative 为 True 时，支持 ‘-5%’/’+5%’ 形式
upper_limit – 行业权重上界。与下界类似。
relative – 是否为相对于基准
classification – 行业分类标准；可以传入 dict | pd.Series，作为自定义行业分类
hard – 软约束/硬约束

class rqoptimizer.StyleConstraint(styles, *, lower_limit=None, upper_limit=None, relative=False, hard=True)¶

风格约束

Parameters

styles – 风格列表，可以为单个或多个风格名。支持以下风格：beta, book_to_price, earnings_yield, growth, leverage, liquidity, momentum, non_linear_size, residual_volatility, size
lower_limit – 下界。当 relative 为 True 时，支持 ‘-5%’/’+5%’ 形式
upper_limit – 上界。与下界类似。
relative – 是否为相对于基准
hard – 软约束/硬约束

class rqoptimizer.IndustryComponentLimit(industry, *, lower_limit=None, upper_limit=None, classification=<IndustryClassification.SWS: 'shenwan'>, hard=True)¶

行业内个股权重约束

Parameters

industry – 行业名
lower_limit – 个股占行业权重下界
upper_limit – 个股占行业权重上界
classification – 行业分类标准
hard – 软约束/硬约束

rqoptimizer.WildcardStyleConstraint(exclude=None, lower_limit=None, upper_limit=None, relative=False, hard=True)¶

指定除 exclude 外的其他风格上下界，与 WildcardIndustryConstraint 类似。

Parameters

exclude (str | [str] | None) – 排除列表, 可以为字符串或列表，默认为空，即不排除任何一个风格
lower_limit – 下界。当 relative 为 True 时，支持 ‘-5%’/’+5%’ 形式
upper_limit – 上界。与下界类似。
relative – 是否为相对于基准
hard – 软约束/硬约束

自定义基准¶

当需要使用自定义基准时，需要继承 OptimizeBenchmark。

class rqoptimizer.OptimizeBenchmark¶

自定义基准抽象类

abstract get_expected_returns(date, window=252)¶

获得 date 日期的年化期望收益。仅当使用 MaxInformationRatio / ActiveMeanVariance 目标函数，且不指定 expected_active_returns 时需要实现此函数

Parameters

date – datetime.date
window – 回溯窗口大小

Returns

float

abstract get_weight(date)¶

获取 date 日期的持仓权重。此函数必需实现。

Parameters: date – datetime.date
Returns: pd.Series, index 为order_book_id

示例

from rqoptimizer import *

class Benchmark(OptimizeBenchmark):
    def get_weight(self, date):
        return rqdatac.index_weights('000905.XSHG', date)

portfolio_optimize(order_book_ids, date, benchmark=Benchmark(), ...)

常量¶

CovModel 协方差模型

FACTOR_MODEL_DAILY 日度协方差模型
FACTOR_MODEL_MONTHLY 月度协方差模型
FACTOR_MODEL_QUARTERLY 季度协方差模型

IndustryClassification 行业分类标准:

SWS 申万一级
ZX 中信一级
SWS_1 申万一级，对非银金融进一步细分

风格因子：

beta 贝塔
book_to_price 账面市值比
earnings_yield 盈利率
growth 成长性
leverage 杠杆率
liquidity 流动性
momentum 动量
non_linear_size 非线性市值
residual_volatility 残余波动率
size 市值

异常¶

class rqoptimizer.InvalidArgument¶: 参数错误

class rqoptimizer.OptimizationFailed¶: 优化失败