【python量化回测】可转债折价策略收益率与最大回撤

假期终于有时间更新一波。因为文章更新并不频繁，微信并不会把最新的公众号文章及时推送在读者最新的列表中，可以将公众号设为星标，这样就能第一时间收到笔者的最新文章啦。

在写公众号初期就想着写一篇折价策略收益率的回测。因为拖延症原因，一直没有行文着手写，趁假期休闲时间把它写了。
[h2]策略说明：[/h2]顾名思义，折价策略，就是选择折价率最高的10只可转债，在一个时间范围里面轮动。如果到了下一个时间节点（比如一周后），重新获取10只折价率最高的可转债，那么就把上一批可转债掉出前10名的卖掉，买入最新一批进入前十的折价可转债。周而复此，不断轮动，中途记录每笔买卖，计算最大回撤与收益率。
[h2]回测条件：[/h2]笔者把回测开始时间设定在2018年1月1日，可转债信用申购新规后，可转债容量开始扩容。
回测终止时间为2021年4月30日，也就是当前时间的最后一个交易日，时间跨度为3年4个月。
买入标的为可转债债，不包含可交换债和纯债。
回测平台使用优矿，如果动手能力强，也可以在本地使用python配置相应的量化回测平台。
回测资金使用100W。
[h2]代码实现：[/h2]部分代码可以复用之前公众号里面文章里面的，比如获取所有可转债代码，并且过滤纯债，EB可交换债。可转债历史连续最多跌多少周？
核心代码如下：

初始参数

1MyCash = 1000000 #现金
2Start_Cash= 1000000
3HighValue = MyCash #最高市值
4Withdraw = 0 #最大回撤
5HoldRank = 10 #排名多少之后卖出
6HoldNum = 10 #持债支数

复制代码

上面的的参数看个人喜好而定，有人喜欢折价策略摊大饼的，那么可以把持债个数设为20，30等等，可以看看转债分散程度对最大回撤和收益的影响。

handle_data: 周期运行，设定为5个交易日（一周）运行一次，可以使用更长周期或更短周期，1天或者1个月。
1. 1freq = 'd' # 策略类型，'d'表示日间策略使用日线回测，'m'表示日内策略使用分钟线回测
2. 2refresh_rate = 5 # 调仓频率，表示执行handle_data的时间间隔，若freq = 'd' 时间间隔的单位为交易日，取盘前数据，若freq = 'm' 时间间隔为分钟
复制代码
周期运行的函数handle_data: 这个是优矿固定的函数，会在每个周期执行一遍，里面也就是核心计算函数代码。因为优矿不支持可转债的模拟买卖，所以需要自己写一个模拟买卖的交易数据与仓位。

1def handle_data(context):
2 global MyPosition, HighValue, MyCash, Withdraw, HoldRank, HoldNum,Start_Cash
3 previous_date = context.previous_date.strftime('%Y%m%d')
4 today_date = context.now.strftime('%Y%m%d')
5
6 #每天重新计算双低排名
7 ticker_list=bonds(today_date,today_date)
8 df = DataAPI.MktConsBondPerfGet(beginDate=today_date,endDate=today_date,secID='',tickerBond=ticker_list,
9 tickerEqu=u"",field=u"secID,closePriceBond,bondPremRatio,secShortNameBond",pandas="1")
10 df.set_index('secID',inplace=True)
11 df = df.sort_values(by="bondPremRatio" , ascending=True)
12 PosValue = MyCash
13
14 for stock in MyPosition:
15 try:
16 CurPrice = df.loc[stock]['closePriceBond']
17 except:
18 NoPrice = DataAPI.MktConsBondPerfGet(beginDate=previous_date,endDate=previous_date,secID=stock,tickerBond=u"",tickerEqu=u"",field=u"closePriceBond",pandas="1")
19 if len(NoPrice)==0:
20 last_date = (context.now + datetime.timedelta(days=-7)).strftime('%Y%m%d')
21 CurPrice=get_last_price(stock,last_date,today_date)
22
23 else:
24 CurPrice = NoPrice.closePriceBond[0]
25
26 PosValue += MyPosition[stock] * CurPrice * 10
27
28 if stock not in df.index[:HoldRank]:
29 MyCash += MyPosition[stock] * CurPrice * 10
30 try:
31 name=df.loc[stock]['secShortNameBond']
32 except:
33 name = stock
34 log.info('{} 卖出{},{},价格：{}'.format(today_date,stock,name,CurPrice))
35 del MyPosition[stock]
36
37 if PosValue > HighValue:HighValue = PosValue
38 if (HighValue - PosValue) / HighValue > Withdraw:Withdraw = (HighValue - PosValue) / HighValue
39
40 #买入排在HoldRank内的，总持有数量HoldNum
41 for i in range(HoldRank):
42 if len(MyPosition) == HoldNum or len(data.index) < HoldNum:break
43 if df.index[i] not in MyPosition.keys():
44 name=df.loc[df.index[i]]['secShortNameBond']
45 price=df.loc[df.index[i]]['closePriceBond']
46 log.info('{} 买入{}, {}, 价格{}, 折价{}'.format(today_date,df.index[i],name,price,cb_ration))
47 MyPosition[df.index[i]] = int(MyCash / (HoldNum - len(MyPosition)) / df['closePriceBond'][i] / 10)
48 MyCash -= MyPosition[df.index[i]] * df['closePriceBond'][i] * 10
49
50 ratio = (PosValue-Start_Cash)/Start_Cash*100
51
52 log.info(today_date + ': 最高市值 ' + str(HighValue) + ' , 当前市值 ' + str(PosValue) + '收益率： '
53 +str(ratio)+'% , 最大回撤 ' + str(round(Withdraw*100,2))+'%')

复制代码

代码中有些异常处理要注意的，比如上周买入的折价已经被强赎了，下一周的时候需要按照强赎日的收盘价卖出，不然但交易日当天会找不到被强赎的转债数据。
[h2]回测运行结果：[/h2]截取部分中间执行结果，文末有获取所有交易记录的方法。

2018年开始执行的中间数据

2018年开始执行的中间数据，跑到2018年8月，折价策略勉强保本，最大回撤有11%。
中间因为篇幅省略若干，基本每周都会发生交易。
直接跳到最后：

最后一次调仓记录是2021年4月27日，当初的100W现在已经变成了510W，当前的收益率为410%！最大回撤值为18%。
换算为年化收益，年化收益率达到了64%。这个收益率与最大回撤比很多优秀的基金经理都要优秀，回撤也控制的很好。
同时也大幅跑赢沪深300

沪深300基准年化7收益率为7.7%。
根据日志输出的收益率绘制收益率曲线。

折价策略收益率曲线
最大回撤发生在2019年6月（数字在上图不好看得出来，因为曲线被后期收益率拉伸后，前半段显得很窄的跌幅）。
从数据日志中可以得到的：

因为上一个最大回撤是17.19%，后面的最大回撤就保持在18.59%。
如果从收益分布来看，其实绝大部分的收益从2020年贡献的，因为从数据得到，截至2019年10月份，折价策略的总收益为32%，经过2020年的抱团行情和疫情收益股，才把总体收益率拉伸到410%。所以笔者认为折价策略是一个优秀的策略，但同时有一丝丝的不确定的担忧，因为对于脱离债底的高价折价可转债（转债价格大于180以上），其实质和买入正股差不多（排除像英科转债这种高价高分红导致转股价大幅下调的个例），因为从回测数据中，2018年的熊市中，对于折价可转债而言，虽然有一定回撤，但是因为本身转债价格不高，在面值附近折价，有债底的保护，即使遇到暴跌行情亏损也不会太大。

对于激进投资者，买入高价折价转债等同于买入正股，可以采用转债套利策略，买入的高价折价转债后转股，股票可卖后继续买回其折价转债，因为本质都是看好正股继续涨。

目前还没大面积发生高价折价转债的正股进入漫长熊市，从而让转债也跟随大幅下跌，即使轮到到其他折价的转债，在普跌行情下轮动后转债也跟随下跌，这种情形下的回撤应该会非常大，虽然还没发生，但转债行情多变，每年都有新花样，就像突破3000元的英科转债，溢价率400%多，其价格也能维持在400多的横河转债。所以对比高价折价转债，笔者还是比较慎重，大仓位选择的是双底策略，降低波动，但策略并无对错，只是个人投资的偏好风格使然。本来想把双低策略的回测也一同分析下，由于篇幅有限就放在下一篇了，就代码而言，改动不多，改一行就可以的了，对该策略的读者朋友敬请留意哦。
如果需要获取文中每次轮动的交易数据，可以后台留言：折价交易数据