持股檔數設定

小資族的資金少，選股策略在初步開發完後第一個問題是選到檔數太多，以之前介紹過的創新高延續動能策略為例，可能某幾期選股在大牛市高達百檔，但實務上根本不可能買那麼多。

from finlab.backtest import sim
from finlab import data

with data.universe(market='TSE_OTC'):
    close = data.get("price:收盤價")
    # 近5日內有3日以上的股價創前200日新高
    position = (close == close.rolling(200).max()).sustain(5,3)
    report = sim(position, resample="2W", stop_loss=0.2, name="創新高延續動能策略", upload=False)
    report.display()

此時我們可以針對小資族去客製化務實的條件，每期選股價前10低的標的來當持股組合。回測結果發現報酬率降低一些，但持股檔數上限控制在10檔以內，且低價的優先，讓小資族更能參與整張現股的操作，避免零股交易較高的滑價風險，讓回測更貼近現實交易貼合的可能性。

with data.universe(market='TSE_OTC'):
    close = data.get("price:收盤價")
    # 近5日內有3日以上的股價創前200日新高
    position = (close == close.rolling(200).max()).sustain(5,3)
    position *= close
    position = position[position > 0].is_smallest(10)
    report = sim(position, resample="2W", name="創新高延續動能策略", upload=False)
    report.display()

單檔持股比例上限

以為這樣就沒問題了嗎？你若仔細看上面「低價股優先測定持股檔數上限」的策略，會發現每期的標的數量仍參差不定，牛市有時候10檔，熊市有時候1檔，由於 position 預設分配持股比例是用檔數做平均，因此若當期只選到一隻，而沒在 sim 回測函數 內特別設定 position_limit，那就是100%重壓一檔！如下圖示對整體策略波動會造成很大的風險：

如何解決此問題呢？sim 回測函數 內設定 position_limit 當單檔標的持股比例上限，控制倉位風險。預設為None，也就是不設上限。範例：0.1，代表單檔標的最多持有 10 % 部位，若加上持股檔數上限10檔，當只選到8檔時，總持股上限則為80%，剩下 20% 為現金，在選到檔數較少的時候，自然產生空手避險的效果，而不重壓標地。
position_limit 越高一般來說波動越大 ; position_limit 越低則波動低，報酬率與最大回撤普遍都會縮小，站在風控角度，一般建議都要設 position_limit < 0.2，避免個股非系統性風險影響整體策略。
「創新高延續動能策略」的 position_limit 要用多少比較好？我們可以用 ReportCollection 來檢測不同數值的回測效果，程式如下：

def run_strategy(position_limit):
    with data.universe(market='TSE_OTC'):
        close = data.get("price:收盤價")
        # 近5日內有3日以上的股價創前200日新高
        position = (close == close.rolling(200).max()).sustain(5,3)
        report = sim(position, resample="2W", position_limit=position_limit, stop_loss=0.2, name="創新高延續動能策略", upload=False)
        return report


# # 產生回測組合
reports = {ind/10: run_strategy(ind/10) for ind in range(1,11)}
# 放入回測報告組合比較器
collection = ReportCollection(reports)
# 產生回測數據分群柱狀圖
collection.plot_creturns().show()

import plotly.graph_objects as go

def show_index_bar(collection, item = 'max_drawdown'):
    stats = collection.get_stats()
    df = round(stats.loc[item],2).sort_values()
    fig = go.Figure([go.Bar(x=df.index, y=df.values, text=df.values, textposition='auto',)])
    fig.update_layout(title_text=item)
    return fig

# 年化報酬
show_index_bar(collection, item = 'daily_mean').show()
show_index_bar(collection, item = 'max_drawdown').show()
show_index_bar(collection, item = 'daily_sharpe').show()

回測分析

可以發現 position_limit = 0.2 時 的年化報酬率、夏普率、MDD (最大回撤) 表現最好，能有效降低重壓波動風險。如果做出來發現 position_limit = 1 的數據最好，那就要留意快樂表的可能性，可能好績效靠是重壓導致的，這時最好考慮低 position_limit 的情況

結論

colab 範例檔
你的策略有驗證過持股檔數與單檔持股上限的問題嗎？
調整一個 position_limit 參數 就能降低快樂表和大波動的風險，可說是新手必學的參數設定啊！

月營收選股策略 – 創高基礎型態

程式範例

from finlab import data
from finlab.backtest import sim

rev = data.get('monthly_revenue:當月營收')
rev_yoy_growth = data.get('monthly_revenue:去年同月增減(%)')

# 近2月平均營收
rev_ma = rev.average(2)

# 近2月平均營收創12個月來新高
condition = rev_ma == rev_ma.rolling(12, min_periods=6).max()

# 單月營收年增率與訊號相乘，若訊號為False，相乘結果為0
position= rev_yoy_growth*condition

# 符合選股條件的名單中，再選出單月營收年增率前10強，並在營收公告截止日換股。
position=position[position>0].is_largest(10)

report=sim(position ,name="營收動能",upload=False)
report.display()

程式非常簡單，只有10來行。說明幾個關鍵處。
月營收有個關鍵在要注意過年效應，有時候年假在1月、有時在2月中旬前，由於台股多數企業的營運區域都在華人地區，年假通常會停工或減班，如果是在1月過年，訂單常遞延到2月。因此在比較營收時，為了平滑過年效應，我會習慣取近2月平均營收來取代單月營收，不然1、2月若碰到年假，單月營收要創近12月新高的可能性實在太低。

如果策略要實戰，縮減檔數是必須的，因為多數人沒那麼多資金全買，所以範例簡單用單月月營收來選最後10強。你可能會疑惑為何要寫position[position>0].is_largest(10)，而不是position.is_largest(10)就好？那是因為is_largest(10)會選數值前10高的，若沒有排除不符合營收創高的標的，前10高的數值可能會選到不合條件的，會從股號小的標的開始補到10檔為止。

此策略的換股週期是用月營收索引，也就是月營收公告截止日，好處是貼近營收因子發酵期。
來看看策略的表現，非常不錯，15年來，年化高達 26% !
你以為這樣就結束了嗎？其實還可以優化，繼續看下去。

營收股價雙創高的渦輪效應

股價創新高動能

營收利多，最怕利多不漲，那很可能是市場早就反應，因此我們的目標是股價與營收連動，一同創高，代表股價的動能和營收創新高的關聯較大，如何寫出好棒棒的股價創新高動能策略，可以看先前的文章「突破策略豆知識」，運用FinlabDataframe好用的sustiain方法確認突破強度。
程式與回測結果如下：

from finlab.backtest import sim
from finlab import data
with data.universe(market='TSE_OTC'):
    close = data.get("price:收盤價")
    # 近5日內有3日以上的股價創前200日新高
    position = (close == close.rolling(200).max()).sustain(5,2)
    report = sim(position, resample="M", name="創新高延續動能策略", upload=False)
    report.display()

雙渦輪

如果把營收創新高和股價創新高的程式做結合，會發生什麼事？

from finlab import data
from finlab.backtest import sim

close = data.get('price:收盤價')
vol = data.get('price:成交股數')
rev = data.get('monthly_revenue:當月營收')
rev_yoy_growth = data.get('monthly_revenue:去年同月增減(%)')

# 近2月平均營收
rev_ma = rev.average(2)

# 近2月平均營收創12個月來新高
condition1 = rev_ma == rev_ma.rolling(12, min_periods=6).max()
# 近5日內有2日股價創新高
condition2 = (close == close.rolling(200).max()).sustain(5,2)
# 近五日成交均量大於500張
condition3 = vol.average(5) > 500*1000
conditions = condition1 & condition2 & condition3

# 符合選股條件的名單中，再選出單月營收年增率前10強，並在營收公告截止日換股。
position= rev_yoy_growth*conditions

position=position[position>0].is_largest(10).reindex(rev.index_str_to_date().index, method='ffill')

# 設定position_limit避免重壓
report = sim(position=position,stop_loss=0.2,take_profit=0.8, position_limit=0.25, fee_ratio=1.425/1000*0.3,name="營收股價雙渦輪",upload=False)
report.display()

上面程式要注意的小地方是有加上流動性條件，只買近五日成交均量大於500張的標的，避免太冷門的標的很難入手。由於月營收創高和股價創高的條件交集後，會轉成日週期索引，若要使用月營收截止日換股，必須要做reindex的動作，rev.index_str_to_date 會將月營收文字格式日期轉成月營收公告截止日，例如 2022-M10 變成 2022-11-11。

最後為避免重壓標地，設定position_limit=0.25，代表單擋持股上限為25%，避免只選到1-2檔全壓的大波動狀況。如果偏好降低波動，也可調成0.1，如此一來若只選到4檔標的，總持股比例只會有40%，在熊市時由於創新高標的本來就少，因此持股比例自然降低，具自然避險躲空頭的效果。

停損不建議設定小，此策略波動較大，設太小容易被洗掉。最後來看看加乘的效果吧！
15年來年化報酬37%！夏普率1.3，幾乎每一年都獲利，比前述單因子選股的表現優異許多，熊市年 2022 竟然還有16%正報酬，以條件這麼簡單的策略來說，算是很神的成績！

結論

colab 範例
量化平台部署範例
簡單卻很有實戰性，這就是FinLab與其他地方不同之處，不走太學術的路線，考慮實戰面，除了完整公開程式碼，還跟你講策略背後的思維。
此策略當然還有優化的空間～但這就是大家各自的功課了，Ben 把最核心的條件交給你了，一起去找股海的大秘寶吧！

股價創新高策略範例

程式碼

from finlab.backtest import sim
from finlab import data

# 標的範圍為上市櫃普通股
with data.universe(market='TSE_OTC'):
    # 取得收盤價
    close = data.get("price:收盤價")
    # 股價創近200日新高
    position = (close == close.rolling(200).max())
    # 每兩週再平衡，單檔最大持股比例限制20%，停損20%
    report = sim(position, resample="2W", position_limit=0.2, stop_loss=0.2, name="股價創新高策略")
    report.display()

選股條件

程式很簡單，這是一個偏短線的技術面策略，不用幾行就可以開發完成，只有了一個股價創新高條件和一些回測基本設定。
主要條件為:

• 標的範圍為上市櫃普通股
• 股價創近200日新高，天數越高，則壓力越小
• 每兩週再平衡
• 單檔最大持股比例限制20%，避免個股單壓的非系統性風險
• 停損20%

回測結果

年化報酬率為17.7%，幾乎每年都獲利，至今只有兩個年份虧損，困難年份2008、2018、2022年的表現優於大盤，但困難年份 2011 表現不好。以報酬率表現來說，該因子表現不錯。
但夏普率和最大下跌和大盤風險差不多，並無明顯優勢。

策略優化

上述策略的缺點在只有近一天突破就買，你可能會「買到假突破的標的」、「錯過前幾天突破小拉回的好標地」。
一個動能夠強的標的，短期不會只有一天創新高，而是「連續挑戰新高」，創新高越多次，代表動能越強，這樣的訊號除了確認訊號強度，也可把前幾天有突破，近期小回檔的強勢股納進來，將時間條件更有彈性，比較不會錯過飆股，你時間定的越死，會很吃選股日當日訊號的運氣。

為了更確認訊號及囊括近期強勢標的，我會使用FinlabDataFrame的語法糖 sustain 去判斷訊號強度延續性。

程式範例

from finlab.backtest import sim
from finlab import data
with data.universe(market='TSE_OTC'):
    close = data.get("price:收盤價")
    # 近5日內有3日以上的股價創前200日新高
    position = (close == close.rolling(200).max()).sustain(5,3)
    report = sim(position, resample="2W", position_limit=0.2, stop_loss=0.2, name="創新高延續動能策略")
    report.display()

選股條件

只將創新高條件加入強度延續性判斷，為公平比較，其餘條件相同。

• 標的範圍為上市櫃普通股
• 近5日內有3日以上（含）的股價創前200日新高。
• 每兩週再平衡
• 單檔最大持股比例限制20%，避免個股單壓的非系統性風險
• 停損20%

回測結果

年化報酬率為25.9%，比原先的17.7%大幅上升，幾乎每年都獲利，困難年份2008、2011、2018、2022年的表現優於大盤。
夏普率明顯提升到1.1，最大下跌和下跌幅度曲線比原先收斂不少，長時間都能比大盤有更小的回檔風險。

結論

經過小小的觀念和語法調整，卻能讓策略大幅優化！是不是很神奇呢？
如果你的策略也有用到「股價創新高的條件」之類的突破策略，可以試試加入 sustain 語法，看看會不會有優化的效果。甚至將 sustain 語法應用到其他條件。

相關資料

• colab 程式範例檔