聚宽平台如何利用 ARBR 因子选股？实现周度调仓、涨停保护与防未来函数（附 Python 源码）

聚宽 ARBR 因子选股：周度调仓与涨停保护策略实现

在量化交易中，**ARBR（人气意愿指标）**是衡量市场买卖双方人气与意愿的重要技术因子。在聚宽（JoinQuant）平台上构建 ARBR 选股策略时，为了贴近实盘，我们需要解决三个核心痛点：

1. 规避未来函数：开启 avoid_future_data 保护。
2. 周度调仓：使用 run_weekly 定时器降低交易频率。
3. 涨停保护与炸板卖出：持仓股涨停时暂不卖出（保留强势股），若盘中涨停被打开（炸板）则立即止盈或止损。

一、 核心 API 与设计思路

1. 防未来函数设置：
   在 initialize 中调用 set_option('avoid_future_data', True)。开启后，若策略试图获取当前时间之后的未来数据，系统将直接抛出 FutureDataError 异常。
2. 周度调仓：
   使用 run_weekly(my_rebalance, weekday=1, time='09:30')，设定在每周第一个交易日开盘时执行调仓逻辑。
3. 获取 ARBR 因子值：
   通过聚宽因子库 API get_factor_values 获取全市场股票的 ARBR 因子值（ARBR 为因子 AR 与因子 BR 的差）。
4. 涨停与炸板监控：
   利用 get_current_data() 获取实时盘口数据：
   • 涨停判断：current_data[security].last_price >= current_data[security].high_limit
   • 炸板卖出：在 handle_data（分钟级）中监控，若持仓股曾触及涨停但最新价回落，则执行卖出。

二、 完整策略源码（Python3）

# 导入聚宽函数库
from jqdata import *
from jqfactor import get_factor_values
import numpy as np
import pandas as pd

def initialize(context):
    # 1. 开启避免未来数据模式（强烈推荐）
    set_option("avoid_future_data", True)
    # 2. 设置真实价格回测
    set_option('use_real_price', True)
    # 3. 设定沪深300作为基准
    set_benchmark('000300.XSHG')
    
    # 设定交易税费
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    
    # 定义全局变量
    g.stock_num = 10  # 每次持股数量
    g.factor_name = 'ARBR'  # 使用ARBR因子
    
    # 4. 注册周度调仓函数：每周一开盘运行
    run_weekly(my_rebalance, weekday=1, time='09:30')

def my_rebalance(context):
    """周度调仓主逻辑"""
    # 获取全市场可交易股票池（过滤退市、ST、新股）
    all_stocks = get_all_securities(['stock'], context.current_dt.date())
    all_stocks = all_stocks[all_stocks['end_date'] > context.current_dt.date()].index.tolist()
    
    # 过滤掉ST股与上市未满一年的新股
    current_data = get_current_data()
    all_stocks = [s for s in all_stocks if not current_data[s].is_st 
                  and (context.current_dt.date() - get_security_info(s).start_date).days > 365]
    
    # 获取前一交易日的 ARBR 因子值
    prev_date = context.previous_date
    factor_data = get_factor_values(
        securities=all_stocks, 
        factors=[g.factor_name], 
        start_date=prev_date, 
        end_date=prev_date
    )[g.factor_name]
    
    # 提取因子值并排序（假设ARBR值越低，反弹意愿越强，选择因子值最小的前N只）
    factor_series = factor_data.loc[pd.to_datetime(prev_date)].dropna()
    target_stocks = factor_series.nsmallest(g.stock_num).index.tolist()
    
    # 获取当前持仓
    current_holdings = list(context.portfolio.positions.keys())
    
    # 调仓卖出逻辑（引入涨停保护）
    for stock in current_holdings:
        if stock not in target_stocks:
            # 获取当前股票的实时盘口数据
            stock_data = current_data[stock]
            # 涨停保护：如果当前股票依然封死涨停，则不卖出，保留持仓
            if stock_data.last_price >= stock_data.high_limit and stock_data.last_price > 0:
                log.info(f"持仓股 {stock} 当前涨停，触发涨停保护，暂不卖出。")
                continue
            else:
                order_target(stock, 0)
                log.info(f"调仓卖出：{stock}")
                
    # 调仓买入逻辑
    current_holdings = list(context.portfolio.positions.keys()) # 更新卖出后的持仓
    buy_list = [s for s in target_stocks if s not in current_holdings]
    
    if len(buy_list) > 0:
        # 均分可用资金买入新标的
        available_cash = context.portfolio.available_cash
        value_per_stock = available_cash / len(buy_list)
        for stock in buy_list:
            # 过滤停牌与开盘即涨停无法买入的股票
            stock_data = current_data[stock]
            if not stock_data.paused and stock_data.last_price < stock_data.high_limit:
                order_target_value(stock, value_per_stock)
                log.info(f"调仓买入：{stock}，分配金额：{value_per_stock:.2f}")

def handle_data(context, data):
    """分钟级运行，处理炸板卖出逻辑"""
    current_data = get_current_data()
    current_holdings = list(context.portfolio.positions.keys())
    
    for stock in current_holdings:
        stock_data = current_data[stock]
        # 炸板卖出逻辑：
        # 如果股票盘中曾触及涨停（high_limit），但当前价格跌破了涨停价（例如跌幅超过涨停价的1%），则判定为炸板，立即市价平仓
        if stock_data.last_price > 0:
            # 检查今日最高价是否曾达到涨停价
            # 注意：由于 avoid_future_data 开启，我们只能通过 data[stock].high 获取今日截止当前的最高价
            today_high = data[stock].high
            if today_high >= stock_data.high_limit:
                # 如果当前价格相比涨停价回落超过 1.5%，则执行炸板卖出
                if stock_data.last_price < stock_data.high_limit * 0.985:
                    order_target(stock, 0)
                    log.warn(f"警报：持仓股 {stock} 盘中炸板！当前价 {stock_data.last_price} 跌破涨停价 {stock_data.high_limit}，立即止盈卖出。")

三、 策略要点解析

1. avoid_future_data 的安全边界：
   在 my_rebalance 中，我们获取因子值时使用的是 context.previous_date（前一交易日），这完全符合实盘逻辑。在 handle_data 中，我们使用 data[stock].high 获取今日截止到当前分钟的最高价，而不是使用日频的未来数据，确保回测结果真实可靠。
2. 涨停保护机制：
   在周一调仓时，如果某只不在新选股池中的股票依然封死涨停，策略会跳过卖出。这能有效锁住强势股的超额收益，避免在主升浪中被动下车。
3. 炸板卖出（分钟级监控）：
   炸板通常伴随着主力资金的出逃。策略在 handle_data 中实时监控，一旦发现个股曾触及涨停但最新价回落超过 1.5%，便会触发市价单强制平仓，落袋为安。