如何利用 JoinQuant 获取概念板块成分股并编写板块轮动策略

在 A 股市场中，概念板块轮动具有显著的动量效应。通过 JoinQuant（聚宽）量化交易平台，投资者可以方便地使用 get_concept_stocks 和 get_concepts API 获取概念板块数据，并实现自动化的板块轮动交易策略。

1. 核心 API 介绍

1.1 get_concepts()

获取平台支持的所有概念板块列表，包含概念代码、概念名称及上市/生效日期。

from jqdata import *
# 获取所有概念板块列表
concepts_df = get_concepts()
print(concepts_df.head())

1.2 get_concept_stocks(concept_code, date=None)

获取在给定日期指定概念板块的所有股票列表。

• 参数：
  • concept_code: 概念板块编码（如 'SC0084'）。
  • date: 查询日期（默认为当前回测/逻辑日期）。
• 返回值：股票代码的 list。

# 获取风电概念板块的成分股
stocks = get_concept_stocks('SC0084', date='2023-01-01')

2. 概念轮动策略逻辑设计

概念轮动策略的核心思想是**“追强剔弱”**：

1. 定义轮动池：挑选关注度高、流动性好的若干核心概念板块（如半导体、新能源、新能源汽车等）。
2. 计算板块动量：按周期（如每周/每双周）计算各个概念板块内成分股在过去一段时间的平均收益率。
3. 选中强板块：挑选过去收益率最高的前 $N$ 个概念板块。
4. 调仓执行：买入所选强势概念板块中的前几只代表性股票或等权重分散持仓，卖出不再处于强势概念中的标的。

3. 策略完整 Python 源码

以下为在 JoinQuant 平台上运行的完整策略代码：

import jqdata
import pandas as pd

def initialize(context):
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)
    # 设定沪深300作为基准
    set_benchmark('000300.XSHG')
    # 设置交易税费（股票类：买入佣金万3，卖出佣金万3+印花税千1，最低5元）
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    
    # 选定的目标概念板块列表（示例选取部分热门概念）
    # 概念代码可以通过 get_concepts() 查询
    g.concept_list = [
        'GN028',  # 智能电网
        'GN033',  # 锂电池
        'GN060',  # 光伏概念
        'GN187',  # 芯片概念
        'GN208'   # 人工智能
    ]
    
    g.hold_concept_count = 1  # 每次持有最强概念数
    g.stock_per_concept = 3   # 每个概念选取的股票数
    
    # 定时调仓：每周第一个交易日 09:30 运行
    run_weekly(rebalance, weekday=1, time='09:30')

def rebalance(context):
    # 1. 计算各大概念板块过去 20 个交易日的平均涨跌幅
    concept_performance = {}
    for concept in g.concept_list:
        stocks = get_concept_stocks(concept, date=context.current_dt)
        if not stocks:
            continue
        # 过滤停牌及退市股票
        current_data = get_current_data()
        valid_stocks = [s for s in stocks if not current_data[s].paused]
        if not valid_stocks:
            continue
            
        # 获取过去20日收盘价
        price_data = history(20, '1d', 'close', valid_stocks, df=True)
        # 计算单只股票20日涨跌幅并求板块均值
        returns = (price_data.iloc[-1] - price_data.iloc[0]) / price_data.iloc[0]
        concept_performance[concept] = returns.mean()
    
    if not concept_performance:
        return
        
    # 2. 排序选出最强的概念板块
    sorted_concepts = sorted(concept_performance.items(), key=lambda x: x[1], reverse=True)
    top_concept = sorted_concepts[0][0]
    log.info("当前最强概念板块: %s，过去20日收益率: %.2f%%" % (top_concept, concept_performance[top_concept] * 100))
    
    # 3. 获取目标概念板块的前 N 只股票（按过去20日涨幅排名）
    target_stocks = get_concept_stocks(top_concept, date=context.current_dt)
    current_data = get_current_data()
    target_stocks = [s for s in target_stocks if not current_data[s].paused and not current_data[s].is_st][:g.stock_per_concept]
    
    # 4. 执行卖出：不在目标持仓里的股票全部平仓
    for stock in list(context.portfolio.positions.keys()):
        if stock not in target_stocks:
            order_target(stock, 0)
            log.info("卖出股票: %s" % stock)
            
    # 5. 执行买入：调仓买入目标股票
    if target_stocks:
        value_per_stock = context.portfolio.available_cash / len(target_stocks)
        for stock in target_stocks:
            if stock not in context.portfolio.positions:
                order_value(stock, value_per_stock)
                log.info("买入股票: %s" % stock)

4. 关键点与开发注意事项

1. 动态复权设置：强烈建议在 initialize 中开启 set_option('use_real_price', True)，保证下单时使用真实价格计算，避免未来函数。
2. 规避停牌与 ST：在获取概念成分股后，通过 get_current_data() 过滤掉停牌 (paused) 或 ST (is_st) 的股票，提高订单撮合成功率。
3. 规避未来函数：使用 get_concept_stocks 时，传入 date=context.current_dt 以确保获取的是历史当时的概念成分股。