聚宽哈利·布朗永久组合：如何用 ETF 配置股票、债券、黄金和现金？

哈利·布朗（Harry Browne）的永久组合（Permanent Portfolio）是一种经典的资产配置策略。它通过将资产均分为四等份（各 25%），分别配置于股票、国债、黄金和现金，以应对繁荣、通胀、通缩和衰退这四种不同的经济周期。

在 A 股市场中，我们可以通过交易所上市的 ETF 基金 来低成本、高流动性地构建这一组合。本文将详细介绍如何在聚宽（JoinQuant）平台上，利用 Python 编写一个自动定期再平衡的永久组合策略。

一、 永久组合的 ETF 标的选择

在 A 股市场，我们可以选择以下代表性强、流动性好的 ETF 来替代四类资产：

1. 股票 (25%)：选择沪深 300 ETF，如 510300.XSHG，代表中国 A 股核心资产。
2. 债券 (25%)：选择十年期国债 ETF，如 511260.XSHG，提供通缩和衰退保护。
3. 黄金 (25%)：选择黄金 ETF，如 518880.XSHG，用以对抗通货膨胀。
4. 现金 (25%)：选择货币 ETF，如 511880.XSHG（银华日利），在危机时提供避险与流动性。

二、 聚宽策略实现逻辑

1. 初始化：设定初始资金，开启动态复权（真实价格）模式，并设置交易税费。
2. 定时触发：由于资产配置策略无需频繁交易，我们使用 run_monthly 设置每月第一个交易日进行一次再平衡检查。
3. 再平衡机制：
   • 计算当前账户的总资产（Total Value）。
   • 计算每只 ETF 的目标持有价值（总资产 * 25%）。
   • 使用 order_target_value 调整各标的仓位至目标价值。

三、 聚宽 Python 策略源码

请在聚宽回测环境中复制并运行以下代码：

# 导入聚宽函数库
import pandas as pd
from jqdata import *

def initialize(context):
    # 设定沪深300作为基准
    set_benchmark('000300.XSHG')
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)
    
    # 过滤掉比error级别低的log
    log.set_level('order', 'error')
    
    # 定义永久组合的四个核心 ETF 标的
    g.portfolio_dict = {
        '510300.XSHG': 0.25,  # 股票：沪深300 ETF
        '511260.XSHG': 0.25,  # 债券：十年国债 ETF
        '518880.XSHG': 0.25,  # 黄金：黄金 ETF
        '511880.XSHG': 0.25   # 现金：银华日利货币 ETF
    }
    
    # 设置基金交易手续费（场内基金免印花税，佣金一般无最低限制，此处按万三设置）
    set_order_cost(OrderCost(close_tax=0, open_commission=0.0003, close_commission=0.0003, min_commission=0), type='fund')
    
    # 每月第一个交易日开盘时运行再平衡函数
    run_monthly(rebalance, monthday=1, time='09:30', reference_security='000300.XSHG')

def before_trading_start(context):
    # 盘前打印当前日期
    log.info("今日日期：%s" % str(context.current_dt.date()))

def rebalance(context):
    log.info("--- 开始执行永久组合再平衡 ---")
    
    # 获取当前账户总资产
    total_value = context.portfolio.total_value
    log.info("当前账户总资产: %.2f 元" % total_value)
    
    # 1. 先处理需要减仓或清仓的标的，释放可用资金
    for security, weight in g.portfolio_dict.items():
        target_val = total_value * weight
        current_val = context.portfolio.positions[security].value
        
        # 如果当前持仓价值大于目标价值，进行减仓
        if current_val > target_val:
            log.info("标的 %s 当前价值 %.2f 大于目标价值 %.2f，执行减仓" % (security, current_val, target_val))
            order_target_value(security, target_val)
            
    # 2. 再处理需要加仓的标的
    for security, weight in g.portfolio_dict.items():
        target_val = total_value * weight
        current_val = context.portfolio.positions[security].value
        
        # 如果当前持仓价值小于目标价值，进行加仓
        if current_val < target_val:
            log.info("标的 %s 当前价值 %.2f 小于目标价值 %.2f，执行加仓" % (security, current_val, target_val))
            order_target_value(security, target_val)
            
    log.info("--- 再平衡执行完毕 ---")

四、 策略优化建议

1. 宽限期再平衡（Band Rebalancing）：
   每月强制再平衡会产生不必要的交易摩擦成本。可以引入偏离度阈值（如 $\pm 5%$）。只有当某一资产的实际权重偏离 $25%$ 超过 $5%$（即低于 $20%$ 或高于 $30%$）时，才触发再平衡。
2. 货币基金替代：
   在回测中，由于货币 ETF（如银华日利）的日内波动极小，且部分回测系统对货基支持有差异，若想简化，也可以直接将现金部分保留为账户的 available_cash（可用现金），不买入具体货基，从而获取无风险利息或直接留存。