如何利用宏观经济数据（PMI）在 JoinQuant 中构建择时策略？

这是一个基于宏观经济数据（PMI）进行择时的策略设计。

策略逻辑

1. 数据源：使用国家统计局公布的制造业采购经理指数 (PMI)。
2. 核心逻辑：PMI 是衡量制造业荣枯的重要指标。
   • PMI > 50：代表经济处于扩张期，股市通常表现较好 -> 全仓买入/持有。
   • PMI < 50：代表经济处于收缩期，股市风险较大 -> 清仓/空仓。
3. 交易标的：沪深300 ETF（510300.XSHG）作为指数基金代表。
4. 调仓频率：按月调仓。通常官方 PMI 数据在每月的最后一天或次月1号公布，因此我们在每月的第一个交易日运行策略。

代码实现

# -*- coding: utf-8 -*-
from jqdata import *

def initialize(context):
    """
    初始化函数
    """
    # 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)
    
    # 设置交易标的：沪深300ETF
    g.security = '510300.XSHG'
    
    # 设置手续费：股票类每笔交易时的手续费是：买入时佣金万分之三，卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    
    # 设置滑点
    set_slippage(PriceRelatedSlippage(0.002), type='stock')
    
    # 设定按月运行，在每月第一个交易日的开盘时运行
    run_monthly(trade_func, 1, time='open')

def trade_func(context):
    """
    月度调仓函数
    """
    # 获取当前的日期
    current_date = context.current_dt.date()
    
    # 查询宏观数据：制造业PMI (MAC_MANUFACTURING_PMI)
    # 按照统计月份降序排列，取最近的一条数据
    # 注意：macro.run_query 会自动根据回测时间 context.current_dt 过滤掉未来数据
    q = query(
        macro.MAC_MANUFACTURING_PMI
    ).order_by(
        macro.MAC_MANUFACTURING_PMI.stat_month.desc()
    ).limit(1)
    
    df = macro.run_query(q)
    
    # 如果没有获取到数据，则不进行操作
    if df.empty:
        log.warn("未获取到PMI数据，跳过本月操作")
        return
    
    # 获取PMI数值
    current_pmi = df['pmi'][0]
    stat_month = df['stat_month'][0]
    
    log.info("当前时间: %s, 获取到的最新PMI数据月份: %s, PMI数值: %s" % (current_date, stat_month, current_pmi))
    
    # 获取当前持仓
    position = context.portfolio.positions[g.security]
    
    # 策略逻辑：荣枯线 50
    if current_pmi > 50:
        # 扩张区间，买入
        if position.total_amount == 0:
            log.info("PMI > 50 (扩张区间)，全仓买入")
            order_target_value(g.security, context.portfolio.available_cash)
        else:
            log.info("PMI > 50 (扩张区间)，继续持有")
            
    elif current_pmi <= 50:
        # 收缩区间，卖出
        if position.total_amount > 0:
            log.info("PMI <= 50 (收缩区间)，清仓卖出")
            order_target(g.security, 0)
        else:
            log.info("PMI <= 50 (收缩区间)，继续空仓")

关键点说明

1. 宏观数据获取 (macro.run_query)：

   • 使用了 macro.MAC_MANUFACTURING_PMI 表。
   • 聚宽的回测引擎会自动处理“未来函数”。当你调用 macro.run_query 时，系统只会返回在 context.current_dt 之前已经公布的数据。
   • 官方 PMI 通常在当月最后一天发布，所以每月1号调仓时通常能获取到上个月的数据。

2. 交易逻辑：

   • 使用了最经典的荣枯线（50）作为阈值。
   • 使用了 order_target_value 进行全仓买入，使用 order_target 进行清仓。

3. 标的选择：

   • 代码中使用了 510300.XSHG (沪深300ETF) 作为交易对象，这比直接交易指数（如 000300.XSHG，不可交易）更符合实盘逻辑。

常见问题 (Q&A)

Q: 为什么回测时有时候会发现 PMI 数据获取不到？
A: 宏观数据的发布有时间滞后。虽然 PMI 发布较快，但如果回测时间设置得过早（例如2005年以前），可能数据库中缺乏当时的数据。代码中加入了 if df.empty 判断来防止程序报错。

Q: 可以使用财新 PMI 吗？
A: 可以。财新 PMI 通常更能反映中小企业的状况。在聚宽数据库中，可以通过查询 macro.MAC_CAIXIN_PMI 表来获取财新 PMI 数据，逻辑与上述代码完全一致，只需更改查询的表名即可。

Q: 如何避免频繁买卖？
A: 单纯以 50 为界限可能会在 50 附近频繁震荡导致磨损。可以优化策略，例如：

• 加入观察期：连续 2 个月 PMI > 50 才买入。
• 加入趋势判断：PMI > 50 且 PMI > 上月 PMI 才买入。
• 设置缓冲区：PMI > 50.5 买入，PMI < 49.5 卖出。