joinquant 组合优化器进阶：使用 TurnoverConstraint 限制调仓换手率

在进行投资组合优化时，过于频繁或剧烈的调仓会导致高昂的交易手续费与市场冲击成本，从而侵蚀策略收益。JoinQuant 提供了内置的投资组合优化器 portfolio_optimizer，并支持通过约束条件 TurnoverConstraint 来精准限制调仓换手率。

一、TurnoverConstraint 概念与参数

TurnoverConstraint 用于限制优化后的新投资组合相对于当前持仓（或设定基准持仓）的换手比例。

构造函数语法：

TurnoverConstraint(limit, current_portfolio=None)

参数说明：

1. limit (float): 换手率上限（例如 0.5 表示调仓换手率不超过 50%）。
2. current_portfolio (pandas.Series 或 None): 当前投资组合的权重序列。如果为 None，默认认为初始状态为空仓。

二、核心实现步骤

1. 导入优化器模块：需要从 jqlib.optimizer 导入相关的优化器及约束函数。
2. 计算/提取当前组合权重：获取当前账户中各标的市值占总资产的权重 current_portfolio。
3. 构建优化模型：在调用 portfolio_optimizer 时，将 TurnoverConstraint(limit, current_portfolio) 加入到 constraints 列表中。

三、完整策略代码示例

以下示例展示了如何在聚宽按月调仓策略中，使用组合优化器 portfolio_optimizer，并利用 TurnoverConstraint 将单次调仓换手率限制在 30% 以内：

import pandas as pd
from jqdata import *
from jqlib.optimizer import *

def initialize(context):
    set_benchmark('000300.XSHG')
    set_option('use_real_price', True)
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    
    # 每月第一个交易日开盘调仓
    run_monthly(rebalance, monthday=1, time='9:30', reference_security='000300.XSHG')

def rebalance(context):
    # 1. 确定目标股票池（例如沪深300成分股的前20只）
    securities = get_index_stocks('000300.XSHG')[:20]
    
    # 2. 计算当前账户各标的的权重
    total_value = context.portfolio.total_value
    current_weights = {}
    for stock in securities:
        position = context.portfolio.positions.get(stock)
        if position and position.total_amount > 0:
            current_weights[stock] = position.value / total_value
        else:
            current_weights[stock] = 0.0
    
    current_portfolio = pd.Series(current_weights)
    
    # 3. 设置换手率约束：单次调仓换手率不超过 30%
    turnover_limit = 0.30
    constraints = [
        WeightConstraint(low=0.0, high=1.0),
        TurnoverConstraint(limit=turnover_limit, current_portfolio=current_portfolio)
    ]
    
    # 4. 设置标的权重边界（每只股票不超过 15%）
    bounds = [Bound(low=0.0, high=0.15)]
    
    # 5. 运行投资组合优化器（以组合风险最小化 MinVariance 为例）
    target = MinVariance(count=250)
    optimized_weight = portfolio_optimizer(
        date=context.previous_date,
        securities=securities,
        target=target,
        constraints=constraints,
        bounds=bounds,
        default_port_weight_range=[0.0, 1.0],
        return_none_if_fail=True
    )
    
    # 6. 执行调仓下单
    if optimized_weight is not None:
        log.info("优化权重成功：\n", optimized_weight)
        for stock in securities:
            target_val = total_value * optimized_weight.get(stock, 0.0)
            order_target_value(stock, target_val)
    else:
        log.warn("组合优化失败，保持当前持仓！")

四、注意事项与最佳实践

1. 权重总和与输入匹配：确保传入 TurnoverConstraint 的 current_portfolio 的索引（Index）与传入 securities 的列表保持一致，未持有的标的权重填 0.0。
2. 求解失败处理：如果换手率限制设定过于苛刻（例如限制过低而无法满足其他收益/风险约束），优化器可能会求解失败并返回 None。建议设置 return_none_if_fail=True 并编写兜底降级逻辑。
3. 结合其他约束使用：TurnoverConstraint 可与 WeightConstraint（总权重限制）、BarraConstraint（风险暴露限制）等组合叠加使用，实现更精细的组合风险管理。