年化30%ETF轮动策略的notebook代码，基于backtrader通用模板，附python代码

原创内容第962篇，专注量化投资，AGI和智能体落地、个人成长与财富自由。

咱们量化实验室，这几年来，沉淀了大量的代码。

这几天对于总体思路做了梳理，目前的目标如下，跟大家汇报一下：

实盘方案：backtrader + easytrader(+miniqmt)(股票) +tqsdk(期货)

多因子： vnpy的alphalab + lightGBM为主，可以扩展到深度模型，重点是因子挖掘流水线。

绝对收益：风险平价 + etf行业轮动。

backtrader为引擎，会结合bt的特点（事实上，我们在backtrader的通用模板里，引入了bt的ffn库，来做指标计算，结果分析和可视化）。

backtrader的下游接实盘方案，考虑到大家的门槛，使用easytrader，对于所有人都没有门槛，而easytrader也可以无缝对接到miniqmt——这里的实盘包含：股票、可转债和ETF。

期货相关的，我们选择tqsdk。不排除也可以对接ccxt。

上游的策略和因子：从规则策略出发，然后是多因子，包含因子挖掘流水线，CTA策略等，绝对收益策略开发，风险平价等。

在通用模板上开发backtrader的轮动策略，会非常容易和优雅。

import syssys.path.append('../../')from collections import defaultdict
from strategy_template import RotationStrategyTemplatefrom backtrader_inds import TrendScore
class TrendScoreRotation(RotationStrategyTemplate):    params = (        ('lookback',25),    )
    def __init__(self):        self.inds = defaultdict(dict)  # 存储各资产ROC指标        for data in self.datas:            self.inds[data]['sorter'] = TrendScore(data, period=self.params.lookback)

然后直接调用即可：

from engine import Enginesymbols = {'513100': '纳指100',               # '513500':'标普500',               #'510300': '沪深300',                '159915':'创业板',               '518880': '黄金',               '510180':'上证180',               # '512890':'红利低波',               # '159985':'豆粕',               # '511880':'银华日利-货币ETF',               # '511260':'十年国债',               #'511220': '城投债'               }e = Engine(symbols=symbols)from notebooks.rotation_strategy import TrendScoreRotatione.run(TrendScoreRotation)

然后一行代码查看结果：

再一行代码画图：

今天的notebook在这个位置：

代码已经提交，可以直接运行：

代码和数据下载：AI量化实验室——2025量化投资的星辰大海

AI量化实验室星球，已经运行三年多，1700+会员。

aitrader代码，因子表达式引擎、遗传算法（Deap）因子挖掘引擎等，支持vnpy，qlib，backtrader和bt引擎，内置多个年化30%+的策略，每周五迭代一次，代码和数据在星球全部开源。

点击 “查看原文”，直接访问策略集合。

扩展 • 历史文章

年化收益548%，回撤才6%，夏普比5.72，这个策略一直很稳定，附python代码

年化30.24%，最大回撤19%，综合动量多因子评分策略再升级（python代码+数据）

创业板+纳指+黄金的轮动，13年70倍 | 年入千万超级个体，才是普通人创业的趋势。