第76章 扩展品种（1/2）

凌晨三点，鹏城的夜色还未褪去。

林晨坐在电脑前，屏幕上同时开着三个窗口：左边是期货主力合约的K线图，中间是可转债的转股溢价率数据表，右边是Python编辑器里正在调试的策略代码。桌角放着一杯早已凉透的咖啡，旁边摊开几本打印出来的资料——《期货交易实务》《可转债投资全攻略》《量化多品种策略设计》。

他已经这样坐了五个小时。

一个月前，当股票策略实盘跑出8.52%的收益率时，林晨确实兴奋过。但那股兴奋劲儿只持续了两天，就被更深的思考取代了——如果只做股票，系统再厉害，也受制于A股T+1、涨跌停、交易时间等限制。更重要的是，单一品种意味着单一风险源。

“鸡蛋不能放在一个篮子里”。这句老话在量化领域有更专业的表述：资产配置是唯一免费的午餐。

苏婉凌晨起夜时，看到书房还亮着灯，轻轻推门进来：“还不睡”？“马上”。林晨揉了揉发酸的眼睛，“在弄新东西”。苏婉走到他身后，看着屏幕上那些复杂的图表：“这又是什么”？“期货”。林晨指着左边窗口，“你看这个，螺纹钢主力合约。期货和股票完全不一样——T+0交易，可以做多也可以做空，有杠杆，而且交易时间更长，夜盘能到凌晨一点”。“听起来风险很大”。苏婉皱眉。

“风险大，机会也大”。林晨切换到一个文档，“关键是要设计匹配的策略。股票我用的主要是均值回归和动量策略，但期货更适合趋势跟踪。你看这个——”

他调出一个简单的策略回测结果：基于20日和60日均线的双均线系统，在螺纹钢期货上过去三年年化收益率达到42%，最大回撤18%。

“但这个策略在股票上效果就很一般”。林晨又切换窗口，“每个品种有自己独特的‘性格’，就像不同的人要用不同的沟通方式。强行套用同一个策略，就像让程序员去跑销售，不是不行，但效率肯定低”。苏婉似懂非懂地点点头：“那这个呢？”她指着中间窗口的可转债数据。

“可转债更有意思”。林晨眼睛亮了起来，“它既有债性又有股性。当正股价格远低于转股价时，它更像债券，有保底；当正股大涨时，它又能跟着涨，而且没有涨跌停限制”。他打开一个自己整理的Excel表格：“我统计了过去三年所有可转债的数据，发现几个规律：第一，转股溢价率低于10%的可转债，其价格走势与正股相关性超过0.9；第二，剩余规模小于3亿的小盘债，更容易被游资炒作，波动率大；第三——”

“等等”。苏婉打断他，笑着摇头，“你这些专业名词，我一个语文老师听不懂。你就告诉我，研究这些有什么用”？林晨深吸一口气，组织了一下语言：“简单说，我想让我的投资系统‘进化’。现在它只会炒股票，就像一个人只会说中文。我要教它说英语、法语、日语，让它能在更多场合交流，赚更多种类的钱”。他顿了顿，语气变得认真：“而且不同品种之间有关联性。比如当股市大跌时，国债期货往往上涨，这叫‘避险情绪’。如果我的系统能同时交易股票和国债，就能对冲风险，让收益曲线更平滑”。苏婉沉默了几秒，伸手摸了摸他的肩膀：“你瘦了”。“有吗”？“这一个月，你每天只睡五六个小时。”苏婉的声音里带着心疼，“我知道你想尽快做出成绩，但身体要紧”。林晨握住她的手：“放心，我有数。其实研究这些新东西，我反而更兴奋。你知道吗？就像打游戏解锁新地图，每个新领域都有新的规则要学习，新的策略要设计，这种探索感……”

他停住了，意识到自己又陷入了技术宅的兴奋状态。

苏婉笑了：“行，你继续探索吧。不过答应我，天亮前必须睡一会儿”。“好”。苏婉离开后，林晨重新看向屏幕。他新建了一个Python文件，开始搭建多品种策略框架的核心类。

cssMultiAssetStrategy:

def__it__(self):

self.stock_strategy=MeanReversiy#股票均值回归策略

self.futures_strategy=TrendFolly#期货趋势跟踪策略

self.vertible_bond_strategy=CBArbitrageStrategy#可转债套利策略

self.asset_allocation=RiskParityAllocator#风险平价资产配置器

defrun_daily(self,arket_data):

#获取各品种信号

stock_signal=self.stock_strategy.gee_signal(arket_data[stocks])

futures_signal=self.futures_strategy.gee_signal(arket_data[futures])

cb_signal=self.vertible_bond_strategy.gee_signal(arket_data[vertible_bonds])

#风险平价分配资金

allocations=self.asset_allocation.allocate(

signals=[stock_signal,futures_signal,cb_signal],

votilities=self.calcute_votilities(arket_data)

)

returnallocations

代码写到一半，林晨停了下来。他意识到一个关键问题：不同品种的数据频率不一样。

股票是日线数据，每天四个小时交易时间；商品期货有日盘和夜盘，每天交易时间长达12小时；国债期货又是另一套交易时间。如果要实现真正的多品种协同，他需要统一的数据处理框架。

“得重构数据模块”。林晨喃喃自语。

他打开另一个项目文件，这是之前为股票策略搭建的数据管道。现在需要扩展它，支持多种频率数据的对齐、清洗和特征工程。

凌晨四点，窗外传来第一声鸟鸣。

林晨终于完成了数据框架的初步设计。他站起身，走到阳台透气。鹏城的清晨带着海风的湿润，远处深南大道上已经有早班公交车驶过。

手机震动了一下，是张伟发来的微信：“晨哥，昨天说的那个私募朋友，我约了这周末。他对你的AI量化系统很感兴趣，想聊聊”。林晨回复：“好，时间地点发我”。他忽然感到一阵压力。如果只是自己小资金玩玩，失败了也无所谓。但如果要对接外部资金，系统的稳健性、风控能力、多品种覆盖度，都必须达到专业水准。

“还不够”。林晨看着东方渐亮的天色，“现在的系统还太单薄”。回到电脑前，他新建了一个文档，标题是《智能投资系统2.0升级规划》。

第一阶段：数据层扩展

接入期货、可转债、ETF、期权数据源

构建统一的时间序列数据库，支持多频率数据

开发数据质量监控模块

本章未完，点击下一页继续阅读。