摘要 :Hikyuu 的 PF(Portfolio,投资组合)提供了
PF_ModeA / PF_ModeB / PF_ModeC三种预置模式,名字相近、参数几乎一样,语义却差别很大。本文先讲清 PF 为什么把组合逻辑独立成对象、它与程序化交易框架的定位差异,再拆解 SE / AF / SYS 三个组成部件,并用「RSI 均值回归 + IBS 均值回归两个 SYS、同一组标的、同一笔初始资金」的最小样本,逐一演示三种模式的机制、代码、适用场景与默认值陷阱,最后给出一张选型决策表。
一、为什么写这篇
单标的策略跑通之后,下一步通常是把几套策略合起来跑。这件事在 Hikyuu 里由 PF(Portfolio,投资组合) 负责,它提供了 PF_ModeA / PF_ModeB / PF_ModeC 三种预置模式。
这三种模式的名字很像、参数几乎一样,但语义差别很大,跑出来的结果也完全不同。本文用一个最小可跑的样本------RSI 均值回归 + IBS 均值回归两个 SYS,同一组标的、同一笔初始资金------把三种模式的机制、用法、适用场景讲清楚。
二、先理解 PF 的设计:组合逻辑为什么应该独立出来
多数回测框架的做法是:写一个策略,在它的 next() / on_bars() 里挑标的、算权重、下单,组合方式就写在这段策略代码里。这种写法天然只描述一种组合方式------选标的逻辑和分钱逻辑写在一起,想换组合方式,就得回去改策略代码,改动幅度还不小。
这背后其实是各框架的定位差异:有的做本地执行引擎,有的做云端策略平台,有的做交易终端,组合层的抽象有的做了一部分,有的基本留给了用户。这不是能力高低的问题,是边界画在哪儿的问题。
这里有个最本质的特点要说明白:这些框架的定位是指令执行,也就是程序化交易,和策略研究不是同一件事。 它们擅长的是把订单送到市场、管好账户和持仓、对接各类交易接口、做好回测撮合------执行层面的活。至于"策略怎么想、怎么组合、资金怎么分",那是研究层面的事,几乎全部留给使用者自己写。
Hikyuu 走的正好是另一头:偏重策略算法,而不是程序化交易。
它要做的是让一个想法尽快变成可验证的回测结果,把"研究"这件事本身做顺。所以组合、资金分配、绩效评估这些研究环节的东西,在 Hikyuu 里被做成了框架里的一等公民,而不是交给使用者自己拼:
- PF 本身就是一个独立对象,不是策略里的一个函数
- SE 管选谁、AF 管怎么分钱、模式管指令如何落到账户,三者各自可替换
- 换一个 AF,组合语义立刻变化;换一个 SE,选股逻辑立刻变化;换一个模式,资金落地方式立刻变化,而策略代码本身一行不用动
但"偏重策略算法"不等于"不算真实交易规则"
这是个容易误解的地方,得说透:Hikyuu 算的是真实的账,只是不负责对接柜台。
回测里那些影响结果可信度的细节,它都有专门的处理:
| 规则 | Hikyuu 怎么处理 |
|---|---|
| 交易成本 | TC_FixedA2017 这类成本模型包含佣金、最低佣金(5 元)、印花税、过户费,还细分了 TC_FixedAPre2015 / TC_FixedA2015 / TC_FixedA2017 三个按年份冻结的版本------用哪年的规则回测哪年的行情 |
| 买卖延迟 | buy_delay / sell_delay 默认 True:信号当日发出,下一根 bar 开盘才成交,避免"用今天收盘价算信号、又用今天收盘价成交"的隐蔽前视 |
| 滑点 | 有独立 SlippageBase 基类,支持固定比例、正态分布随机滑点(可设只往不利方向);成交价还要按最小变动单位取整、并钳制在当日 最低价, 最高价 |
| 涨跌停 / 停牌 | can_trade_when_high_eq_low 判定一字板不可成交;停牌无报价的委托腿保留重试到下一个可成交的开盘,不会按陈旧价格成交 |
| 做空 / 融资融券 | support_borrow_stock 开关控制开空;保证金不足时整单被拒,不做缩量 |
| 调仓时点 | trade_on_close 控制收盘执行还是次日开盘执行,先卖后买以统一价格基准 |
| 换手率 | 调仓换手另有统计,停牌延后的成交不计入 |
所以 Hikyuu 不是那种"信号对了就行、成交假设随便"的回测 ------这一点和以速度为优先、不刻意复刻成交细节的向量化工具,有本质区别。恰恰相反,它把上面这些交易规则做成了可替换的部件 (成本、滑点、环境、条件都是独立的 TC_* / SP_* / EV_* / CN_*),既能算真账,又能让研究者在"尽量真实"和"跑得快"之间自由调档。
一句话概括:Hikyuu 负责把账算准,不管你把这笔账发给谁。
这两类工具不是替代关系,是分工不同。要接柜台、管实盘,那是执行框架的活;要反复试策略、比较组合、看回测结果,那是研究工具的活。只不过很多人在做研究的时候,用的其实是一把执行工具的刀。
三、PF 的三个组成部件
一个 PF 通常由三块拼起来:
- SE(Selector):调仓日"选谁上桌"
- AF(AllocateFunds):选出来之后"钱怎么分"
- 一堆子系统(SYS):每个标的挂哪个 SYS 来跑
三种模式的核心差异只有一句话:子系统的买卖指令,最终怎么落到父账户上。
| 模式 | 工厂 | 一句话定位 |
|---|---|---|
| A 信号汇总 | PF_SignalAggregate / PF_ModeA |
子系统只出信号,父账户按目标仓位统一下单 |
| B 资金配置 | PF_Simple / PF_ModeB |
父账户按配额给每个子系统拨款,子系统在自己的影子账户里跑(FOF/MOM 风格) |
| C 共享账户 | PF_WithoutAF / PF_ModeC |
所有子系统直接共享父账户的一个 TradeManager,谁有信号谁下单 |
一个经常被混淆的区别:分的是"策略"还是"标的"
很多量化工具里的 portfolio_optimizer 一类函数,本质上做的是标的级资本分配 ------传进去的是证券代码列表,最小方差、风险平价、最大夏普优化出来的是"这只股票配 10%、那只配 8%"。它解决的是同一组资金在标的之间怎么摊。
Hikyuu 的 AF 分的对象不是标的,而是子系统(SYS) 。官方文档写得很明确:AF 的操作域是"子系统的集合";而单只证券的仓位大小归 MM(资金管理)管------MM 和 AF 职责是分离的:
| 层级 | 管什么 | 操作对象 |
|---|---|---|
| MM | 单个系统买多少 | 单个 Stock |
| AF | 每个子系统分多少额度 | 子系统集合 |
这个分离带来的差别很实际:两个 SYS 可以各自跑完全不同的选股和交易逻辑,互不干扰,只在"分钱"这一层汇合。 而标的级的权重优化,所有标的默认共享同一套逻辑------你可以调权重,但没法让这批标的用 RSI、那批标的用 IBS,更没法让两个系统对同一只股票给出互相独立的买卖意图。
换句话说,Hikyuu 同时支持两种分配关系:
- 情况一:同一套策略,在不同标的之间分钱------纯资产配置
- 情况二:同一只标的,挂不同的策略,各分各的钱------这才是关键差别
这两种关系靠 SE 的挂法决定:
python
# 情况一:同一策略 RSI,覆盖多只标的 ------ 分的是标的
se = SE_Fixed()
se.add_stock_list(stk_list, sys_rsi) # 一个 SYS,挂一堆标的
# 情况二:同一批标的,同时挂 RSI 和 IBS ------ 分的是策略
se = SE_Fixed()
se.add_stock_list(stk_list, sys_rsi) # 这个 SYS 挂这组标的
se.add_stock_list(stk_list, sys_ibs) # 另一个 SYS 挂同一组标的
情况二正是本文要用的配置。注意 add_stock_list 调了两次、标的重合------同一只股票出现了两个子系统实例,它们各自独立跑,最后由 AF 决定各自分多少额度。
文档里 L1 的产出一眼就能看出这个区别:
L1 系统级分配:子系统上下文 → 权重
{System: weight}
权重是按 System 为键,不是按 Stock。也就是说,PF 分配的是"这个系统拿多少钱",而不是"这只股票配百分之几"。至于这个系统拿到的钱具体买到哪只股票、买多少股,归它自己的 MM 管。
四、公共骨架:三种模式共用的一段代码
为了让三份测试代码聚焦"模式差异",先把三个模式都要用的东西抽出来------同一组标的、同一个 SE、同一笔资金。
python
from hikyuu import (load_hikyuu, get_stock, get_part,
crtTM, Query, Datetime, TC_FixedA2017,
SE_Fixed)
HUB_NAME = "dev" # 改成你自己的 hub 名称
options = {
"stock_list": ["sz000001", "sz000002", "sh600000", "sh600036",
"sh601318", "sz002465", "sh600519"],
"ktype_list": ["day"],
"load_history_finance": False,
"load_weight": True,
"start_spot": False,
"spot_worker_num": 1,
}
load_hikyuu(**options)
stk_list = [get_stock(code) for code in options["stock_list"]]
start_date = Datetime(20180101)
tm = crtTM(start_date, init_cash=1000000, cost_func=TC_FixedA2017())
# 把两个单标的 SYS 拿出来作为子系统
sys_rsi = get_part(f"{HUB_NAME}.sys.RSI均值回归")
sys_ibs = get_part(f"{HUB_NAME}.sys.IBS均值回归")
# SE:把同一组标的分别挂上两个 SYS
se = SE_Fixed()
se.add_stock_list(stk_list, sys_rsi)
se.add_stock_list(stk_list, sys_ibs)
se.add_stock_list 这里调了两次,就是前面说的情况二:同一组标的被 RSI 和 IBS 两个 SYS 同时覆盖,同一只股票上出现两个独立的子系统实例。这正是测试三种模式差异最关键的设置------三种模式对"同一标的上有两个子系统"的处理完全不同。
五、Mode A:信号汇总,子系统是纯信号源
python
from hikyuu import PF_ModeA, AF_EqualWeight
af = AF_EqualWeight()
pf = PF_ModeA(tm=tm, se=se, af=af, adjust_cycle=1)
pf.set_param("ref_stk", get_stock("sh000300"))
pf.name = "ModeA_信号聚合_RSI_IBS"
pf.run(Query(start_date))
pf.tm.tocsv(".")
pf.performance()

它在做什么 :每个调仓日,父账户问一遍所有子系统------你现在想买还是想卖?把所有"想买"的标的汇总成一个目标持仓 ,再按 AF 算出来的目标权重在父账户里一次性调到位。子系统自己不真正下单,也不真正持有股票,它们只贡献信号。
回到 RSI 和 IBS 这两个 SYS 上:如果同一只股票它俩都想买,父账户会把它当成一个目标来买(权重由 AF 决定);只有一个想买,权重就减半。两个子系统的信号会相互"稀释"或"加强",最终父账户只看合成的目标持仓。
适用场景:
- 手上有几套单标的信号系统,想知道合起来作为一个整体策略表现如何
- 关心的是"信号叠加后的整体曲线",而不是"哪个子系统自己赚了多少"
- 不希望子系统的资金管理(MM)影响最终仓位------A 模式下 MM 是被绕过的,目标仓位由 AF 统一算
六、Mode B:资金配置,每个子系统是一个"子基金"
python
from hikyuu import PF_ModeB, AF_EqualWeight
af = AF_EqualWeight()
pf = PF_ModeB(tm=tm, se=se, af=af,
adjust_cycle=1, adjust_mode="query",
delay_to_trading_day=True, trade_on_close=True,
sell_at_not_selected=True)
pf.set_param("ref_stk", get_stock("sh000300"))
pf.name = "ModeB_资金分配_RSI_IBS"
pf.run(Query(start_date))
pf.tm.tocsv(".")
pf.performance()

它在做什么 :每个调仓日,AF 给每个被选中的子系统分配一个配额 (这里是等权,AF_EqualWeight)。每个子系统在自己的影子账户里按配额运行------先做配额校准(超配的减下来、欠配的补上去),母账户再"透传"子系统实际发出的买卖指令。
在 RSI 和 IBS 这两个 SYS 上,各自拿到一份独立配额,各自在自己的小账本里跑,互不干扰。母账户只是把两份账本的镜像指令合并执行。
适用场景:
- 想做 FOF/MOM 风格的资金分配:每个子系统是一支"子基金",按权重配钱
- 关心"每个子系统独立的盈亏贡献",需要清晰的配额边界
- 想用更复杂的 AF(比如
AF_FixedWeight、按动量分配等)做策略层面的资产配置
特别要注意 sell_at_not_selected :B 模式默认是 True,意思是"调仓日没被选中的子系统会被强制清仓"。这是和旧版 SimplePortfolio 对齐的默认值,跨模式切换时要显式确认。
七、Mode C:共享账户,直接把两个 SYS 叠到一个账户里
python
from hikyuu import PF_ModeC
pf = PF_ModeC(tm=tm, se=se,
adjust_cycle=1, adjust_mode="query",
delay_to_trading_day=True, trade_on_close=True,
sys_use_self_tm=False,
sell_at_not_selected=False,
keep_watch_force_sell=False)
pf.set_param("ref_stk", get_stock("sh000300"))
pf.name = "ModeC_共享账户_RSI_IBS"
pf.run(Query(start_date))
pf.tm.tocsv(".")
pf.performance()

它在做什么 :所有子系统直接共享父账户的同一个 TradeManager ,没有 AF 分配、没有影子账户、没有配额。哪个子系统发出了买入信号,就直接用共享账户里的钱去买;卖出同理。这就是重构前旧 Portfolio 的行为。
在 RSI 和 IBS 这两个 SYS 上,RSI 想买就买、IBS 想买就买,两个系统抢同一个资金池。谁先触发谁先用钱,剩下的钱不够时后续的买入会被拒绝。这是三种模式里最"原始"、最贴近"把两个 SYS 物理堆在一起"的语义。
适用场景:
- 存量策略兼容 :如果以前用旧
Portfolio写过策略,用 C 模式不需要改任何代码就能复现原结果 - 就是要"两个 SYS 共用一笔钱",不希望有配额、清算这些中间层
- 快速验证一个简单叠加思路,不需要 AF 的复杂性
注意 sys_use_self_tm=False :让子系统使用父账户的 TM(共享账户的关键);如果设成 True,子系统会用自己的 TM,行为又不一样。
八、三种模式的默认值差异------最容易踩坑的地方
把三种模式的关键默认值放一起看:
| 模式 | trade_on_close |
sell_at_not_selected |
|---|---|---|
| A 信号汇总 | True |
False |
| B 资金配置 | True |
True |
| C 共享账户 | True |
False |
只有 B 模式的 sell_at_not_selected 默认是 True 。这意味着:同样的 SE 和 AF,从 A 切到 B,没被选中的子系统会被突然清仓;从 B 切到 C,行为又反过来。换模式即换清仓行为,跨模式迁移策略时一定要显式确认这个参数。
九、怎么选?一张决策表
| 你的需求 | 选哪个 |
|---|---|
| 关心"几个信号叠起来的整体曲线" | A |
| 想按权重把钱分给不同子系统(FOF/MOM) | B |
存量旧 Portfolio 策略直接复现 |
C |
| 子系统的 MM 想生效,按各自 MM 决定买多少 | B 或 C |
| 子系统的 MM 想被绕过,仓位由 AF 统一算 | A |
| 要用复杂 AF 做策略层资产配置 | B |
| 简单叠加、不要中间层 | C |
十、写在最后
三种模式没有优劣之分,只有语义之分:
- A 是"信号合成器"------子系统出信号,PF 算目标仓位
- B 是"资金分配器"------子系统是子基金,PF 按配额拨款
- C 是"兼容模式"------子系统直接共享账户,谁有信号谁下单
同样是 RSI + IBS 这两个 SYS 混合,三种模式跑出来的资金曲线差很多,差别不在策略本身,而在"指令怎么落到账户"。最忌讳的是随便挑一个模式就上,结果差很多又不知道差在哪------八成是 sell_at_not_selected 这个默认值的锅。
把上面这三段代码跑一遍,看看同一组标的、同一对 SYS 在三种模式下的资金曲线差异,比读十篇文章都管用。
本文仅用于量化策略研究和学习交流,不构成任何投资建议。投资有风险,投资者应根据自身情况独立判断并承担相应风险
Hikyuu Quant Framework 基于C++/Python 的开源量化交易研究框架 ,为量化交易爱好者和专业人员提供高性能底层架构支持。项目地址: