这是一个看脸的时代，好身材的童鞋们为了证明自己是在三个标准差之外的存在，发明了一系列简单的神奇公式：
反手摸肚脐，锁骨放硬币，A4腰，Iphone腿

翻译一下就是：
排除掉公共事业和金融板块的股票。（为什么呢？这个可能需要从作者的那本书名很俗的书中寻找）
排除掉境外的公司（A股基本没有）
选取公司的息税前盈余/企业价值高的 = EBIT / Enterprise Value 《---- 便宜的股票是指税前盈余/企业价值（EBIT/EV）高的股票。
选取公司的有形资本回报率（return on capital）= EBIT / (Net Fixed Assets + Working Capital) <--- 好的业务是指有形资本回报率高的公司
从所有市面上的股票中选取3和4最高的公司的股票
投资20-30个排名最高的股票，然后每个月持续加入2-3个持仓直到超过12个月
每年进行重新调整投资组合，年前剔除掉当年投资比较失败的，年后剔除掉当年投资比较成功的
长期继续以上的操作（5-10年+）

在整个公式分析中如何一步一步在Ricequant上实现呢？我们先从比较简单的版本做起，剔除掉6-8的复杂操作，假设每个月调仓投资20-30个符合3-4点的股票。
咱们来一个一个拆开分析，符合计算机的divide and conquer - 各个击破的思想吧！

1. 排除掉公共事业和金融板块的股票。
   这个需要使用Ricequant提供的板块功能：Ricequant - Beta

context.utlility_and_fin_stocks = sector('utilities') + sector('financials')
logger.info(context.utlility_and_fin_stocks)

我们使用sector拿到utilities和financials两个板块的股票，然后返回的是两个array相加得到一个包含两个板块的array，我也会习惯打印一句logger.info(xx)来把我们拿到的这俩板块的股票列表显示出来。

2. 选取公司的息税前盈余/企业价值高的 = EBIT / Enterprise Value 《---- 便宜的股票是指税前盈余/企业价值（EBIT/EV）高的股票。
   比较赞的是Ricequant提供的财务数据表格查询是非常齐全和清洗的，也包含了专业的英文命名：Ricequant - Beta
   我们需要首先寻找到EBIT和Enterprise value（EV）在Ricequant的命名：
   比较有意思的是我们直接找到了 EV/EBIT ，但是我们需要寻找的是EBIT/EV的最高的几名，因此从EV/EBIT这个指标我们只需要的排序是从低到高的前几名即可，那么转化为查询代码（对查询财务数据不熟悉，可以看我们的财务数据教程和视频）：
   我们首先要提前考虑的是我们需要查询两个指标：EBIT/EV和资本回报率（return on capital）, 分别会拿到两组的公司列表，然后找两个列表中的共同股票就是最后的所得，由于财务数据的查询量会比较大，我们做一个200的查询限制，先查EV/EBIT的从低到高的排序：

context.limit = 200
ebit_div_ev_df = get_fundamentals( 
                   query( 
                             fundamentals.eod_derivative_indicator.ev_to_ebit
                            ).order_by( 
                              fundamentals.eod_derivative_indicator.ev_to_ebit.asc()
                            ).limit( 
                              context.limit
                           )
                     )

PS:
这里有个命名的建议是，所有的dataframe数据类型我都建议您使用_df作为结尾，这样看到这个变量名，您就可以知道他是dataframe的数据类型了。
fundamentals.eod_derivative_indicator.ev_to_ebit就是我们在财务数据字典中查到的指标名。
order_by(fundamentals.eod_derivative_indicator.ev_to_ebit.asc())是对该指标进行一个从小到大的排序，然后选取前context.limit个 - 即前200个

3. 接着我们开始查询资本回报率（return on capital），幸运的是我们强大的财务数据字典依然有：
   那么我们开始构建资本回报率的财务数据查询:

return_on_cap_df = get_fundamentals( 
                         query( 
                                    fundamentals.financial_indicator.return_on_invested_capital 
                                 ).order_by( 
                                    fundamentals.financial_indicator.return_on_invested_capital.desc() 
                                 ).limit( 
                                    context.limit
                                 )
                          )

那么此时我们拿到了两个dataframe分别是ebit_div_ev_df和return_on_cap_df，但是我们要拿的是在这两个df中都存在的股票，因此做以下的代码操作：

df_stocks = [stock for stock in ebit_div_ev_df if stock in return_on_cap_df]

但是我们仍旧需要去除掉属于公共事业和金融板块的股票代码：

for stock in df_stocks: if stock in context.utlility_and_fin_stocks: df_stocks.remove(stock)

我们只需要前30个即可：

context.total_amount = 30
context.stocks = df_stocks[0:context.total_amount]
logger.info("选择好的神奇公式股票列表为：" + str(context.stocks))

那么context.stocks就是最终我们需要的符合神奇公式的股票列表啦！
4.轮动的利器 - scheduler
接着继续，那么我们已经知道了如何进行财务数据查询了，但是如何实现每个月的轮动呢? 这就要用到了Ricequant API的另外一个大杀器了 - scheduler:Ricequant - Beta
scheduler可以让一段逻辑（代码）每天、每周和每月定期触发一次，使用方法很简单，就是:

scheduler.run_monthly(function, tradingday=t)

其中function就是我们想定期触发的逻辑，在此处就是我们想定期调仓的逻辑，我也把上面的代码总结一下如下：
在这个方法中编写任何的初始化逻辑。context对象将会在你的算法策略的任何方法之间做传递。

def init(context): 
  context.utlility_and_fin_stocks = sector('utilities') + sector('financials')    
  logger.info(context.utlility_and_fin_stocks) 
  context.limit = 200# before_trading

此函数会在每天交易开始前被调用，当天只会被调用一次

def before_trading(context, bar_dict): 
  passdef rebalance(context, bar_dict): #挑选 ev/ebit 最高的，即ebit/ev 最低的 
  ebit_div_ev_df = get_fundamentals( 
                     query( 
                             fundamentals.eod_derivative_indicator.ev_to_ebit 
                      ).order_by( 
                             fundamentals.eod_derivative_indicator.ev_to_ebit.asc() 
                      ).limit( 
                             context.limit
                        ) 
                     )
 #挑选 return_on_invested_capital 最高的头context.limit个 
  return_on_cap_df = get_fundamentals( 
                         query(
                                fundamentals.financial_indicator.return_on_invested_capital
                          ).order_by( 
                                fundamentals.financial_indicator.return_on_invested_capital.desc()
                         ).limit(  
                                context.limit 
                         )
                 ) 
#拿到在两者列表中共同的： df_stocks = [stock for stock in ebit_div_ev_df if stock in return_on_cap_df]

那么聪明的你可能已经发现了我们只需要在init中注册一下我们的scheduler事件，让他每个月调用一次rebalance函数就行了！一行代码就可以做到了每月轮动啦：

def init(context): 
 #每月第一个交易日调用rebalance逻辑 
   scheduler.run_monthly(rebalance, 1)

加入这一行之后你就可以试试看了，是不是很神奇的每个月第一个交易日就能帮你自动选股了呢？
5.调整某个股票在投资组合中所占仓位的利器 - order_target_percent
终于到了最后的关键点了 - 落单和调整仓位，不过我们有一个非常容易使用的Ricequant提供的和仓位管理融为一体的落单接口：order_target_percent
在上面的过程中我们在每个月初的调仓中已经拿到了最新的想要投资的股票列表: context.stocks，那么我们需要计算一下每个股票即将买入建仓以后在投资组合中的比重 - avergae_weight:

average_weight = 0 
#计算比重
 if len(context.stocks) != 0: 
    average_weight = 0.999 / len(context.stocks)

接着我们对已有的持仓的股票但是却不存在于新的筛选出来的股票列表context.stocks的股票进行清仓，使用order_target_percent('xxx', 0)即可对某个股票xxx进行清仓了，非常简单：

#开始进行调仓 #先清仓持仓的股票不在新的列表中 
for stock in context.portfolio.positions: 
    if stock not in context.stocks: 
        order_target_percent(stock, 0)

然后对于新的筛选出来的股票列表进行建仓，我们知道想要建仓的每个股票占最终投资组合的比重为average_weight，那么就很简单了，我们只需要对每个新的筛选出来的股票使用

order_target_percent('xxx', average_weight):
#买入新的选择出来的股票 
if average_weight != 0: 
    for stock in context.stocks: 
        order_target_percent(stock, average_weight)

不知不觉这个策略就出来了！下面我们也一起来看下这个策略的最终结果：