程序框架说明：
与之前发布过的面向对象二八小市值是基本类似的，只是整个框架更加完善更加灵活了。
之前的文章：
重点类说明：
1. Rule(object)
所有规则的基类。包含聚宽策略的事件
Initialize,handle_data,before_trading_start等等。即每次聚宽事件都会调用所有规则的相关事件,除了handle_data，会根据策略流程可能中断执行，不会所有都执行。
除此之外，新增自定义的一些事件
on_sell_stock，on_buy_stock，before_clear_position，on_clear_position 为卖股，买股，清仓前，清仓后触发的事件。2. Group_Rules(Rule)
为包含一系列规则组合的规则，通该类或扩展该类，实现树形策略执行流程。 3. Global_variable(object)
自定义所有规则共用的全局变量，用于规则通用数据存储。一个策略对应一个Global_variable.
包含较为通用的卖股、买股、清仓函数。
4. Pick_stocks2(Group_rules)
选股规则组合器。
此类通过一系列Filter_query，Filter_stock_list的子类组合选出股票池
5. Pick_financial_data(Filter_query)
根据聚宽财务数据的多因子选股器。
6. SortRules(Group_rules,Filter_stock_list)
多因子权重排序规则组合器。多因子权重排序算法实现类
类继承结构(部分):
策略流程查看日志生成的策略结构就成行了:
多因子小市值策略
1.预先处理的辅助规则
a. 设置系统参数：
[使用真实价格交易] [忽略order 的 log] [设置基准]
b. 根据时间设置不同的交易费率
c. 持仓信息打印
d. 策略绩效统计
2.调仓执行条件的判断规则组合
a. 调仓时间控制器: [调仓时间: ['14:50'] ]
b. 大盘高低价比例止损器:[指数: 000001.XSHG] [参数: 160日内最高最低价: 2.2倍] [当前状态: False]
c. 多指数20日涨幅损器[指数:['000016.XSHG', '399333.XSHE']] [涨幅:0.50%]
d. 调仓日计数器:[调仓频率: 3日] [调仓日计数 0]
3.选股
a. 多因子选股:
[ 0 < valuation.circulating_market_cap < 100 ]
[ 0 < valuation.pe_ratio < 200 ]
[ 0 < indicator.eps ]
[排序:valuation.circulating_market_cap 从小到大]
[限制选股数:200]
b. 过滤创业板股票
c. 一般性股票过滤器:['st', 'high_limit', 'low_limit', 'pause']
d. 多因子权重排序器
(1) [权重: 100 ] [排序: 从小到大 ]
按流通市值排序
(2) [权重: 20 ] [排序: 从小到大 ]
按当 PriceType.now 价格排序
(3) [权重: 10 ] [排序: 从小到大 ]
按 20 日涨幅排序
(4) [权重: 10 ] [排序: 从小到大 ]
按 60 日涨幅排序
(5) [权重: 10 ] [排序: 从小到大 ]
按换手率排序
e. 获取最终待购买股票数:[ 3 ]
4.调仓执行规则组合
a. 股票调仓卖出规则：卖出不在buy_stocks的股票
b. 股票调仓买入规则：现金平分式买入股票达目标股票数
c. 显示调仓时买卖的股票关于多因子选股的说明
其实没啥好说明的，无非是根据各种条件取并集而已。
多因子选股有待扩展的是按市场分布比例取集，比如，取流通市值最小的20%的股票，以后有空再做吧，果仁有这个功能。
关于多因子权重排序说明
对于每个因子，都对股票池进行独立的排序，然后以该因子排名*因子权重加到总权重。最后再对总权重进行排序。
关于策略实盘的说明
Shipane_manager 规则为把聚宽持仓同步到实盘同步的规则
使用该规则需下载 trader_sync.py和shipane_sdk.py到研究里。
下载地址:https://pan.baidu.com/s/1skZHEVV
Purchase_new_stocks为自动打新规则，需要 shipane_sdk.py
以上基于实盘易实现策略实盘
关于面向对象策略更新代码失败的各种坑的总结：
大部分都是由序列化和反序列化引起的。
不要把一个对象函数赋与另一个对象变量。如 obj1.func = obj2.func
更新代码前，一些废弃的类、函数请不要删除或改名。要删除或改名请在更新代码成功后。不然会反序列化失败。
新增一个类的成员变量，在使用前需要检测并赋初值，因为原策略里已创建的对象，可能没有被重新创建，然后并不存在这个新增的成员变量，后续再使用时就会报错，尤其是在把各个规则分拆放到研究里时，这个问题相当严重。在本策略中，用以下相互配合达到避免这个错误。
a) 在update_params函数里进行成员变量初始化。
b) Rule自带保存了传入参数的dict self._params，规则使用参数时，请直接用self._params.get(‘参数’,默认值)的方式使用参数，参数不再每个都保存为类成员，自然就不存在因为新增类成员导致策略错误的问题。
c) 假如是在修改研究文件中的类，而该类在策略里有使用，新增成员变量时，在使用前，请Try，异常则初始化。同一个Group_Rules规则组合下的规则，假如是同一个规则类使用了两次，则一定要设置对象名。即策略配置里的第二个字符串参数。否则会导致策略混乱出现乱七八糟的错误。本策略示例里没有这种情况。
以前我发布的面向对象，代码更新还是经常失败的。现在好多了，掌握了要点，基本没有再出现过更新失败的问题。
点击『阅读原文』，到JoinQuant社区查看源码并参与讨论。
长按指纹，关注JoinQuant