交易 - 组合优化

jh_quant.trading 集成了 Riskfolio-Lib 进行组合优化与再平衡。

启用组合优化

from jh_quant.trading.config import (
    SessionServiceConfigBuilder,
    RebalanceMode,
    RebalancePolicySpec,
)

config = (
    SessionServiceConfigBuilder.defaults()
    .with_session(session_id="optimized", mode="paper")
    .with_selection(...)
    .add_strategy(...)
    .with_portfolio(
        enabled=True,
        objective="MinRisk",           # MinRisk / MaxRet / MaxSharpe / MaxUtility
        risk_measure="MV",             # MV / MAD / MSV / CVaR / CDaR 等
        model="Classic",               # Classic / BL / FM / HRP / HERC / NCO
        covariance_method="hist",      # hist / ewma1 / ewma2 / ledoit / oas 等
        min_weight=0.01,
        max_weight=0.20,
        lookback=252,
        rebalance_policy=RebalancePolicySpec(
            mode=RebalanceMode.DRIFT_THRESHOLD,
            drift_threshold=0.10,
        ),
    )
    .build()
)

再平衡模式

DRIFT_THRESHOLD（漂移触发）

实际持仓偏离目标权重超过阈值时触发。

rebalance_policy=RebalancePolicySpec(
    mode=RebalanceMode.DRIFT_THRESHOLD,
    drift_threshold=0.10,
    min_rebalance_interval_seconds=86400,
)

EVERY_CYCLE（每周期）

每个交易周期都运行优化并再平衡。

INITIAL_ONLY（仅首次建仓）

初始运行一次建仓，之后由策略自主调仓。

SCHEDULE（定时调度）

rebalance_policy=RebalancePolicySpec(
    mode=RebalanceMode.SCHEDULE,
    schedule_cron="0 16 * * 5",  # 每周五 16:00
)

再平衡执行流程

策略选股信号
    │
    ▼
Riskfolio-Lib 优化 ── 输入：历史收益率矩阵 + 选股信号
    │                    输出：原始目标权重
    ▼
权重后处理 ── 信号引导的权重微调、上下限截断
    │
    ▼
再平衡计划 ── 对比目标权重 vs 当前持仓
    │          T+1 约束、资金约束、取整约束
    ▼
TradingEngine 执行订单

REST API

优化预览

POST /sessions/{session_id}/portfolio/optimize

触发再平衡

POST /sessions/{session_id}/portfolio/rebalance

查看组合分析

GET /sessions/{session_id}/portfolio/analysis

编程接口

from jh_quant.trading.portfolio import (
    RiskfolioPortfolioOptimizer,
    optimize_portfolio_preview,
    build_rebalance_plan,
)
from jh_quant.trading.config.portfolio import PortfolioSpec

spec = PortfolioSpec(
    objective="MinRisk",
    risk_measure="MV",
    model="Classic",
    covariance_method="hist",
    min_weight=0.01,
    max_weight=0.20,
    lookback=252,
)

optimizer = RiskfolioPortfolioOptimizer()
result = optimizer.optimize(
    returns=returns_df,
    portfolio_spec=spec,
    signals=signal_scores,
)
print(result.weights)       # 目标权重
print(result.diagnostics)   # 优化诊断

# 生成再平衡订单
plan = build_rebalance_plan(
    target_weights=result.weights,
    positions=current_positions,
    latest_prices=prices,
    portfolio_spec=spec,
)