爆肝整理!我用Python复现了年化26%的Carry策略,还偷偷加了这些“黑科技”

国信金工2022年的一篇研报【国信金工】基于Carry的商品期货交易策略给出了漂亮的答案——基础年化11%，优化后直接干到26%，夏普1.73。但研报终归是纸面富贵，真要跑起来，还得靠代码说话。

今天，我就把这套策略用Python+tqsdk（天勤量化）完整复现出来，而且不止是复现——我在代码里偷偷加了不少“私货”优化，有些地方甚至和研报思路不太一样，但效果嘛……你懂的 😏

放心，我会把哪些是研报原版，哪些是我的“骚操作” 掰扯得清清楚楚。文末附完整源码获取方式，记得看到最后！🎁

⚠️ 风险提示：本文纯技术分享，不构成投资建议。历史业绩不代表未来，市场环境变化可能导致策略失效，请自主决策、谨慎参考。

一、先搞懂Carry：不就是“远近月差价”嘛！🤔

1.1 Carry是啥？打个比方 🌰

假设你现在拿着一个下个月到期的螺纹钢合约，一个月后它就会变成“现货”。如果你觉得未来价格会涨，想继续持有，就得把它卖掉，换成两个月后到期的合约。

这一卖一买之间的价差，就是展期收益（Carry）。说白了，就是你从“近月换远月”这个动作里赚到的钱。

公式长这样（别怕，很简单）：

Carry = (主力合约价格 / 次主力合约价格 - 1) / 交割月差

再取个10日平均，把噪音磨平，就得到了我们每天看的Carry信号。

1.2 为啥Carry低的品种反而能赚钱？💡

研报做了一个测试：把所有期货品种按Carry从高到低分成5组，然后看它们未来的表现。

结果发现一个神奇的规律：

• Carry最高的一组（第5组），净值曲线一路向南（做空它就赚翻了）📉

• Carry最低的一组（第1组），净值曲线稳步向北（做多它就美滋滋）📈

这背后是有金融学道理的：Carry本质是风险溢价。当大家都疯狂看空、大量做空时（Carry很高），价格可能已经跌过头了，未来反而容易反弹——这叫过度反应异象。我们反向操作，就是在赚“情绪回归理性”的钱。

1.3 研报的神操作：动量过滤 + 吊灯止损 🔥

光靠Carry分组就能年化11%，但研报还不满足，又加了两把火：

• 动量过滤：Carry信号出来，还要看看价格和10日均线的位置。如果方向一致（共振），就满仓干；如果方向相反但成交量缩量，就半仓试试水。这是让基本面逻辑和市场情绪“共振”，胜率更高。

• 吊灯止损：不止损开仓价，而是从持仓以来的最高点往下数，跌了2.5倍ATR就砍仓，还分三次减，平滑得很。

这两把火一烧，策略直接起飞：年化25.96%，夏普1.73，卡玛1.63！🚀

二、代码来了！哪些是复现，哪些是我的“私货”？💻

我写的 [CARRY增强策略.py] 严格遵循了研报的核心思路（Carry分组、信号过滤），但在品种筛选、次主力选择、止损逻辑、资金管理等方面，我结合实战经验做了自己的优化。下面逐个拆解。

2.1 品种选择：我用“沉淀资金”代替“成交额” 💰

研报要求：过去半年日均成交额 > 50亿。我的问题：天勤接口没有直接给成交额，咋办？我的优化：我用持仓量 × 价格 × 合约乘数 估算日均沉淀资金，选过去半年日均 > 2.5亿的品种（相当于成交额门槛的保守版）。

# 计算沉淀资金deposit = kline["close_oi"] * kline["close"] * volume_multiple# 取120日均值if deposit.rolling(120).mean().iloc[-2] >= 2.5e8:    # 纳入交易池

为啥这么改？ 流动性差的品种容易被操纵，冲击成本也高，咱普通交易者还是避开为妙。😤

2.2 次主力怎么选？研报没说，我来补 🧩

研报的坑：只说了“主力合约”和“次主力合约”，但次主力到底是哪个？ 如果简单选持仓量第二大的，万一它是快交割的老合约，流动性差不说，价格还容易抽风。

我的优化：在剩余天数大于主力的合约里，挑持仓量最大的。这样既保证了是远月合约，又保证了流动性。

def get_sub_symbol_from_cache(self, index):    main = self.get_main_symbol_from_cache(index)    all_symbols = self.api.query_quotes(...)    # 选剩余天数大于主力的合约    candidates = [s for s in all_symbols if expire_dict[s] > expire_dict[main]]    sub = max(candidates, key=lambda x: oi_dict[x])  # 取持仓量最大    return sub

2.3 Carry计算：严遵研报，绝不未来函数 ⏱️

每天收盘后算Carry，用的都是昨日收盘价（iloc[-2]），确保回测零作弊。

yield_series = (main_close / sub_close - 1) / month_diffroll_yield_dict[index] = yield_series.rolling(10).mean().iloc[-2]

2.4 信号过滤 + 仓位管理：我加了“开盘冷静期”和ATR动态分配 🧘

研报：共振满仓，背离缩量半仓。我的加码：

• 开盘过滤：开盘后60秒内不开仓，避开集合竞价的妖气。

• ATR资金管理：根据品种波动率算手数，单笔波动不超过总资金的4%，单品种保证金不超过20%。

# 基于ATR算手数vol_by_atr = int(balance * 0.04 / max(atr1, atr2) / 2 / multiplier)# 基于保证金算手数vol_by_margin = int(balance * 0.2 / margin_per_hand)open_volume = min(vol_by_atr, vol_by_margin)# 缩量时半仓if open_interest < oi_ma10:    open_volume //= 2

思考：波动大的品种少买点，波动小的多买点——这不就是现代投资组合理论的朴素实践嘛！📚

2.5 最大的不同：我用“动态加减仓”取代了“吊灯止损” 🔄

这是我和研报分道扬镳的地方。

• 研报：被动等回撤2.5倍ATR止损。

• 我的逻辑：根据盈利倍数（浮盈/ATR）动态调整止损宽度，盈利越多，能容忍的回撤越大。而且分批减仓，不是一把梭。

# 计算盈利倍数profit_multi = (high - open_price) / atr# 盈利越多，止损系数越大（越宽松）if profit_multi < 2:    stop_multi = 1.0elif profit_multi < 3:    stop_multi = 0.6else:    stop_multi = 0.3stop_price = high - stop_multi * atr# 触发减仓（每次减1/3）if close_price < stop_price:    close_vol = pos_long // 3    close_position(...)

为啥这么改？

• 行为金融学告诉我们：人赚了钱就想跑，亏了钱就死扛。我偏要反着来：赚得越多，越能扛回调；赚得少，赶紧落袋。这是反人性的理性设计。🧠

• 分批减仓：万一是虚晃一枪呢？减1/3既能锁定利润，又留了仓位让利润奔跑。

2.6 换月处理：提前15天移仓 🗓️

临近交割的合约容易出幺蛾子（逼仓、期现收敛），提前15天平仓换月，避开这些非市场因素。

2.7 风控和工程化：保命要紧 🛡️

• 账户级风控：大额亏损（-5%）、异常手续费（>0.5%）、频繁报撤单（>100次）、盈利回撤（>5%），触发了直接清仓并邮件报警。

• 异步日志：日志写入放后台线程，不卡主流程。

• 心跳检测：网络断了自动重连，并发邮件通知你。

三、怎么跑起来？三步搞定 🏃

3.1 环境准备

• Python 3.7+

• 装依赖：pip install tqsdk talib akshare pandas numpy

• 注册天勤账号（免费），在Config里填用户名密码

3.2 修改配置

打开Config类，填上：

• 天勤账号密码

• 期货公司资金账号、密码

• 邮箱信息（收通知用）

• 想排除的品种（比如股指、国债）

3.3 运行

python CARRY增强策略.py

程序自动登录、初始化，然后进入主循环，你就可以喝茶看戏了。🍵

四、最后说几句心里话 💬

这份代码不是圣杯，但它是我对研报理解的结晶，也融入了自己的实战思考。你可以把它当做一个可运行的策略框架，跑模拟盘、观察信号、调整参数，慢慢打磨成你自己的武器。

如果你在复现中遇到问题，欢迎评论区留言，我会挑典型问题后续解答。

源码获取：关注公众号，后台回复“CARRY增强”领取下载链接。

互动：

• 你对“动态加减仓”的逻辑认可吗？有啥想法欢迎交流。

• 下期想看什么策略？股票多因子？期货套利？期权波动率？评论区告诉我！👇

风险提示：历史业绩不代表未来，市场环境会变化，策略也存在失效的可能。本文内容仅为技术交流与思路分享，不构成任何投资建议，请各位朋友自主决策、理性投资。