一、前言

前段时间爬了东方财富分析师的数据，现在可以说有了初步的结果吧，研究这个策略花了我大量的时间，结果其实不太理想，顺便也分享一下。 东方财富的分析师数据： [数据篇]爬取东方财富分析师数据

二、策略思路

我主要的思路是从先关键字入手确定基础策略，比较好的关键字，评级相关：买入、增持，评级变动：维持、调高、首次，所以就有六种组合：1、买入维持，2、买入调高，3、买入首次、4、增持维持，5、增持调高，6、增持首次，当然单独的关键字我也运行过，效果一般般。 结果展示： 最大持股数：2 持有周期：2 资金份数：2 回测时间周期：2017-01-02至2023-08-23 排序因子：总市值 排序方向：从小到大排序

当基础策略年化收益回撤比大于1时才有继续研究的价值，所以基础策略是买入首次，并在此基础上做进一步优化。 基础策略事件主要代码：

    # 调整方向 ：{0: '调高', 1: '调低', 2: '首次', 3: '维持', 4: '无'}
    # 东财评级 ： {'买入': 1, '增持': 2}
    # 筛选事件
    df['event_资金流_1'] = None
    df.loc[(df['东财评级'] == 1)
           & (df['调整方向'] == 2)
    , 'event_资金流_1'] = 1

资金曲线：

4.3、回测评价

4.4、每年表现

4.5、盈利最多三笔交易

4.6、亏损最多三笔交易

**个人评价：**分析师基础策略在没有其他条件的情况下能有这样的结果确实不错的，年年收益为正，当我尝试优化这个策略时，却发现比较难搞，要么收益变低，要么资金利用率低，如有有小伙伴对这个策略感兴趣的欢迎交流，这里就放一个我个人的优化方向：

三、优化策略：

优化思路： 我认为当分析师当天发布研报+量比升高，说明股票比较活跃，关注的程度变高，股价后续上涨的可能性较大。 事件生成代码：

    df['量比'] = df['成交量'] / df['上一日成交量'].rolling(5).mean()
    # 调整方向 ：{0: '调高', 1: '调低', 2: '首次', 3: '维持', 4: '无'}
    # 东财评级 ： {'买入': 1, '增持': 2}
    # 筛选事件
    df['event_资金流_1'] = None
    df.loc[(df['东财评级'] == 1)
           & (df['调整方向'] == 2)
           & (df['量比'] > 1.88)
    , 'event_资金流_1'] = 1

回测结果

4.3、回测评价

4.4、每年表现

4.5、盈利最多三笔交易

4.6、亏损最多三笔交易