固定持有7天df.loc[(df["龙虎榜机构买入"]==True)&。固定持有7天df.loc[(df["龙虎榜机构买入"]==False)&。(df["龙虎榜机构买入"]==True)&。"signal"]=1df.loc[df["signal"].shift(7)==1。固定持有5天df.loc[(df["龙虎榜机构卖出"]==False)&。固定持有7天df["流通股本"]=df["流通市值"]/df["收盘价"]df.loc[(df["龙虎榜机构卖出"]==True)&。
事件驱动策略初探：龙虎榜的机构席位溢价策略来源：
20200120-长江证券-市场观察系列（一）：龙虎榜的机构席位溢价
研报我放到文末让大家下载
事件策略：
主要是以下4个策略
数据获取来源
Tushare和雪球网，大伙把数据趴下来应该都没问题，我人工随机对比过这俩网站的十几组数据，都相同，应该可以保证大部分数据是正确的。
事件收益分析
研报中只统计了2019年的龙虎榜数据收益情况，我统计了2007年到2020年的数据，相同持仓周期3/5/7天的收益率并没有研报这么好，基本上每笔交易平均收益率是0.4%。
信号代码
# 第一个策略：机构买入且涨停，固定持有5天
df.loc[(df["龙虎榜机构卖出"] == False) & (df["龙虎榜机构买入"] == True) & (df["收盘价"] == df["涨停价"]), "signal"] = 1
df.loc[df["signal"].shift(5) == 1, "signal"] = 0
# 第二个策略：机构卖出且涨停，固定持有7天
df.loc[(df["龙虎榜机构买入"] == False) & (df["龙虎榜机构卖出"] == True) & (df["收盘价"] == df["涨停价"]), "signal"] = 1
df.loc[df["signal"].shift(7) == 1, "signal"] = 0
# 第三个策略：机构同时上买入卖出榜，且日换手率达到20%以上，固定持有7天
df["流通股本"] = df["流通市值"] / df["收盘价"]
df.loc[(df["龙虎榜机构卖出"] == True) & (df["龙虎榜机构买入"] == True) & (df["成交量"] / df["流通股本"] > 0.2), "signal"] = 1
df.loc[df["signal"].shift(7) == 1, "signal"] = 0
# 第四个策略：机构买入且价格振幅达到15%以上，固定持有7天
df.loc[(df["龙虎榜机构买入"] == True) & ((df["最高价"] / df["最低价"] - 1) > 0.15), "signal"] = 1
df.loc[df["signal"].shift(7) == 1, "signal"] = 0
回测结果：
事件驱动的回测框架我按照第三种方案实现了下，回测得到以下结果。
起始资金100万，最大持仓10只股票。
更新了资金曲线图，在计算资金曲线的代码中找到了一个BUG，难怪以前收益这么好
希望能找到更加爆炸的事件策略。欢迎大家讨论！
这个是我自己写的事件驱动回测框架，有兴趣的可以看看：事件驱动回测框架