1 # 根据缺口的模式选股买股票 2 ''' 3 -------------------------------------------- 4 1、总体回测前要做的事情 5 initialize(context) 6 1.1、设置策略参数 ----> 全局常量 7 1.2、设置中间变量 ----> 全局变量 8 1.3、设置回测条件 ----> JoinQuant额外需要的 9 2、每天开盘前选股策略 （下面策略，发现这种股，不容错过） 10 2.1、设置手续费 11 2.2、设置可行股票池，比如过滤当日停牌股票 12 2.3、筛选上市满一年的全部A股 13 2.4、筛选上市发生向上缺口的时点 14 定义为:今日最低价>昨日最高价，删除涨停的个股 15 涨幅>5% 16 2.5、筛选前期盘整阶段，比如20-30个交易日，最高价-最低价/最低价<15%或者标准差较少的 17 2.6、缺口当日成交量 > 前20个交易日平均成交量的50%,也就是15倍以上。 18 3、每天交易时 19 3.1、买入/卖出信号判断 20 3.2、执行买入/卖出的操作 21 4、每天收盘 22 无 23 24 -------------------------------------------- 25 关于什么时候卖？ 26 策略有三，第一个就是设置止盈位。也就是不需要追求最高点卖出。 27 比如你设置一个从最近高点下滑3%（比例自调）的位置作为卖出点。 28 第二个就是利用技术分析，看重要的压力位，一方面是均线系统的压力， 29 要看的是日线，周线月线，周期越大，压力越强，其次是前期的高点， 30 密集成交区，这个区域是深度套牢区，因此可以暂时止盈。 31 还有就是识技术指标的图，比如看MACD顶背离，这个比较准，KDJ超卖等等。 32 建议多去分析大盘，80%的股票和大盘会保存一样走势，大盘触顶，个股一般也好不到哪去。 33 第三就是关注基本面，同行对比，分析当前的股价的PE，以及与同行业的公司来看， 34 比如营业总收入排第几，净利润排第几，收入增速排第几，它的总市值排在第几。 35 如果基本面排在行业第10，但是市值排在第一，这就表示高估了。可以择机止盈。 36 37 ''' 38 39 40 # 41 import jqdata 42 import pandas as pd 43 import datetime as dt 44 import time 45 46 ''' 47 ================================================================================ 48 总体回测前 49 ================================================================================ 50 ''' 51 # 初始化函数，设定基准等等 52 def initialize(context): 53 print '初始化方法' 54 set_params() # 设置策略常量 55 set_variables() # 设置中间变量 56 set_backtest() # 设置回测条件 57 print '--------------------------------------' 58 59 #1 60 #设置策略参数 61 def set_params(): 62 print '设置策略参数' 63 g.tc = 15 # 调仓天数 64 g.num_stocks = 10 # 每次调仓选取的最大股票数量 65 66 #2 67 #设置中间变量 68 def set_variables(): 69 print '设置中间变量' 70 g.t = 0 # 记录回测运行的天数 71 g.if_trade = False # 当天是否交易 72 73 #3 74 #设置回测条件 75 def set_backtest(): 76 print '设置回测条件' 77 78 # 设定沪深300作为基准，就是基准收益 79 set_benchmark('000300.XSHG') 80 81 82 # 开启动态复权模式(真实价格) 83 set_option('use_real_price', True) 84 # 输出内容到日志 log.info() 85 log.info('初始函数开始运行且全局只运行一次') 86 # 过滤掉order系列API产生的比error级别低的log 87 # log.set_level('order', 'error') 88 89 ### 股票相关设定 ### 90 # 股票类每笔交易时的手续费是：买入时佣金万分之三，卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱 91 set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock') 92 93 ## 运行函数（reference_security为运行时间的参考标的；传入的标的只做种类区分，因此传入'000300.XSHG'或'510300.XSHG'是一样的） 94 # 开盘前运行 95 run_daily(before_market_open, time='before_open', reference_security='000300.XSHG') 96 # 开盘时运行 97 run_daily(market_open, time='every_bar', reference_security='000300.XSHG') 98 # 收盘后运行 99 run_daily(after_market_close, time='after_close', reference_security='000300.XSHG') 100 101 log.set_level('order','error') # 设置报错等级 102 103 ''' 104 ================================================================================ 105 每天开盘前 106 ================================================================================ 107 2、每天开盘前选股策略 （下面策略，发现这种股，不容错过） 108 2.1、设置手续费 109 2.2、设置可行股票池，比如过滤当日停牌股票 110 2.3、筛选上市满一年的全部A股 111 2.4、筛选上市发生向上缺口的时点 112 定义为:今日最低价>昨日最高价，删除涨停的个股 113 涨幅>5% 114 2.5、筛选前期盘整阶段，比如20-30个交易日，最高价-最低价/最低价<15%或者标准差较少的 115 2.6、缺口当日成交量 > 前20个交易日平均成交量的50%,也就是15倍以上。 116 ''' 117 ## 开盘前运行函数 118 def before_market_open(context): 119 # 输出运行时间 120 log.info('函数运行时间(before_market_open)：'+str(context.current_dt.time())) 121 122 print '----每天开盘前要做的事情----' 123 124 set_slip_fee(context) # 设置滑点与手续费 125 # g.stocks=get_index_stocks('000300.XSHG') # 设置沪深300为初始股票池 126 g.stocks=get_index_stocks('000002.XSHG') # 设置000002.XSHG全部上市A股 127 # 设置可行股票池 128 g.feasible_stocks = set_feasible_stocks(g.stocks,context) 129 130 131 # 给微信发送消息（添加模拟交易，并绑定微信生效） 132 # send_message('美好的一天~') 133 134 # 要操作的股票：平安银行（g.为全局变量） 135 # g.security = '000001.XSHE' 136 137 # 138 # 设置可行股票池：过滤掉当日停牌的股票 139 # 输入：initial_stocks为list类型,表示初始股票池； context（见API） 140 # 输出：unsuspened_stocks为list类型，表示当日未停牌的股票池，即：可行股票池 141 def set_feasible_stocks(initial_stocks,context): 142 # 判断初始股票池的股票是否停牌，返回list 143 # print '设置可行股票池：过滤掉当日停牌的股票',context.current_dt.day 144 # print '当前时期%10s' %(context.current_dt.strftime("%Y-%m-%d")) 145 paused_info = []# 存储对应股票是否停牌的信息数组 146 liste_Date_info = []# 存储对应的上市时间 147 # 在股票基本信息表 - STK_STOCKINFO能找到 148 stock_info = get_all_securities(['stock']); 149 150 151 # get_current_data ♠ - 获取当前时间数据 152 current_data = get_current_data() 153 print '打印--',initial_stocks 154 print '再打印--当前时间数据对象返回是空的',current_data 155 156 for i in initial_stocks: 157 # i是遍历出来的每个股票的代码 158 # 然后paused是判断这个股票是否停牌，False表示没有停牌 159 paused_info.append(current_data[i].paused) 160 161 # print '获取所有股票数据',stock_info[i].start_date 162 # 如何获取上市满一年的股票 163 # 先获取所有股票数据 .start_data 164 # print '当前时期：%10s--股票上市时期：%10s' %(context.current_dt.strftime("%Y-%m-%d"),stock_info.at[i,'start_date']) 165 # print '当前时期：%10s--股票上市时期' %((stock_info.at[i,'start_date']-context.current_dt).days) 166 # 存储上市时间是否满一年，如果满一年为YES 167 isGoPublicOneYear = calculate_goPublick_OneYear(context.current_dt.strftime("%Y-%m-%d"),str(stock_info.at[i,'start_date'])) 168 liste_Date_info.append(isGoPublicOneYear) 169 if isGoPublicOneYear == False: 170 print '上市不满一年的股票%10s:%10s' %(i,stock_info.at[i,'display_name']) 171 172 173 df_paused_public_info = pd.DataFrame({'paused_info':paused_info,'liste_Date_info':liste_Date_info},index = initial_stocks) 174 # print 'df_paused_public_info: ',df_paused_public_info 175 unsuspened_stocks = list(df_paused_public_info.index[(df_paused_public_info.paused_info == False) and (df_paused_public_info.liste_Date_info == True)]) 176 177 # print '最后获得的index',unsuspened_stocks 178 179 180 181 182 return unsuspened_stocks 183 184 # 计算当天交易时间是否为上市时间满一年 185 def calculate_goPublick_OneYear(currentTime,goPublicTime): 186 currentTimeDate = time.strptime(currentTime,"%Y-%m-%d") 187 y,m,d = currentTimeDate[0:3] 188 189 goPublicTimeDate = time.strptime(goPublicTime,"%Y-%m-%d") 190 y2,m2,d2 = goPublicTimeDate[0:3] 191 192 # print (dt.datetime(y,m,d)-dt.datetime(y2,m2,d2)).days 193 194 if ((dt.datetime(y,m,d)-dt.datetime(y2,m2,d2)).days)>366: 195 return True 196 else: 197 return False 198 199 200 #5 201 # 根据不同的时间段设置滑点与手续费 202 # 输入：context（见API） 203 # 输出：none 204 def set_slip_fee(context): 205 print '根据不同的时间段设置滑点与手续费' 206 # 将滑点设置为0 207 set_slippage(FixedSlippage(0)) 208 # 根据不同的时间段设置手续费 209 print '根据不同的时间段设置手续费' 210 dt=context.current_dt 211 if dt>datetime.datetime(2013,1, 1): 212 set_commission(PerTrade(buy_cost=0.0003, sell_cost=0.0013, min_cost=5)) 213 214 elif dt>datetime.datetime(2011,1, 1): 215 set_commission(PerTrade(buy_cost=0.001, sell_cost=0.002, min_cost=5)) 216 217 elif dt>datetime.datetime(2009,1, 1): 218 set_commission(PerTrade(buy_cost=0.002, sell_cost=0.003, min_cost=5)) 219 else: 220 set_commission(PerTrade(buy_cost=0.003, sell_cost=0.004, min_cost=5)) 221 222 223 ''' 224 ================================================================================ 225 每天交易时 226 ================================================================================ 227 ''' 228 ## 开盘时运行函数 229 def market_open(context): 230 log.info('函数运行时间(market_open):'+str(context.current_dt.time())) 231 security = g.security 232 # 获取股票的收盘价 233 close_data = attribute_history(security, 5, '1d', ['close']) 234 # 取得过去五天的平均价格 235 MA5 = close_data['close'].mean() 236 # 取得上一时间点价格 237 current_price = close_data['close'][-1] 238 # 取得当前的现金 239 cash = context.portfolio.available_cash 240 241 # 如果上一时间点价格高出五天平均价1%, 则全仓买入 242 if current_price > 1.01*MA5: 243 # 记录这次买入 244 log.info("价格高于均价 1%%, 买入 %s" % (security)) 245 # 用所有 cash 买入股票 246 # order_value(security, cash) 247 # 如果上一时间点价格低于五天平均价, 则空仓卖出 248 elif current_price < MA5 and context.portfolio.positions[security].closeable_amount > 0: 249 # 记录这次卖出 250 log.info("价格低于均价, 卖出 %s" % (security)) 251 # 卖出所有股票,使这只股票的最终持有量为0 252 # order_target(security, 0) 253 254 ''' 255 ================================================================================ 256 每天收盘后 257 ================================================================================ 258 ''' 259 260 ## 收盘后运行函数 261 def after_market_close(context): 262 log.info(str('函数运行时间(after_market_close):'+str(context.current_dt.time()))) 263 #得到当天所有成交记录 264 trades = get_trades() 265 for _trade in trades.values(): 266 log.info('成交记录：'+str(_trade)) 267 log.info('一天结束') 268 log.info('##############################################################')