1 # 根據缺口的模式選股買股票 2 ''' 3 -------------------------------------------- 4 1、總體回測前要做的事情 5 initialize(context) 6 1.1、設置策略參數 ----> 全局常量 7 1.2、設置中間變量 ----> 全局變量 8 1.3、設置回測條件 ----> JoinQuant額外需要的 9 2、每天開盤前選股策略 （下面策略，發現這種股，不容錯過） 10 2.1、設置手續費 11 2.2、設置可行股票池，比如過濾當日停牌股票 12 2.3、篩選上市滿一年的全部A股 13 2.4、篩選上市發生向上缺口的時點 14 定義為:今日最低價>昨日最高價，刪除漲停的個股 15 漲幅>5% 16 2.5、篩選前期盤整階段，比如20-30個交易日，最高價-最低價/最低價<15%或者標准差較少的 17 2.6、缺口當日成交量 > 前20個交易日平均成交量的50%,也就是15倍以上。 18 3、每天交易時 19 3.1、買入/賣出信號判斷 20 3.2、執行買入/賣出的操作 21 4、每天收盤 22 無 23 24 -------------------------------------------- 25 關於什么時候賣？ 26 策略有三，第一個就是設置止盈位。也就是不需要追求最高點賣出。 27 比如你設置一個從最近高點下滑3%（比例自調）的位置作為賣出點。 28 第二個就是利用技術分析，看重要的壓力位，一方面是均線系統的壓力， 29 要看的是日線，周線月線，周期越大，壓力越強，其次是前期的高點， 30 密集成交區，這個區域是深度套牢區，因此可以暫時止盈。 31 還有就是識技術指標的圖，比如看MACD頂背離，這個比較准，KDJ超賣等等。 32 建議多去分析大盤，80%的股票和大盤會保存一樣走勢，大盤觸頂，個股一般也好不到哪去。 33 第三就是關注基本面，同行對比，分析當前的股價的PE，以及與同行業的公司來看， 34 比如營業總收入排第幾，凈利潤排第幾，收入增速排第幾，它的總市值排在第幾。 35 如果基本面排在行業第10，但是市值排在第一，這就表示高估了。可以擇機止盈。 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 總體回測前 49 ================================================================================ 50 ''' 51 # 初始化函數，設定基准等等 52 def initialize(context): 53 print '初始化方法' 54 set_params() # 設置策略常量 55 set_variables() # 設置中間變量 56 set_backtest() # 設置回測條件 57 print '--------------------------------------' 58 59 #1 60 #設置策略參數 61 def set_params(): 62 print '設置策略參數' 63 g.tc = 15 # 調倉天數 64 g.num_stocks = 10 # 每次調倉選取的最大股票數量 65 66 #2 67 #設置中間變量 68 def set_variables(): 69 print '設置中間變量' 70 g.t = 0 # 記錄回測運行的天數 71 g.if_trade = False # 當天是否交易 72 73 #3 74 #設置回測條件 75 def set_backtest(): 76 print '設置回測條件' 77 78 # 設定滬深300作為基准，就是基准收益 79 set_benchmark('000300.XSHG') 80 81 82 # 開啟動態復權模式(真實價格) 83 set_option('use_real_price', True) 84 # 輸出內容到日志 log.info() 85 log.info('初始函數開始運行且全局只運行一次') 86 # 過濾掉order系列API產生的比error級別低的log 87 # log.set_level('order', 'error') 88 89 ### 股票相關設定 ### 90 # 股票類每筆交易時的手續費是：買入時佣金萬分之三，賣出時佣金萬分之三加千分之一印花稅, 每筆交易佣金最低扣5塊錢 91 set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock') 92 93 ## 運行函數（reference_security為運行時間的參考標的；傳入的標的只做種類區分，因此傳入'000300.XSHG'或'510300.XSHG'是一樣的） 94 # 開盤前運行 95 run_daily(before_market_open, time='before_open', reference_security='000300.XSHG') 96 # 開盤時運行 97 run_daily(market_open, time='every_bar', reference_security='000300.XSHG') 98 # 收盤后運行 99 run_daily(after_market_close, time='after_close', reference_security='000300.XSHG') 100 101 log.set_level('order','error') # 設置報錯等級 102 103 ''' 104 ================================================================================ 105 每天開盤前 106 ================================================================================ 107 2、每天開盤前選股策略 （下面策略，發現這種股，不容錯過） 108 2.1、設置手續費 109 2.2、設置可行股票池，比如過濾當日停牌股票 110 2.3、篩選上市滿一年的全部A股 111 2.4、篩選上市發生向上缺口的時點 112 定義為:今日最低價>昨日最高價，刪除漲停的個股 113 漲幅>5% 114 2.5、篩選前期盤整階段，比如20-30個交易日，最高價-最低價/最低價<15%或者標准差較少的 115 2.6、缺口當日成交量 > 前20個交易日平均成交量的50%,也就是15倍以上。 116 ''' 117 ## 開盤前運行函數 118 def before_market_open(context): 119 # 輸出運行時間 120 log.info('函數運行時間(before_market_open)：'+str(context.current_dt.time())) 121 122 print '----每天開盤前要做的事情----' 123 124 set_slip_fee(context) # 設置滑點與手續費 125 # g.stocks=get_index_stocks('000300.XSHG') # 設置滬深300為初始股票池 126 g.stocks=get_index_stocks('000002.XSHG') # 設置000002.XSHG全部上市A股 127 # 設置可行股票池 128 g.feasible_stocks = set_feasible_stocks(g.stocks,context) 129 130 131 # 給微信發送消息（添加模擬交易，並綁定微信生效） 132 # send_message('美好的一天~') 133 134 # 要操作的股票：平安銀行（g.為全局變量） 135 # g.security = '000001.XSHE' 136 137 # 138 # 設置可行股票池：過濾掉當日停牌的股票 139 # 輸入：initial_stocks為list類型,表示初始股票池； context（見API） 140 # 輸出：unsuspened_stocks為list類型，表示當日未停牌的股票池，即：可行股票池 141 def set_feasible_stocks(initial_stocks,context): 142 # 判斷初始股票池的股票是否停牌，返回list 143 # print '設置可行股票池：過濾掉當日停牌的股票',context.current_dt.day 144 # print '當前時期%10s' %(context.current_dt.strftime("%Y-%m-%d")) 145 paused_info = []# 存儲對應股票是否停牌的信息數組 146 liste_Date_info = []# 存儲對應的上市時間 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 ♠ - 獲取當前時間數據 152 current_data = get_current_data() 153 print '打印--',initial_stocks 154 print '再打印--當前時間數據對象返回是空的',current_data 155 156 for i in initial_stocks: 157 # i是遍歷出來的每個股票的代碼 158 # 然后paused是判斷這個股票是否停牌，False表示沒有停牌 159 paused_info.append(current_data[i].paused) 160 161 # print '獲取所有股票數據',stock_info[i].start_date 162 # 如何獲取上市滿一年的股票 163 # 先獲取所有股票數據 .start_data 164 # print '當前時期：%10s--股票上市時期：%10s' %(context.current_dt.strftime("%Y-%m-%d"),stock_info.at[i,'start_date']) 165 # print '當前時期：%10s--股票上市時期' %((stock_info.at[i,'start_date']-context.current_dt).days) 166 # 存儲上市時間是否滿一年，如果滿一年為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 '上市不滿一年的股票%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:\n',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 '最后獲得的index',unsuspened_stocks 178 179 180 181 182 return unsuspened_stocks 183 184 # 計算當天交易時間是否為上市時間滿一年 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 # 根據不同的時間段設置滑點與手續費 202 # 輸入：context（見API） 203 # 輸出：none 204 def set_slip_fee(context): 205 print '根據不同的時間段設置滑點與手續費' 206 # 將滑點設置為0 207 set_slippage(FixedSlippage(0)) 208 # 根據不同的時間段設置手續費 209 print '根據不同的時間段設置手續費' 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 每天交易時 226 ================================================================================ 227 ''' 228 ## 開盤時運行函數 229 def market_open(context): 230 log.info('函數運行時間(market_open):'+str(context.current_dt.time())) 231 security = g.security 232 # 獲取股票的收盤價 233 close_data = attribute_history(security, 5, '1d', ['close']) 234 # 取得過去五天的平均價格 235 MA5 = close_data['close'].mean() 236 # 取得上一時間點價格 237 current_price = close_data['close'][-1] 238 # 取得當前的現金 239 cash = context.portfolio.available_cash 240 241 # 如果上一時間點價格高出五天平均價1%, 則全倉買入 242 if current_price > 1.01*MA5: 243 # 記錄這次買入 244 log.info("價格高於均價 1%%, 買入 %s" % (security)) 245 # 用所有 cash 買入股票 246 # order_value(security, cash) 247 # 如果上一時間點價格低於五天平均價, 則空倉賣出 248 elif current_price < MA5 and context.portfolio.positions[security].closeable_amount > 0: 249 # 記錄這次賣出 250 log.info("價格低於均價, 賣出 %s" % (security)) 251 # 賣出所有股票,使這只股票的最終持有量為0 252 # order_target(security, 0) 253 254 ''' 255 ================================================================================ 256 每天收盤后 257 ================================================================================ 258 ''' 259 260 ## 收盤后運行函數 261 def after_market_close(context): 262 log.info(str('函數運行時間(after_market_close):'+str(context.current_dt.time()))) 263 #得到當天所有成交記錄 264 trades = get_trades() 265 for _trade in trades.values(): 266 log.info('成交記錄：'+str(_trade)) 267 log.info('一天結束') 268 log.info('##############################################################')