同花顺SuperMind 股票策略编写必知必会¶
1.策略框架¶
In [1]:
source_code = """
def init(context):
g.is_fired = True
log.info("初始化,仅在策略第一次运行时执行")
def before_trading(context):
date = get_datetime().strftime('%Y-%m-%d %H:%M:%S')
log.info('{} 盘前运行'.format(date))
def open_auction(context,bar_dict):
date = get_datetime().strftime('%Y-%m-%d %H:%M:%S')
log.info('{} 集合竞价后运行'.format(date))
def handle_bar(context,bar_dict):
date = get_datetime().strftime('%Y-%m-%d %H:%M:%S')
log.info('{} 盘中运行'.format(date))
if g.is_fired:
odr_id = order('000001.SZ',100)
g.is_fired = False
def on_order(context,odr):
log.info('委托状态更新推送')
log.info(odr)
def on_trade(context,trade):
log.info('成交推送')
log.info(trade)
def after_trading(context):
date = get_datetime().strftime('%Y-%m-%d %H:%M:%S')
log.info('{} 盘后运行'.format(date))
"""
In [2]:
btest = research_strategy(
source_code=source_code,start_date='20230801',end_date='20230801',
capital_base=float(1000000),frequency='MINUTE',stock_market='STOCK',
benchmark='000300.SH',plot=True
)
2.设置函数¶
包括设置基准,手续费,滑点,初始持仓,等设置性函数,可参考帮助-股票API-设置函数,这里不在赘述
3.重要对象¶
3.1. context¶
用于存储策略信息(context.run_info),账户持仓数据(context.portfolio),自定义全局变量
- context.run_info
- start_date:策略起始时间
- end_date:策略结束时间
- frequency:策略运行频率
- stock_starting_cash:股票账户初始资金
- future_starting_cash:期货期权账户初始资金
- benchmark:基准指数
- margin_multiplier:保证金率 </br></br>
- context.portfolio
- available_cash:可用资金
- frozen_cash:冻结资金
- returns:收益率
- market_value:持仓市值
- portfolio_value:总资产
- starting_value：初始资金
- pnl:盈亏
- start_date:策略起始时间
- positions：持仓信息
- datetime：当前bar时间
- stock_account: 股票账户数据
- future_account: 期货期权账户数据
In [3]:
source_code = """
def init(context):
context.fired=True
log.info(context.run_info)
log.info(context.portfolio)
log.info(context.fired)
def handle_bar(context,bar_dict):
if context.fired:
odr_id = order('000001.SZ',100)
context.fired = False
log.info(context.run_info)
log.info(context.portfolio)
log.info(context.fired)
log.info(context.portfolio.positions) #输出看起来像个列表,实际类似于字典
log.info(context.portfolio.stock_account.positions)
log.info(context.portfolio.positions['000001.SZ'])
log.info(context.portfolio.stock_account.positions['000001.SZ'])
"""
In [4]:
btest = research_strategy(
source_code=source_code,start_date='20230801',end_date='20230801',
capital_base=float(1000000),frequency='MINUTE',stock_market='STOCK',
benchmark='000300.SH',plot=True
)
3.2. g¶
和context的功能类似,存储全局变量,自定义的全局变量推荐存在g里,避免将系统全局变量覆盖
In [5]:
source_code = """
def init(context):
g.abc=123
def handle_bar(context,bar_dict):
print(g.abc)
"""
In [6]:
btest = research_strategy(
source_code=source_code,start_date='20230801',end_date='20230801',
capital_base=float(1000000),frequency='MINUTE',stock_market='STOCK',
benchmark='000300.SH',plot=True
)
3.3. 委托对象order¶
on_order函数推送,或使用get_order/get_orders/get_open_orders函数查询
- order_id:委托订单id
- symbol:标的代码
- created:订单创建时间
- order_type:订单类型LONG/SHORT
- limit_price:限价,市价单为0
- amount:委托数量
- filled_amount:成交数量
- type:委托类型(市价/限价)
- transaction_cost:交易成本
- avg_price:平均成交价
- status:委托状态
- ORDER_STATUS.PENDING_NEW：初始化中
- ORDER_STATUS.ACTIVE：活动中（未成交、部分成交）
- ORDER_STATUS.FILLED：已完成（全部成交）
- ORDER_STATUS.REJECTED：废单
- ORDER_STATUS.CANCELLED：已撤单（全撤、部成部撤）
- datetime：当前时间
- offset_flag：延迟成交信息
3.4. 成交对象trade¶
on_trade函数推送,或使用get_tradelogs函数查询
- order_id:委托订单id
- order_book_id:标的代码
- trading_datetime:成交时间
- side:订单类型SIDE.BUY/SIDE.SELL
- last_price:成交价(包含交易成本在内)
- last_quantity:成交数量
- transaction_cost:交易成本
- commission：手续费
- tax:印花税
- datetime：当前时间
3.5. bar_dict对象¶
In [7]:
source_code = """
def init(context):
g.fired = True
def handle_bar(context,bar_dict):
if g.fired:
log.info(bar_dict['000001.SZ'])
log.info(bar_dict['000001.SZ'].datetime)
log.info(bar_dict['000001.SZ'].close)
g.fired=False
"""
In [8]:
btest = research_strategy(
source_code=source_code,start_date='20230801',end_date='20230801',
capital_base=float(1000000),frequency='MINUTE',stock_market='STOCK',
benchmark='000300.SH',plot=True
)
4.常用数据接口¶
4.1 历史行情数据¶
调用方式：history(symbol_list, fields, bar_count, fre_step, skip_paused = False, fq = 'pre', is_panel=0)
取当前K线之前的{bar_dict}根K线的数据
In [9]:
source_code = '''
def init(context):
pass
def before_trading(context):
ohlcv = history(['000001.SZ','600519.SH'], ['open','high','low','close','volume'], 5, '1d', skip_paused = False, fq = 'pre', is_panel=0)
log.info(ohlcv)
ohlcv = history(['000001.SZ','600519.SH'], ['open','high','low','close','volume'], 5, '1d', skip_paused = False, fq = 'pre', is_panel=1)
log.info(ohlcv)
log.info(ohlcv.to_frame())
'''
In [10]:
btest = research_strategy(
source_code=source_code,start_date='20230801',end_date='20230801',
capital_base=float(1000000),frequency='MINUTE',stock_market='STOCK',
benchmark='000300.SH',plot=True
)
4.2 表数据¶
4.2.1 query对象¶
这边只讲简单的使用方法,具体可以参考官方文档继续学习sqlalchemy文档
表与字段¶
In [11]:
q = query(
concept_classification#表名
)
In [ ]:
run_query(q) #取整张表太大了，不进行演示
In [12]:
q = query(
concept_classification.symbol,#表名.字段
concept_classification.date,
concept_classification.concept
)
filter设置条件¶
相当于SQL中的where
In [13]:
run_query(
q.filter(
concept_classification.symbol=='300033.SZ',
concept_classification.date>'20230201'
)
)
Out[13]:
In [14]:
run_query(
q.filter(
concept_classification.symbol.in_(['300033.SZ','600519.SH']),
concept_classification.date=='20230201'
)
)
Out[14]:
指定查前几条数据：limit¶
In [15]:
run_query(
q.filter(
concept_classification.symbol=='300033.SZ',
concept_classification.date>'20230201'
).limit(10)
)
Out[15]:
排序：order_by¶
In [16]:
run_query(
q.filter(
concept_classification.symbol=='300033.SZ',
concept_classification.date>'20230201'
).order_by(
concept_classification.date.desc()
).limit(10)
)
Out[16]:
In [17]:
run_query(
q.filter(
concept_classification.symbol=='300033.SZ',
concept_classification.date>'20230201'
).order_by(
concept_classification.date.asc()
).limit(10)
)
Out[17]:
In [18]:
run_query(
q.filter(
concept_classification.symbol=='300033.SZ',
concept_classification.date>'20230201'
).order_by(
concept_classification.date
).limit(10)
)
Out[18]:
4.2.2 财务数据表¶
调用方式： get_fundamentals(query_object, date=None, statDate=None, latest=False)
- query_object：query对象
- date：查询指定日期的财务数据
- statDate：查询指定季度或年份的财务数据
- latest：是否取最新报告期
In [19]:
#获取全市场2022年报资产负债表中的总资产数据，仅取合并报表
data = get_fundamentals(
query(
balance.symbol,
balance.report_date,
balance.stat_date,
balance.total_assets
).filter(
balance.reporttypecode == 'HB'
),
statDate = '2022q4'
)
In [20]:
data
Out[20]:
In [21]:
#获取全市场2023年2月1日全市场股票最近一期资产负债表中的总资产数据，取最新报告数据
data = get_fundamentals(
query(
balance.symbol,
balance.date,
balance.report_date,
balance.stat_date,
balance.total_assets
),
date = '20230201',
latest = True
)
In [22]:
data
Out[22]:
5.下单与撤单¶
5.1下单¶
跟据绝对数量下单
- order(id_or_ins,amount,price=None) 指定数量下单
- order_value(id_or_ins,cash_amount,price=None) 指定金额下单,自动跟据金额与价格计算下单数量,并下单
- order_percent(id_or_ins,percent,price=None) 指定总资产占比下单,自动跟据比例、总计产、价格计算下单数量,并下单
跟据目标值下单,可能会下0股,导致日志出现warn
- order_target(id_or_ins,amount,price=None) 设定目标数量下单，跟据目标数量和当前实际持有数量计算下单数量
- order_target_value(id_or_ins,cash_amount,price=None) 设定目标金额下单，跟据目标金额和当前实际持有市值计算下单数量
- order_target_percent(id_or_ins,percent,price=None) 设定目标持仓占比，跟据目标持仓占比和当前持仓占计算下单数量
下单成功,返回订单委托id,失败则返回None
在回测中,以市价单买入涨停股或者卖出跌停股,订单会作为失败处理,而限价单会挂着
In [23]:
source_code = '''
def init(context):
g.fired = True
def handle_bar(context,bar_dict):
if g.fired:
order_id = order('000001.SZ',100,bar_dict['000001.SZ'].close*0.98)
cancel_order(order_id)
g.fired = False
def on_order(context,odr):
print(odr)
'''
In [24]:
btest = research_strategy(
source_code=source_code,start_date='20230801',end_date='20230801',
capital_base=float(1000000),frequency='MINUTE',stock_market='STOCK',
benchmark='000300.SH',plot=True
)
In [ ]:
In [ ]:
In [ ]: