一、模型介绍
二、可学部分
1.记录买入点，获得当前市值
2.统计利润
基本统计值-toc" style="margin-left:40px;">3.计算持仓股，在图中输出基本统计值
4.函数包装交易信号
三.代码逐行注释
一、模型介绍
以价格逻辑进行交易，生成基本的收益统计，其中，交易信号 ：
最高价格超过20天，买入
价格跌破60日均线，卖出
if data_high_pre[k][-2] > max(data_high[k][:-2]): buy[k] = 1 #昨日最高价格超过20日，给买入字典赋值1(加入买入备选) elif data_high_pre[k][-2] < np.mean(data_close60[k][:-2]): sell[k] = 1 #低于60日均线，加入卖出备选二、可学部分
1.记录买入点，获得当前市值
order_shares(k,order[k]*100,'fix',tmp[k][-1],ContextInfo,ContextInfo.accountID) #开盘价下单 ContextInfo.buypoint[k] = tmp[k][-1] #买最近开盘价的字典 ContextInfo.money_distribution[k] -= 0.0003*order[k]*100*tmp[k][-1] #计算市值，购买初始资金-手续费2.统计利润
profit = sum(ContextInfo.money_distribution.values())/ContextInfo.capital - 1 #所有市值加起来/初始市值现在是净值3.计算持仓股，在图中输出基本统计值
ttt = 0 for v in list(ContextInfo.holdings.values()): if v > 0: #持股数不为零 ttt = 1 ContextInfo.paint(收益，profit,-1,0) ContextInfo.paint(对冲收，profit-net_hs300-1,-1,0) ContextInfo.paint对冲收益净值，profit 1-net_hs300,-1,0) ContextInfo.paint(个股，ttt,-1,0)4.函数包装交易信号
def signal(ContextInfo): buy = {i:0 for i in s} #生成初始股票的字典格式:{股票:0} sell = {i:0 for i in s} data_high = ContextInfo.get_history_data(22,'1d','high',3) #获得22天最高价字典 data_high_pre = ContextInfo.get_history_data(2,'1d','high',3) data_close60 = ContextInfo.get_history_data(62,'1d','close',3) #print data_high #print data_close #print data_close60 for k in list(data_high_pre.keys()): #遍历字典data_high_pre的键 if k in data_close60: if len(data_high_pre[k]) == 2 and len(data_high[k]) == 22 and len(data_close60[k]) == 62: #股票的三个值都在 if data_high_pre[k][-2] > max(data_high[k][:-2]): buy[k] = 1 #昨日最高价格超过20日，给买入字典赋值1(加入买入备选) elif data_high_pre[k][-2] < np.mean(data_close60[k][:-2]): sell[k] = 1 #低于60日均线，加入卖出备选 #print buy #print sell return buy,sell #买卖备选三.代码逐行注释
#coding:gbk #HS300日线下运行 #股票池暂设为4只股票，每只股票分配25%的可用资金 import pandas as pd import numpy as np import time import datetime s = ['600000.SH','600004.SH','000001.SZ','000002.SZ'] #股票池 def init(ContextInfo): ContextInfo.set_universe(s) #设置基本股票池s，获取历史数据 ContextInfo.day = 0 ContextInfo.weight = [0.25,0.25,0.25,0.25] #设置初始权重列表 ContextInfo.money_distribution_original = {k:i*ContextInfo.capital for (k,i) in zip(s,ContextInfo.weight)} ##在回测模式下设置初始资使用ContextInfo.capital，生成股票：初始资本字典 #zip函数返回以元组为元素的列表，其中第一个元组包含每个参数序列的第一个元素 #也就是用zip做了，代码 权重元组(元组不能更改) ContextInfo.money_distribution = ContextInfo.money_distribution_original ContextInfo.buypoint = {} #创建购买字典 ContextInfo.accountID='testS' def handlebar(ContextInfo): d = ContextInfo.barpos timetag = ContextInfo.get_bar_timetag(d) ContextInfo.holdings = get_holdings(ContextInfo.accountID,"STOCK") if ContextInfo.day == 0: #以最近一天天的收盘价作为基准价格 ContextInfo.benchmark_start = ContextInfo.get_market_data(['close'],period='1d') benchmark = ContextInfo.get_market_data(['close'],period='1d') #print benchmark net_hs300 = benchmark/ContextInfo.benchmark_start #基准净值 ContextInfo.paint('深300指数净值',net_hs300,-1,0) #净值就是最新收盘价/基准
ContextInfo.paint('沪深300指数收益',net_hs300-1,-1,0) #收益=净值-1
tmp = ContextInfo.get_history_data(1,'1d','open',3) #最新一天开盘价，等比前复权
if d > 60:
nowDate = timetag_to_datetime(ContextInfo.get_bar_timetag(d),'%Y%m%d')
print(nowDate) #获取当前时间
buys, sells = signal(ContextInfo) #引用函数获得两个字典-确定谁买谁卖
order = {}
for k in s:
if k not in ContextInfo.holdings and buys[k] == 1: #在买入备选中且无持仓
print('ready to buy',k)
order[k] = int(ContextInfo.money_distribution[k]/(tmp[k][-1]))/100
#确定下单手数：初始分配资金/最近开盘价/100
order_shares(k,order[k]*100,'fix',tmp[k][-1],ContextInfo,ContextInfo.accountID) #开盘价下单
ContextInfo.buypoint[k] = tmp[k][-1] #把最近开盘价给买点字典
ContextInfo.money_distribution[k] -= 0.0003*order[k]*100*tmp[k][-1]
#计算市值，要买的初始资金-手续费
#print ContextInfo.money_distribution[k]
elif k in ContextInfo.holdings and sells[k] == 1: #在卖出备选中且有持仓
print('ready to sell',k)
order_shares(k,-ContextInfo.holdings[k]*100,'fix',tmp[k][-1],ContextInfo,ContextInfo.accountID)
ContextInfo.money_distribution[k] += (tmp[k][-1]-ContextInfo.buypoint[k]) * ContextInfo.holdings[k] * 100 - 0.0003*ContextInfo.holdings[k]*100*tmp[k][-1]
#计算盈亏，最新开盘价-买点的开盘价，乘持仓减去手续费
#print tmp[k][-1]
#print ContextInfo.buypoint[k]
#print ContextInfo.money_distribution[k]
profit = sum(ContextInfo.money_distribution.values())/ContextInfo.capital - 1
#所有市值加起来/初始市值就是现在净值了
ttt = 0
for v in list(ContextInfo.holdings.values()):
if v > 0: #持有股数不为零
ttt += 1
ContextInfo.paint('收益',profit,-1,0)
ContextInfo.paint('对冲收益',profit-net_hs300-1,-1,0)
ContextInfo.paint('对冲收益净值',profit+1-net_hs300,-1,0)
ContextInfo.paint('个股',ttt,-1,0)
ContextInfo.day += 1
def signal(ContextInfo):
buy = {i:0 for i in s} #生成初始股票的字典，格式:{股票：0}
sell = {i:0 for i in s}
data_high = ContextInfo.get_history_data(22,'1d','high',3) #获得22天的最高价字典
data_high_pre = ContextInfo.get_history_data(2,'1d','high',3)
data_close60 = ContextInfo.get_history_data(62,'1d','close',3)
#print data_high
#print data_close
#print data_close60
for k in list(data_high_pre.keys()): #遍历字典data_high_pre的键
if k in data_close60:
if len(data_high_pre[k]) == 2 and len(data_high[k]) == 22 and len(data_close60[k]) == 62: #股票的三个值都在
if data_high_pre[k][-2] > max(data_high[k][:-2]):
buy[k] = 1 #昨天价格超过20日最高价，给买入字典赋值1（加入买入备选）
elif data_high_pre[k][-2] < np.mean(data_close60[k][:-2]):
sell[k] = 1 #低于60日均线，加入卖出备选
#print buy
#print sell
return buy,sell #买入卖出备选
def get_holdings(accountid,datatype): #获取持仓手数字典
holdinglist={}
resultlist=get_trade_detail_data(accountid,datatype,"POSITION")
for obj in resultlist:
holdinglist[obj.m_strInstrumentID+"."+obj.m_strExchangeID]=obj.m_nVolume/100
return holdinglist