国信证券学习系列（2）

获取指数池：

def init(ContextInfo):#设置股票池stock300 =ContextInfo.get_stock_list_in_sector('沪深300')ContextInfo.stock300_weight = {}stock300_symbol = []stock300_weightlist = [] ContextInfo.index_code = ContextInfo.stockcode+"."+ContextInfo.market#重新制作股票池for key in stock300:# 保留权重大于0.35%的成份股if (ContextInfo.get_weight_in_index(ContextInfo.index_code, key) / 100) > 0.0035:stock300_symbol.append(key)ContextInfo.stock300_weight[key] = ContextInfo.get_weight_in_index(ContextInfo.index_code, key) / 100stock300_weightlist.append(ContextInfo.get_weight_in_index(ContextInfo.index_code, key) / 100)print('选择的成分股权重总和为: ', np.sum(stock300_weightlist)) ContextInfo.set_universe(stock300_symbol)#print ContextInfo.stock300_weight# 资产配置的初始权重,配比为0.6-0.8-1.0ContextInfo.ratio = 0.8#账号ContextInfo.accountid = "testS"

择时买卖：

                # 获取过去5天的价格数据,若连续上涨则为强势股,调仓到（权重+0.2）的仓位if all(diff>0) and holdings[stock] < buytarget_num:buy_num = buytarget_num - holdings[stock]order_shares(stock,buy_num*100,'fix',pre_close,ContextInfo,ContextInfo.accountid)buy_sum += 1#print "买入",stock,buy_num# 获取过去5天的价格数据,若连续下跌则为弱势股,调仓到（权重-0.2）的仓位elif all(diff<0) and holdings[stock] > selltarget_num:sell_num = holdings[stock] - selltarget_numorder_shares(stock,(-1.0)*sell_num*100,'fix',pre_close,ContextInfo,ContextInfo.accountid)sell_sum += 1#print "卖出",stock,sell_num

策略代码：

#coding:gbk
'''
回测模型示例（非实盘交易策略）本策略以0.8为初始权重跟踪指数标的沪深300中权重大于0.35%的成份股.
个股所占的百分比为(0.8*成份股权重)*100%.然后根据个股是否:
1.连续上涨5天 2.连续下跌5天
来判定个股是否为强势股/弱势股,并对其把权重由0.8调至1.0或0.6'''
#在指数（例如HS300）日线下运行
import numpy as npdef init(ContextInfo):#设置股票池stock300 =ContextInfo.get_stock_list_in_sector('沪深300')ContextInfo.stock300_weight = {}stock300_symbol = []stock300_weightlist = [] ContextInfo.index_code = ContextInfo.stockcode+"."+ContextInfo.marketfor key in stock300:# 保留权重大于0.35%的成份股if (ContextInfo.get_weight_in_index(ContextInfo.index_code, key) / 100) > 0.0035:stock300_symbol.append(key)ContextInfo.stock300_weight[key] = ContextInfo.get_weight_in_index(ContextInfo.index_code, key) / 100stock300_weightlist.append(ContextInfo.get_weight_in_index(ContextInfo.index_code, key) / 100)print('选择的成分股权重总和为: ', np.sum(stock300_weightlist)) ContextInfo.set_universe(stock300_symbol)#print ContextInfo.stock300_weight# 资产配置的初始权重,配比为0.6-0.8-1.0ContextInfo.ratio = 0.8#账号ContextInfo.accountid = "testS"def handlebar(ContextInfo):buy_sum = 0sell_sum = 0index  = ContextInfo.barposrealtimetag = ContextInfo.get_bar_timetag(index)print(timetag_to_datetime(realtimetag, '%Y%m%d %H:%M:%S'))dict_close=ContextInfo.get_history_data(7,'1d','close',3)print('测试1',ContextInfo.get_history_data(7,'1d','close'))print('测试',ContextInfo.get_history_data(7,'1d','close',3))print('测试',ContextInfo.get_history_data(7,'1d','close',2))print('测试',ContextInfo.get_history_data(7,'1d','close',1))#持仓市值holdvalue = 0#持仓holdings=get_holdings(ContextInfo.accountid,"STOCK")#剩余资金surpluscapital=get_avaliablecost(ContextInfo.accountid,"STOCK")for stock in ContextInfo.stock300_weight:if  stock  in holdings:if len(dict_close[stock]) == 7:holdvalue += dict_close[stock][-2] * holdings[stock]for stock in ContextInfo.stock300_weight:# 若没有仓位则按照初始权重开仓if  stock not in holdings and stock in list(dict_close.keys()):if len(dict_close[stock]) == 7:pre_close = dict_close[stock][-1]buy_num = int(ContextInfo.stock300_weight[stock] * ( holdvalue + surpluscapital ) *ContextInfo.ratio / pre_close /100)order_shares(stock,buy_num*100,'fix',pre_close,ContextInfo,ContextInfo.accountid)buy_sum += 1#print "买入",stock,buy_numelif stock in list(dict_close.keys()):if len(dict_close[stock]) == 7:diff = np.array(dict_close[stock][1:6]) - np.array(dict_close[stock][:-2])pre_close = dict_close[stock][-1]buytarget_num = int(ContextInfo.stock300_weight[stock] * ( holdvalue + surpluscapital ) * (ContextInfo.ratio + 0.2)/ pre_close /100)selltarget_num = int(ContextInfo.stock300_weight[stock] * ( holdvalue + surpluscapital ) *(ContextInfo.ratio - 0.2)/ pre_close /100)# 获取过去5天的价格数据,若连续上涨则为强势股,调仓到（权重+0.2）的仓位if all(diff>0) and holdings[stock] < buytarget_num:buy_num = buytarget_num - holdings[stock]order_shares(stock,buy_num*100,'fix',pre_close,ContextInfo,ContextInfo.accountid)buy_sum += 1#print "买入",stock,buy_num# 获取过去5天的价格数据,若连续下跌则为弱势股,调仓到（权重-0.2）的仓位elif all(diff<0) and holdings[stock] > selltarget_num:sell_num = holdings[stock] - selltarget_numorder_shares(stock,(-1.0)*sell_num*100,'fix',pre_close,ContextInfo,ContextInfo.accountid)sell_sum += 1#print "卖出",stock,sell_numif not ContextInfo.do_back_test:ContextInfo.paint('buy_num', buy_sum, -1, 0)ContextInfo.paint('sell_num', sell_sum, -1, 0)def get_holdings(accountid,datatype):holdinglist={}resultlist=get_trade_detail_data(accountid,datatype,"POSITION")for obj in resultlist:holdinglist[obj.m_strInstrumentID+"."+obj.m_strExchangeID]=obj.m_nVolume/100return holdinglistdef get_avaliablecost(accountid,datatype):result=0resultlist=get_trade_detail_data(accountid,datatype,"ACCOUNT")for obj in resultlist:result=obj.m_dAvailablereturn result

国信证券学习系列（2）相关推荐

国信证券学习系列（4）
机器学习篇章,本章不过时脚本小子,机器学习最核心的是机器,是模型. 学习,无非就是找些有的没的因子扔进去,但说实话,机器学习,太过容易过拟合,容易无效化.回测好看的一笔,实盘垃圾的不行. 获取训练数据 ...
国信证券学习系列（1）
软件不错,满足了我对股票,期货,期权的全部要求.而且数据可以提供下载,简直没话说了. 数据清洗问题,我其实很早以前就在思考这个问题,回测,到底在测什么?什么样的数据可以用来回测?什么样的回测才是好的回 ...
国信证券学习系列（6）
行业轮动策略: 本策略每隔1个月定时触发计算1000能源(399381.SZ).1000材料(399382.SZ).1000工业(399383.SZ).1000可选(399384.SZ).1000消费 ...
国信证券学习系列（5）
网格策略,号称胜率100%的策略,只要扛得住回撤,怎么说呢,它包含了最简单的思想,大道至简,真的是没有什么复杂的,原理清晰,思路简单.可以明确知道我挣的是那笔钱,为什么获利?为什么亏损?可能唯一要关注 ...
国信证券学习系列（3）
日内回转策略:做T策略择时交易: if date[-8:-3] != '14:55':if macd > 0 and macd_pre < 0:# 根据MACD>0则开仓,小于0则 ...
国信证券学习系列（7）
跨品种套利策略: 本策略根据计算滚动的.过去的30个bar的均值正负0.5个标准差得到布林线并在最新价差上穿上轨来做空价差,下穿下轨来做多价差并在回归至上下轨水平内的时候平仓获取数据: # 获取 ...
国信证券学习系列（8）
我为什么要用国信,就是这个原因,可以做期权,期货,股票,etf,可转债的回测.满足了我所有的需要,我要做指数增强.通常的做法是股票和期货.但实际上,股票和期权做组合,成本更低. (1)认沽期权和认购期 ...
数据结构学习系列文章合集
数据结构学习系列文章目录前言 1.稀疏数组和队列稀疏数组和二位数组的转换数组队列的实现环形队列的介绍与实现 2.链表单链表的增.删.改.查总结前言学习数据结构记录,作为自己的笔记,同时 ...
OpenCV学习系列教程第五篇：测试和提高代码的效率
Opencv-Python学习系列教程第五篇来自opencv-python官方学习文档,本人谨做翻译和注释,以及一些自己的理解本文由作者翻译并进行代码验证,转载请注明出处~ 官方文档请参阅:htt ...

国信证券学习系列（2）

国信证券学习系列（2）相关推荐

最新文章

热门文章