量化交易项目第一天(量化交易介绍、框架、策略)
知道策略回测运行的一些初始设置参数意义说明策略的两种频率运行方式了解ricequant的bar_dict和context的作用应用industry实现行业股票列表的获取应用history_bars实现股票合约历史行情数据获取应用get_fundamentals实现股票基本面数据获取使用query的过滤条件完成股票数据的过滤应用scheduler定时器实现股票数据定期获取了解购买股数、购买资金大小的几种交易方式了解回测中的市价单和限价单了解回测中的滑点设置说明投资组合的定义了解投资组合的市场价值和资金价值说明回测结果的收益指标和风险指标应用长短线金叉、死叉策略实现交易策略应用MACD指标逻辑实现交易策略
# 可以自己import我们平台支持的第三方python模块，比如pandas、numpy等。# 在这个方法中编写任何的初始化逻辑。context对象将会在你的算法策略的任何方法之间做传递。def init(context): # 在context中保存全局变量 context.s1 = "000001.XSHE" context.stock = "0000007.XSHE" # 获取计算机通信行业的一些公司股票代码 context.stock_list = industry('C39') # 板块 context.sector_list = sector("energy") # 经常会调用指数成分股的接口 # 获取沪深300的指数股票 # 相当于股票池 context.inex_list = index_components("000300.XSHG") # 定义按月运行的一个定时运行器 # 每月只运行一次，指定第一个交易日 # scheduler.run_monthly(get_data,tradingday=1)def get_data(context, bar_dict): # 在这里按月去查询财务数据 q = query( fundamentals.eod_derivative_indicator.pb_ratio ).filter( fundamentals.stockcode.in_(context.inex_list) ) fund = get_fundamentals(q) logger.info(fund.T)# before_trading此函数会在每天策略交易开始前被调用，当天只会被调用一次def before_trading(context): # print(context.stock) # logger.info(context.stock) # print(context.inex_list) pass# 你选择的证券的数据更新将会触发此段逻辑，例如日或分钟历史数据切片或者是实时数据切片更新def handle_bar(context, bar_dict): # 开始编写你的主要的算法逻辑 # bar_dict[order_book_id] 可以拿到某个证券的bar信息 # context.portfolio 可以拿到现在的投资组合信息 # 使用order_shares(id_or_ins, amount)方法进行落单 # 进行交易 # 每天的收盘价 假如第一天11.33 * 1000 # order_shares(context.s1, 1000) order_target_percent(context.s1, 0.1) order_target_percent("000004.XSHE", 0.1) # 一旦买入交易的之后，我们投资组合会发生变化 # 资金、仓位 print(context.stock_account) print("-------------------------") print(context.portfolio.positions.keys()) print(context.portfolio.positions[context.s1].quantity) print("-------------------------") print("投资组合的可用资金为", context.portfolio.cash) print("投资组合的市场价值为", context.portfolio.market_value) print("投资组合的总价值为", context.portfolio.total_value) # TODO: 开始编写你的算法吧！ # order_shares(context.s1, 1000) # 第二个参数是总共获取的数据 # # 5：从当前日期运行开始到之前的5天的行情数据 # close = history_bars(context.s1, 5, '1d', 'close') # # 获取多个指标 # history_1 = history_bars(context.s1, 5, '1d', ['close', 'open']) # # 吧频率改成'1m' # # close = history_bars(context.s1, 5, '1m', 'close') # logger.info(close) # 获取财务数据，默认是获取所有A股的股票财务数据 # 创建一个查询语句 # 增加filter # q = query( # fundamentals.eod_derivative_indicator.pe_ratio, # fundamentals.eod_derivative_indicator.pcf_ratio # ).filter( # fundamentals.eod_derivative_indicator.pe_ratio > 20, # fundamentals.eod_derivative_indicator.pcf_ratio < 50 # ).order_by( # fundamentals.eod_derivative_indicator.pe_ratio # ).filter( # fundamentals.stockcode.in_(context.inex_list) # ).limit(10) # # 回测不需要日期，默认当天的数据 # fund = get_fundamentals(q) # logger.info(fund.T)# after_trading函数会在每天交易结束后被调用，当天只会被调用一次def after_trading(context): pass
.
├── 02_课件
│ └── 量化交易课件.zip
├── 03_代码、课堂纪要
│ ├── day10_helloword.py
│ ├── day10_simpleselectstock.py
│ ├── 第十天课堂纪要.md
│ └── 第十天课堂纪要.pdf
├── 04_画图
│ ├── QQ20180514-093640@2x.png
│ ├── 第十天画图.key
│ ├── 第十天画图.pdf
│ └── 金融市场基础知识.pdf
└── 找例子网_day_1量化交易项目第一天(量化交易介绍、框架、策略).zip
3 directories, 10 files
评论