# 该策略由聚宽用户在聚宽社区分享，仅供学习交流使用。
# 标题：科技与狠活
#导入函数库
from jqdata import * # 从jqdata模块导入所有内容
from jqfactor import get_factor_values # 从jqfactor模块导入get_factor_values函数
import numpy as np
import pandas as pd # 将 pandas库导入当前环境，并给它指定一个别名 pd
#初始化函数
def initialize(context):
# 设定基准
set_benchmark('000905.XSHG')
# 用真实价格交易
set_option('use_real_price', True)
# 打开防未来函数
set_option("avoid_future_data", True)
# 将滑点设置为0
set_slippage(FixedSlippage(0))
# 设置交易成本万分之三，不同滑点影响可在归因分析中查看
set_order_cost(OrderCost(open_tax=0, close_tax=0.001, open_commission=0.0003, close_commission=0.0003, close_today_commission=0, min_commission=5),type='fund')
# 过滤order中低于error级别的日志
log.set_level('order', 'error')
#初始化全局变量
g.stock_num = 10 # 设置最大持仓股票数量
g.limit_days = 20 # 设置股票持有或交易的限制天数
g.limit_up_list = [] # 用于存储涨停股票的列表
g.hold_list = [] # 用于存储当前持有股票的列表。
g.history_hold_list = [] # 用于存储历史持有过的股票列表
g.not_buy_again_list = [] # 用于存储不再购买的股票列表
# 设置交易时间，每天运行
run_daily(prepare_stock_list, time='9:05', reference_security='000300.XSHG')
run_weekly(weekly_adjustment, weekday=1, time='9:40', reference_security='000300.XSHG')
run_daily(check_limit_up, time='14:00', reference_security='000300.XSHG')
run_daily(print_position_info, time='15:10', reference_security='000300.XSHG')
#1-3 准备股票池
def prepare_stock_list(context):
g.hold_list= [] # 初始化一个空列表，用于存储当前持有的股票代码
for position in list(context.portfolio.positions.values()): # 遍历当前投资组合中的股票持仓
# 获取股票代码，并添加到持有列表中
stock = position.security
g.hold_list.append(stock)
g.history_hold_list.append(g.hold_list) # 将当前持有的股票列表添加到历史持有列表中
# 如果历史持有列表的长度超过了设定的限制天数，则只保留最近的限制天数内的数据
if len(g.history_hold_list) >= g.limit_days:
g.history_hold_list = g.history_hold_list[-g.limit_days:] # 保留最近limit_days天的数据
# 使用集合来存储历史持有过的所有股票，以去除重复项
temp_set = set()
for hold_list in g.history_hold_list:
for stock in hold_list:
temp_set.add(stock) # 将股票代码添加到集合中
g.not_buy_again_list = list(temp_set) # 将历史持有过的所有股票的列表存储在全局变量中
#获取昨日涨停列表
if g.hold_list != []: # 如果当前持有列表不为空，则获取昨日涨停的股票列表
# 使用get_price函数获取持有股票列表在昨日的收盘价和涨停价
df = get_price(g.hold_list, end_date=context.previous_date, frequency='daily', fields=['close','high_limit'], count=1, panel=False, fill_paused=False)
df = df[df['close'] == df['high_limit']] # 筛选出收盘价等于涨停价的股票，即昨日涨停的股票
g.high_limit_list = list(df.code) # 将涨停股票的代码列表存储在全局变量中
else:
g.high_limit_list = [] # 如果当前持有列表为空，则设置昨日涨停股票列表为空
#1-4 每周对投资组合进行调整
def weekly_adjustment(context):
#获取应买入列表
target_list = get_stock_list(context) # 获取应买入的股票列表
target_list = filter_paused_stock(target_list) # 过滤掉停牌的股票
target_list = filter_limitup_stock(context, target_list) # 过滤掉涨停的股票
target_list = filter_limitdown_stock(context, target_list) # 过滤掉跌停的股票
#过滤最近买过且涨停过的股票
recent_limit_up_list = get_recent_limit_up_stock(context, target_list, g.limit_days)
# 获取黑名单股票列表，即最近买过且涨停过的股票
black_list = list(set(g.not_buy_again_list).intersection(set(recent_limit_up_list)))
# 从目标列表中移除黑名单股票
target_list = [stock for stock in target_list if stock not in black_list]
# 根据最大持仓数限制，截取目标列表
target_list = target_list[:min(g.stock_num, len(target_list))]
# 调仓卖出：遍历当前持有的股票列表
for stock in g.hold_list:
if (stock not in target_list) and (stock not in g.high_limit_list): # 如果股票不在目标列表中且不是涨停股票，则卖出
log.info("卖出[%s]" % (stock)) # 如果股票不在目标列表中且不是涨停股票，则记录卖出信息
position = context.portfolio.positions[stock] # 获取当前股票的持仓信息
close_position(position) # 调用close_position函数卖出该股票，清空该股票的持仓
else:
log.info("已持有[%s]" % (stock)) # 如果股票在目标列表中或为涨停股票，则记录已持有信息
# 调仓买入：计算需要买入的股票数量
position_count = len(context.portfolio.positions) # 计算当前投资组合中的持仓数量
target_num = len(target_list) # 计算目标股票列表中的股票数量
if target_num > position_count: # 如果目标股票数量大于当前持仓数量，表示需要买入新的股票
value = context.portfolio.cash / (target_num - position_count) # 计算每只股票的买入金额，将剩余现金平均分配到每一只未持仓的股票上
for stock in target_list: # 遍历目标股票列表
if context.portfolio.positions[stock].total_amount == 0: # 检查当前投资组合是否已经持有该股票，如果没有持有，则尝试买入
if open_position(stock, value): # 调用open_position函数尝试买入股票，传入股票代码和计划买入的金额
if len(context.portfolio.positions) == target_num: # 如果买入成功，并且当前持仓数量达到了目标持仓数量，则停止进一步买入。
break
#1-5 调整昨日涨停股票
def check_limit_up(context):
now_time = context.current_dt # 获取当前时间
if g.high_limit_list != []: # 检查昨日涨停股票列表是否为空
#对昨日涨停股票观察到尾盘如不涨停则提前卖出，如果涨停即使不在应买入列表仍暂时持有
for stock in g.high_limit_list: # 遍历昨日涨停股票列表
# 获取当前股票的最新价格和涨停价
current_data = get_price(stock, end_date=now_time, frequency='1m', fields=['close','high_limit'], skip_paused=False, fq='pre', count=1, panel=False, fill_paused=True)
if current_data.iloc[0,0] < current_data.iloc[0,1]: # 检查当前价格是否小于涨停价，即判断今日是否打开涨停
log.info("[%s]涨停打开，卖出" % (stock)) # 如果打开涨停，则记录卖出信息
position = context.portfolio.positions[stock] # 获取股票当前的持仓情况
close_position(position) # 卖出股票持仓
else:
log.info("[%s]涨停，继续持有" % (stock)) # 如果仍然涨停，则记录继续持有的信息
#2-1 过滤停牌股票
def filter_paused_stock(stock_list):
current_data = get_current_data() # 获取当前所有股票的数据
return [stock for stock in stock_list if not current_data[stock].paused] # 使用列表推导式，返回不在停牌状态的股票列表
#2-2 过滤ST及其他具有退市标签的股票
def filter_st_stock(stock_list):
current_data = get_current_data() # 获取当前所有股票的数据
return [stock for stock in stock_list # 使用列表推导式，返回不是ST股且名称中不包含特定退市标签的股票列表
if not current_data[stock].is_st
and 'ST' not in current_data[stock].name
and '*' not in current_data[stock].name
and '退' not in current_data[stock].name]
#2-3 获取最近N个交易日内有涨停的股票
def get_recent_limit_up_stock(context, stock_list, recent_days):
stat_date = context.previous_date # 获取前一个交易日的日期
new_list = [] # 初始化一个空列表，用于存储筛选出的有涨停记录的股票代码
for stock in stock_list: # 遍历传入的股票列表
# 获取每只股票在最近N个交易日的收盘价和涨停价
df = get_price(stock, end_date=stat_date, frequency='daily', fields=['close','high_limit'], count=recent_days, panel=False, fill_paused=False)
df = df[df['close'] == df['high_limit']] # 筛选出收盘价等于涨停价的行，即股票发生涨停的交易日
if len(df) > 0: # 如果存在股票涨停的记录（即筛选后的 DataFrame 不为空）
new_list.append(stock) # 将该股票代码添加到筛选结果列表中
return new_list # 返回筛选出的有涨停记录的股票列表
#2-4 过滤涨停的股票
def filter_limitup_stock(context, stock_list):
last_prices = history(1, unit='1m', field='close', security_list=stock_list) # 获取最近一分钟的收盘价
current_data = get_current_data() # 获取当前所有股票的数据
return [stock for stock in stock_list if stock in context.portfolio.positions.keys() # 使用列表推导式，返回不在涨停状态或已持有的股票列表
or last_prices[stock][-1] < current_data[stock].high_limit]
#2-5 过滤跌停的股票
def filter_limitdown_stock(context, stock_list):
last_prices = history(1, unit='1m', field='close', security_list=stock_list) # 获取最近一分钟的收盘价
current_data = get_current_data() # 获取当前所有股票的数据
return [stock for stock in stock_list if stock in context.portfolio.positions.keys() # 使用列表推导式，返回不在跌停状态或已持有的股票列表
or last_prices[stock][-1] > current_data[stock].low_limit]
#2-6 过滤科创北交股票
def filter_kcbj_stock(stock_list):
for stock in stock_list[:]: # 遍历股票列表，过滤掉科创板和北交所的股票
if stock[0] == '4' or stock[0] == '8' or stock[:2] == '68': # 根据股票代码判断是否属于科创板或北交所
stock_list.remove(stock) # 从列表中移除该股票
return stock_list
#2-7 过滤次新股
def filter_new_stock(context, stock_list, d):
yesterday = context.previous_date # 获取昨日日期
# 使用列表推导式，返回上市时间超过d的股票列表
return [stock for stock in stock_list if not yesterday - get_security_info(stock).start_date < datetime.timedelta(days=d)]
#3-1 交易模块-自定义下单
def order_target_value_(security, value):
if value == 0: # 检查目标价值是否为0，即是否需要清仓
log.debug("Selling out %s" % (security)) # 日志记录清仓信息
else:
log.debug("Order %s to value %f" % (security, value)) # 日志记录下单到特定价值的信息
return order_target_value(security, value) # 调用聚宽平台的order_target_value函数执行交易
#3-2 交易模块-开仓
def open_position(security, value):
order = order_target_value_(security, value) # 尝试对指定股票进行下单到特定价值
if order != None and order.filled > 0: # 检查订单是否创建成功且有成交
return True # 开仓成功
return False # 开仓失败
#3-3 交易模块-平仓
def close_position(position):
security = position.security # 获取持仓的股票代码
order = order_target_value_(security, 0) # 下单清仓 ；可能会因停牌失败
if order != None: # 检查订单是否创建成功
if order.status == OrderStatus.held and order.filled == order.amount: # 检查订单状态是否为全部成交且订单数量等于下单数量
return True # 平仓成功
return False # 平仓失败
#3-4 交易模块-调仓
def adjust_position(context, buy_stocks, stock_num):
for stock in context.portfolio.positions: # 遍历当前账户持仓中的所有股票
if stock not in buy_stocks: # 如果股票不在应买入列表中
log.info("[%s]不在应买入列表中" % (stock)) # 日志记录不在买入列表中的股票
position = context.portfolio.positions[stock] # 获取股票的持仓信息
close_position(position) # 执行平仓操作
# 如果股票已经在持仓中
else:
log.info("[%s]已经持有无需重复买入" % (stock)) # 日志记录已持有的股票，无需重复买入
position_count = len(context.portfolio.positions) # 计算当前持仓的股票数量
if stock_num > position_count: # 如果需要持有的股票数量大于当前持仓数量
value = context.portfolio.cash / (stock_num - position_count) # 计算每只股票应分配的资金
for stock in buy_stocks: # 遍历应买入的股票列表
if context.portfolio.positions[stock].total_amount == 0: # 如果当前股票不在持仓中
if open_position(stock, value): # 执行开仓操作
if len(context.portfolio.positions) == stock_num: # 如果持仓的股票数量达到了预期数量，则停止买入
break
#4-1 打印每日持仓信息
def print_position_info(context):
#打印当天成交记录
trades = get_trades() # 获取当天所有成交记录
for _trade in trades.values(): # 遍历成交记录字典的值（即成交记录对象）
print('成交记录：'+str(_trade))
#打印账户信息
for position in list(context.portfolio.positions.values()): # 遍历账户中所有持仓的股票信息
securities=position.security # 获取股票代码
cost=position.avg_cost # 获取股票当前持仓成本
price=position.price # 获取股票最新价
ret=100*(price/cost-1) # 计算股票收益率
value=position.value # 获取股票市值
amount=position.total_amount # 获取股票持股数量
print('代码:{}'.format(securities))
print('成本价:{}'.format(format(cost,'.2f')))
print('现价:{}'.format(price))
print('收益率:{}%'.format(format(ret,'.2f')))
print('持仓(股):{}'.format(amount))
print('市值:{}'.format(format(value,'.2f')))
print('———————————————————————————————————')
print('———————————————————————————————————————分割线————————————————————————————————————————')
2025-02-21
