Python之关于量化投资实现代码--根据策略提出的代码--还未完善

# 根据缺口的模式选股买股票
'''
--------------------------------------------
1、总体回测前要做的事情
    initialize(context)
    1.1、设置策略参数 ----> 全局常量
    1.2、设置中间变量 ----> 全局变量
    1.3、设置回测条件 ----> JoinQuant额外需要的
2、每天开盘前选股策略 （下面策略，发现这种股，不容错过）
    2.1、设置手续费
    2.2、设置可行股票池，比如过滤当日停牌股票
    2.3、筛选上市满一年的全部A股
    2.4、筛选上市发生向上缺口的时点
       定义为:今日最低价>昨日最高价，删除涨停的个股
       涨幅>5%
    2.5、筛选前期盘整阶段，比如20-30个交易日，最高价-最低价/最低价<15%或者标准差较少的
    2.6、缺口当日成交量 > 前20个交易日平均成交量的50%,也就是15倍以上。
3、每天交易时
    3.1、买入/卖出信号判断 
    3.2、执行买入/卖出的操作
4、每天收盘
    无

--------------------------------------------
关于什么时候卖？
 策略有三，第一个就是设置止盈位。也就是不需要追求最高点卖出。
 比如你设置一个从最近高点下滑3%（比例自调）的位置作为卖出点。
 第二个就是利用技术分析，看重要的压力位，一方面是均线系统的压力，
 要看的是日线，周线月线，周期越大，压力越强，其次是前期的高点，
 密集成交区，这个区域是深度套牢区，因此可以暂时止盈。
 还有就是识技术指标的图，比如看MACD顶背离，这个比较准，KDJ超卖等等。
 建议多去分析大盘，80%的股票和大盘会保存一样走势，大盘触顶，个股一般也好不到哪去。
 第三就是关注基本面，同行对比，分析当前的股价的PE，以及与同行业的公司来看，
 比如营业总收入排第几，净利润排第几，收入增速排第几，它的总市值排在第几。
 如果基本面排在行业第10，但是市值排在第一，这就表示高估了。可以择机止盈。
 
'''


#
import jqdata
import pandas as pd
import datetime as dt
import time

'''
================================================================================
总体回测前
================================================================================
'''
# 初始化函数，设定基准等等
def initialize(context):
    print '初始化方法'
    set_params()                             # 设置策略常量
    set_variables()                          # 设置中间变量
    set_backtest()                           # 设置回测条件
    print '--------------------------------------'
    
#1 
#设置策略参数
def set_params():
    print '设置策略参数'   
    g.tc = 15                                # 调仓天数
    g.num_stocks = 10                        # 每次调仓选取的最大股票数量

#2
#设置中间变量
def set_variables():
    print '设置中间变量'
    g.t = 0                                  # 记录回测运行的天数
    g.if_trade = False                       # 当天是否交易

#3
#设置回测条件
def set_backtest():
    print '设置回测条件'
    
    # 设定沪深300作为基准，就是基准收益
    set_benchmark('000300.XSHG')
    
    
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)
    # 输出内容到日志 log.info()
    log.info('初始函数开始运行且全局只运行一次')
    # 过滤掉order系列API产生的比error级别低的log
    # log.set_level('order', 'error')
    
    ### 股票相关设定 ###
    # 股票类每笔交易时的手续费是：买入时佣金万分之三，卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    
    ## 运行函数（reference_security为运行时间的参考标的；传入的标的只做种类区分，因此传入'000300.XSHG'或'510300.XSHG'是一样的）
      # 开盘前运行
    run_daily(before_market_open, time='before_open', reference_security='000300.XSHG') 
      # 开盘时运行
    run_daily(market_open, time='every_bar', reference_security='000300.XSHG')
      # 收盘后运行
    run_daily(after_market_close, time='after_close', reference_security='000300.XSHG')
    
    log.set_level('order','error')           # 设置报错等级
    
'''
================================================================================
每天开盘前
================================================================================
2、每天开盘前选股策略 （下面策略，发现这种股，不容错过）
    2.1、设置手续费
    2.2、设置可行股票池，比如过滤当日停牌股票
    2.3、筛选上市满一年的全部A股
    2.4、筛选上市发生向上缺口的时点
       定义为:今日最低价>昨日最高价，删除涨停的个股
       涨幅>5%
    2.5、筛选前期盘整阶段，比如20-30个交易日，最高价-最低价/最低价<15%或者标准差较少的
    2.6、缺口当日成交量 > 前20个交易日平均成交量的50%,也就是15倍以上。
'''
## 开盘前运行函数     
def before_market_open(context):
    # 输出运行时间
    log.info('函数运行时间(before_market_open)：'+str(context.current_dt.time()))

    print '----每天开盘前要做的事情----'

    set_slip_fee(context)                    # 设置滑点与手续费
    # g.stocks=get_index_stocks('000300.XSHG') # 设置沪深300为初始股票池 
    g.stocks=get_index_stocks('000002.XSHG') # 设置000002.XSHG全部上市A股
    # 设置可行股票池
    g.feasible_stocks = set_feasible_stocks(g.stocks,context)


    # 给微信发送消息（添加模拟交易，并绑定微信生效）
    # send_message('美好的一天~')

    # 要操作的股票：平安银行（g.为全局变量）
    # g.security = '000001.XSHE'

#
# 设置可行股票池：过滤掉当日停牌的股票
# 输入：initial_stocks为list类型,表示初始股票池； context（见API）
# 输出：unsuspened_stocks为list类型，表示当日未停牌的股票池，即：可行股票池
def set_feasible_stocks(initial_stocks,context):
    # 判断初始股票池的股票是否停牌，返回list
    # print '设置可行股票池：过滤掉当日停牌的股票',context.current_dt.day
    # print '当前时期%10s' %(context.current_dt.strftime("%Y-%m-%d"))
    paused_info = []# 存储对应股票是否停牌的信息数组
    liste_Date_info = []# 存储对应的上市时间
    # 在股票基本信息表 - STK_STOCKINFO能找到
    stock_info = get_all_securities(['stock']);
    
    
    # get_current_data ♠ - 获取当前时间数据
    current_data = get_current_data()
    print '打印--',initial_stocks
    print '再打印--当前时间数据对象返回是空的',current_data
    
    for i in initial_stocks:
        # i是遍历出来的每个股票的代码
        # 然后paused是判断这个股票是否停牌，False表示没有停牌
        paused_info.append(current_data[i].paused)
        
        # print '获取所有股票数据',stock_info[i].start_date
        # 如何获取上市满一年的股票
        # 先获取所有股票数据 .start_data
        # print '当前时期：%10s--股票上市时期：%10s' %(context.current_dt.strftime("%Y-%m-%d"),stock_info.at[i,'start_date'])
        # print '当前时期：%10s--股票上市时期' %((stock_info.at[i,'start_date']-context.current_dt).days)
        # 存储上市时间是否满一年，如果满一年为YES
        isGoPublicOneYear = calculate_goPublick_OneYear(context.current_dt.strftime("%Y-%m-%d"),str(stock_info.at[i,'start_date']))
        liste_Date_info.append(isGoPublicOneYear)
        if isGoPublicOneYear == False:
            print '上市不满一年的股票%10s:%10s' %(i,stock_info.at[i,'display_name'])
        
        
    df_paused_public_info = pd.DataFrame({'paused_info':paused_info,'liste_Date_info':liste_Date_info},index = initial_stocks)
    # print 'df_paused_public_info:
',df_paused_public_info
    unsuspened_stocks = list(df_paused_public_info.index[(df_paused_public_info.paused_info == False) and (df_paused_public_info.liste_Date_info == True)])
    
    # print '最后获得的index',unsuspened_stocks
    
    
    

    return unsuspened_stocks
    
# 计算当天交易时间是否为上市时间满一年
def calculate_goPublick_OneYear(currentTime,goPublicTime):
    currentTimeDate = time.strptime(currentTime,"%Y-%m-%d")
    y,m,d = currentTimeDate[0:3]

    goPublicTimeDate = time.strptime(goPublicTime,"%Y-%m-%d")
    y2,m2,d2 = goPublicTimeDate[0:3]
    
    # print (dt.datetime(y,m,d)-dt.datetime(y2,m2,d2)).days
    
    if ((dt.datetime(y,m,d)-dt.datetime(y2,m2,d2)).days)>366:
        return True
    else:
        return False
    
    
#5
# 根据不同的时间段设置滑点与手续费
# 输入：context（见API）
# 输出：none
def set_slip_fee(context):
    print '根据不同的时间段设置滑点与手续费'
    # 将滑点设置为0
    set_slippage(FixedSlippage(0)) 
    # 根据不同的时间段设置手续费
    print '根据不同的时间段设置手续费'
    dt=context.current_dt
    if dt>datetime.datetime(2013,1, 1):
        set_commission(PerTrade(buy_cost=0.0003, sell_cost=0.0013, min_cost=5)) 
        
    elif dt>datetime.datetime(2011,1, 1):
        set_commission(PerTrade(buy_cost=0.001, sell_cost=0.002, min_cost=5))
            
    elif dt>datetime.datetime(2009,1, 1):
        set_commission(PerTrade(buy_cost=0.002, sell_cost=0.003, min_cost=5))
    else:
        set_commission(PerTrade(buy_cost=0.003, sell_cost=0.004, min_cost=5))


'''
================================================================================
每天交易时
================================================================================
'''
## 开盘时运行函数
def market_open(context):
    log.info('函数运行时间(market_open):'+str(context.current_dt.time()))
    security = g.security
    # 获取股票的收盘价
    close_data = attribute_history(security, 5, '1d', ['close'])
    # 取得过去五天的平均价格
    MA5 = close_data['close'].mean()
    # 取得上一时间点价格
    current_price = close_data['close'][-1]
    # 取得当前的现金
    cash = context.portfolio.available_cash

    # 如果上一时间点价格高出五天平均价1%, 则全仓买入
    if current_price > 1.01*MA5:
        # 记录这次买入
        log.info("价格高于均价 1%%, 买入 %s" % (security))
        # 用所有 cash 买入股票
        # order_value(security, cash)
    # 如果上一时间点价格低于五天平均价, 则空仓卖出
    elif current_price < MA5 and context.portfolio.positions[security].closeable_amount > 0:
        # 记录这次卖出
        log.info("价格低于均价, 卖出 %s" % (security))
        # 卖出所有股票,使这只股票的最终持有量为0
        # order_target(security, 0)

'''
================================================================================
每天收盘后
================================================================================
'''

## 收盘后运行函数  
def after_market_close(context):
    log.info(str('函数运行时间(after_market_close):'+str(context.current_dt.time())))
    #得到当天所有成交记录
    trades = get_trades()
    for _trade in trades.values():
        log.info('成交记录：'+str(_trade))
    log.info('一天结束')
    log.info('##############################################################')