ptrade QMT 动态止盈卖出 python代码实现
帮你轻松实现自动止盈。
比如设置20%，那么会每天盘中扫描，可以精确到3S 一格，如果你的持仓股的收益率大于20%，它将会帮你自动卖出。
占坑 待续 》》》
比如设置20%，那么会每天盘中扫描，可以精确到3S 一格，如果你的持仓股的收益率大于20%，它将会帮你自动卖出。
占坑 待续 》》》
linux下自制护眼，久坐提醒 python小程序
很简单，在任意linux版本均可运行，python3环境；
保存为app.py
运行; python app.py
然后写到系统的crontab计划任务里面，每个40分钟执行几次，
屏幕会黑屏60s , 60可以自行设置。
挺好用的。
PS: AI生成的image还真心不错呢。 就是太吃显存了
收起阅读 »
保存为app.py
运行; python app.py
然后写到系统的crontab计划任务里面，每个40分钟执行几次，
屏幕会黑屏60s , 60可以自行设置。
挺好用的。
import datetime as dt
import tkinter as tk
# Linux 护眼程序
sec = 60 # 休息时间 秒
root = tk.Tk()
root.config(bg='black')
root.wm_attributes('-topmost',1)
root.wm_attributes('-fullscreen',1)
L = tk.Label(root,font=('Consolas', 50), bg='black')
L.place(relx=0.5,rely=0.5,anchor=tk.CENTER)
# 改变的内容
msg = "{}\n 站起来 {} \n 动一动 {}\n{}"
now = dt.datetime.now()
aa = {0:'↑',1:'→',2:'↓',3:'←'}
bb = {0:'~~_↑_~~',1:'~_↑ ↑_~'}
for i in range(sec):
t = msg.format(sec-i,aa[i%4],bb[i%2],(now+dt.timedelta(seconds=i)).ctime())
c = 'Black' # 颜色可以搞随机换
root.after(i*1000,L.config,{'text':t,'fg':c})
root.after(sec*1000,root.destroy)
root.mainloop()
PS: AI生成的image还真心不错呢。 就是太吃显存了
收起阅读 »
ptrade qmt的模拟账户能不用尽量不用，无尽的bug让你浪费时间 怀疑人生
个人平时基本很少用模拟账户。但有时候又没有办法。实盘账户在跑，仓位无法挪腾出来测试（最近折腾的打板策略）
所以临时登录了模拟账户。 里面也挺悲剧的，初始化的500w资金，之前测试的时候随意买入的转债，很多都强赎了。而ptrade里面依然还在，导致大部分是亏损99%以上， 账上只剩可怜的88w，虚拟基金。
今天用ptrade获取A股市场所有的股票代码，居然调试了半小时，代码如下
输出的stock是[]，没有任何数据。
上面的xxxxx is expired , close all positions by system. 是因为模拟账户上退市转债还依然挂在上面，清仓也清不掉。每次跑就循环一分钟输出。。
换了个券商的模拟账户，问题依然在，只好倒腾实盘账户。然后问题就解决了。
这个问题，在qmt上就更加严重了。 下次在星球上或者群里慢慢吐槽吧
收起阅读 »
所以临时登录了模拟账户。 里面也挺悲剧的，初始化的500w资金，之前测试的时候随意买入的转债，很多都强赎了。而ptrade里面依然还在，导致大部分是亏损99%以上， 账上只剩可怜的88w，虚拟基金。
今天用ptrade获取A股市场所有的股票代码，居然调试了半小时，代码如下
def initialize(context):
# 初始化策略
g.security = "600570.SS"
set_universe(g.security)
def handle_data(context, data):
stock=get_Ashares()
log.info(stock)
输出的stock是[]，没有任何数据。
上面的xxxxx is expired , close all positions by system. 是因为模拟账户上退市转债还依然挂在上面，清仓也清不掉。每次跑就循环一分钟输出。。
换了个券商的模拟账户，问题依然在，只好倒腾实盘账户。然后问题就解决了。
这个问题，在qmt上就更加严重了。 下次在星球上或者群里慢慢吐槽吧
收起阅读 »
qmt position对象里面有哪些属性？
查看属性的代码：
得到的position的内置属性有下面的：
虽然有上面的属性，但是实际上很可能是空的，并没有值。
收起阅读 »
obj_list = get_trade_detail_data(ACCOUNT,'stock','position')
for obj in obj_list:
print(obj.m_strInstrumentID,obj.m_strInstrumentName,'----')
# 查看有哪些属性字段
print('='*10)
for item in dir(obj):
if not item.startswith('__'):
print(item)
print('='*10)
得到的position的内置属性有下面的：
m_bIsToday
m_dAvgOpenPrice
m_dCloseAmount
m_dCloseProfit
m_dFloatProfit
m_dInstrumentValue
m_dLastPrice
m_dLastSettlementPrice
m_dMargin
m_dMarketValue
m_dOpenCost
m_dOpenPrice
m_dPositionCost
m_dPositionProfit
m_dProfitRate
m_dRealUsedMargin
m_dRedemptionVolume
m_dReferenceRate
m_dRoyalty
m_dSettlementPrice
m_dSingleCost
m_dStaticHoldMargin
m_dStockLastPrice
m_dStructFundVol
m_dTotalCost
m_eFutureTradeType
m_eSideFlag
m_nCanUseVolume
m_nCidIncrease
m_nCidIsDelist
m_nCidRateOfCurrentLine
m_nCidRateOfTotalValue
m_nCloseVolume
m_nCoveredVolume
m_nDirection
m_nEnableExerciseVolume
m_nFrozenVolume
m_nHedgeFlag
m_nLegId
m_nOnRoadVolume
m_nOptCombUsedVolume
m_nPREnableVolume
m_nVolume
m_nYesterdayVolume
m_strAccountID
m_strAccountKey
m_strComTradeID
m_strExchangeID
m_strExchangeName
m_strExpireDate
m_strInstrumentID
m_strInstrumentName
m_strOpenDate
m_strProductID
m_strProductName
m_strStockHolder
m_strTradeID
m_strTradingDay
m_xtTag
虽然有上面的属性，但是实际上很可能是空的，并没有值。
收起阅读 »
qmt 可转债 双低(阈值)轮动 实盘代码
之前在星球埋的坑，答应群友写个qmt的双低可转债的轮动实盘代码。
用已有的ptrade的代码，然后部分获取行情和交易接口按照qmt的接口文档（http://qmt.ptradeapi.com ）重写，就给了一版。（对，很早以前就有一版ptrade的转债双低的了）
无论是qmt还是ptrade，都只是一个工具，用熟悉了，都无所哪个好哪个不好。
完整代码在个人星球。
觉得之前星球太便宜了，不仅给了代码，还部署了接口免费使用，通过接口获取可转债的实时数据，强赎天数，规模，溢价率，评级等等一系列数据。 而且随着时间的推移，里面积累的数据，代码也越来越多，感觉这样对前面进去并不断续费的星友有点公平，尽管以后他们续费都直接打折扣。所以还是按照一些大v运营的意见，逐年涨价策略。
越往后的朋友，因为前面积累的内容越多，因此价格也随之增长。
当然有能力可以自己写接口，部署，实盘，获取三方数据的大v，就没必要加了。
收起阅读 »
用已有的ptrade的代码，然后部分获取行情和交易接口按照qmt的接口文档（http://qmt.ptradeapi.com ）重写，就给了一版。（对，很早以前就有一版ptrade的转债双低的了）
无论是qmt还是ptrade，都只是一个工具，用熟悉了，都无所哪个好哪个不好。
完整代码在个人星球。
觉得之前星球太便宜了，不仅给了代码，还部署了接口免费使用，通过接口获取可转债的实时数据，强赎天数，规模，溢价率，评级等等一系列数据。 而且随着时间的推移，里面积累的数据，代码也越来越多，感觉这样对前面进去并不断续费的星友有点公平，尽管以后他们续费都直接打折扣。所以还是按照一些大v运营的意见，逐年涨价策略。
越往后的朋友，因为前面积累的内容越多，因此价格也随之增长。
当然有能力可以自己写接口，部署，实盘，获取三方数据的大v，就没必要加了。
收起阅读 »
qmt软件里面的快速计算是在什么模式下使用的？
QMT 平台模型是根据行情驱动，逐 K 线运行的。
即点击运行模型时，模型是从第 0 根 K 线开始运行到最后一根 K 线（如想加快模型运行速度，可以策略编辑器 - 基本信息中设置快速计算，限制计算范围，只计算最新的指定数量的 K 线范围），每根 K 线调用一次 Python 模型中的 handlebar(ContextInfo) 函数。
也就是你点击“运行”按钮的时候，如果你的快速计算默认设置的是0，
handlebar里面的k线是从2005年1月1日运行的，即使你在代码里面设置了运行时间：
都是不管用的。
需要在代码里添加一句：
或者 把快速计算的值设置为1， 就只会以最新的k线计算。也就是只会执行1次handlebar。
不得不说，qmt的说明文档很让人困惑的。笔者也多次吐槽了。
如果没有编程的朋友，不建议自己折腾了。不少编程大咖都惊呼这软件和文档入门太难，文档太扯淡。
如果需要qmt策略代码 和实盘代码 代写，可以在公众号后台留言：qmt代写
收起阅读 »
即点击运行模型时，模型是从第 0 根 K 线开始运行到最后一根 K 线（如想加快模型运行速度，可以策略编辑器 - 基本信息中设置快速计算，限制计算范围，只计算最新的指定数量的 K 线范围），每根 K 线调用一次 Python 模型中的 handlebar(ContextInfo) 函数。
也就是你点击“运行”按钮的时候，如果你的快速计算默认设置的是0，
handlebar里面的k线是从2005年1月1日运行的，即使你在代码里面设置了运行时间：
def init(ContextInfo):或者在回测参数里面设置的时间：
print("==============start==========")
ContextInfo.start = '2023-02-20 10:00:00'
ContextInfo.end = '2023-02-23 10:00:00'
都是不管用的。
需要在代码里添加一句：
if not ContextInfo.is_last_bar():
return
或者 把快速计算的值设置为1， 就只会以最新的k线计算。也就是只会执行1次handlebar。
不得不说，qmt的说明文档很让人困惑的。笔者也多次吐槽了。
如果没有编程的朋友，不建议自己折腾了。不少编程大咖都惊呼这软件和文档入门太难，文档太扯淡。
如果需要qmt策略代码 和实盘代码 代写，可以在公众号后台留言：qmt代写
收起阅读 »
qmt隔夜文件单（python代码实现）实盘代码
代码基于iquant平台编写。可以拿去参考参考。
# encoding:gbk
import logging
import pandas as pd
from datetime import datetime, timedelta, time
from decimal import InvalidOperation
from decimal import Decimal as D
from READFILE import read_file
logging.basicConfig(level=logging.INFO)
# 挂单失败后的等待时长，以秒计
TIMEOUT_ON_FAIL_SEC = 30
# 规避 account_callback 的 Racing Condition
RUN_TIME_DELAY = 10
# global FILEPATH, DIR, PRICE, VOL, START_TIME, account
SH_pattern = r'^[1-9]\d{5}\.(sh|SH)$'
SZ_pattern = r'^(?!39)\d{6}\.(sz|SZ)$'
SH_prefix = ['5', '6', '9', '11']
SZ_prefix = ['0', '2', '30', '12', '159']
COLNAMES = ['direction', 'vol', 'price', 'start_time']
def init(ContextInfo):
ContextInfo.accID = account
ContextInfo.set_account(ContextInfo.accID)
ContextInfo.can_order = False
ContextInfo.all_order_done = False
if not load_file_order(ContextInfo):
load_sys_order(ContextInfo)
# load_file_order(ContextInfo)
ContextInfo.run_time("place_order", "{0}nSecond".format(TIMEOUT_ON_FAIL_SEC),
(datetime.now() + timedelta(seconds=RUN_TIME_DELAY)).strftime('%Y-%m-%d %H:%M:%S'), 'SH')
def account_callback(ContextInfo, accountInfo):
if not ContextInfo.can_order:
ContextInfo.can_order = True
def handlebar(ContextInfo):
return
def load_file_order(ContextInfo):
def _price_vol_filtering(row):
if not isinstance(row.start_time, time):
logging.warning('读取{0}指令时间失败: {1}'.format(row.name, row.start_time))
return None
if row.direction not in ['买', '卖']:
logging.warning('读取{0}买卖方向失败: {1}'.format(row.name, row.direction))
return None
try:
# parse start_time
curr_start_time = datetime.now().strftime('%Y-%m-%d ') + row.start_time.strftime('%H:%M:%S')
curr_start_time = datetime.strptime(curr_start_time, '%Y-%m-%d %H:%M:%S')
# parse direction
curr_direction = 23 if row.direction == '买' else 24
# parse price and vol
price = D(row.price)
vol = int(row.vol)
return pd.Series([curr_direction, vol, price, curr_start_time])
except InvalidOperation:
logging.warning("读取 {0} 指令价格失败: {1}".format(row.name, row.price))
return None
except ValueError:
logging.warning('读取 {0} 下单总量失败: {1}'.format(row.name, row.vol))
return None
def _name_parser(asset_name):
# 目前默认用户输入.SH 或.SZ时标的名称正确
if '.SH' in asset_name or '.SZ' in asset_name:
# todo: SH/SZ_pattern regex check here?
return asset_name
else:
raise ValueError('{0} 标的代码不合法'.format(asset_name))
try:
tmp_df = read_file(FILEPATH, names=COLNAMES, index_col=0)
except:
logging.warning('读取挂单配置文件失败或挂单配置文件为空，尝试交易读取配置面板参数')
return None
if tmp_df.empty:
logging.warning('读取挂单配置文件失败或挂单配置文件为空，尝试交易读取配置面板参数')
return None
tmp_df.index = tmp_df.index.to_series().astype(str)
tmp_df.index = tmp_df.index.str.strip()
tmp_df.index = tmp_df.index.str.upper()
tmp_df.index = tmp_df.index.to_series().apply(_name_parser).dropna()
tmp_df = tmp_df.apply(_price_vol_filtering, axis=1, broadcast=True).dropna()
if tmp_df.empty:
logging.warning('读取挂单配置文件失败或挂单配置文件为空，尝试交易读取配置面板参数')
return False
tmp_df.set_axis(COLNAMES, axis='columns', inplace=True)
# 挂单成功Flag
tmp_df['finished'] = [False] * tmp_df.shape[0]
ContextInfo.order_df = tmp_df
ContextInfo.set_universe(ContextInfo.order_df.index.tolist())
return True
def load_sys_order(ContextInfo):
try:
asset_name = ContextInfo.stockcode + '.' + ContextInfo.market
ContextInfo.set_universe([asset_name])
direction = 23 if DIR == '买入' else 24
start_time = datetime.strptime(datetime.now().strftime('%Y%m%d') + str(START_TIME), '%Y%m%d%H%M%S')
price = D(PRICE)
vol = int(VOL)
except BaseException:
raise ValueError("读取策略面板交易配置失败。请尝试修正挂单配置文件或者策略面板参数。")
price = float(price)
ContextInfo.order_df = pd.DataFrame(data=[direction, vol, price, start_time], index=COLNAMES,
columns=[asset_name]).T
ContextInfo.order_df['finished'] = False
return
def place_order(ContextInfo):
if not ContextInfo.can_order or ContextInfo.all_order_done:
return
for curr_asset in ContextInfo.get_universe():
if not ContextInfo.order_df.loc[curr_asset].finished \
and datetime.now() > ContextInfo.order_df.loc[curr_asset].start_time:
curr_order = ContextInfo.order_df.loc[curr_asset]
direction = int(curr_order.direction)
txt_direction = '买入' if direction == 23 else '卖出'
price = float(D(curr_order.price))
vol = int(curr_order.vol)
order_remark = '隔日文件挂单: 以 {0} {1} {2}'.format(price, txt_direction, curr_asset)
passorder(direction, 1101, ContextInfo.accID, curr_asset, 11, price, vol, order_remark, 1, order_remark,
ContextInfo)
ContextInfo.order_df.loc[curr_asset, 'finished'] = True
ContextInfo.all_order_done = all(ContextInfo.order_df['finished'].tolist())
def order_callback(ContextInfo, orderInfo):
curr_asset = orderInfo.m_strInstrumentID + '.' + orderInfo.m_strExchangeID
curr_remark = orderInfo.m_strRemark
curr_status = orderInfo.m_nOrderStatus
if '隔日文件挂单' in curr_remark and curr_status == 57:
ContextInfo.order_df.loc[curr_asset, 'finished'] = False
ContextInfo.all_order_done = False
logging.error('{0} 隔日文件挂单：报单废单 (柜台返回失败)，原因：{1} 尝试重报'.format(curr_asset, orderInfo.m_strCancelInfo))
elif '隔日文件挂单' in curr_remark and curr_status == 50:
logging.info('{0} 隔日文件挂单：报单成功'.format(curr_asset))
return
def orderError_callback(ContextInfo, orderArgs, errMsg):
curr_asset = orderArgs.orderCode
if '隔日文件挂单' in orderArgs.strategyName:
ContextInfo.order_df.loc[curr_asset, 'finished'] = False
ContextInfo.all_order_done = False
logging.error('{0} 隔日文件挂单：账号下单异常 (COS/iQuant校验失败), 错误消息：{1} 尝试重报'.format(curr_asset, errMsg))
return
把上述代码复制到iquant里面，然后部署到策略运行，运行策略，切换为实盘
收起阅读 »
qmt的文档写的有点稀烂
在部署QMT 在线文档的时候，还是忍不住吐槽下它的文档。
这也是当时不用QMT的一个重要原因。
不仅仅是文档，而且还有它的函数接口的涉及。
比如最常用的交易函数，passorder
里面有11个参数，可选参数有2个。 对于一个常用函数来说，这个参数有点多了。
而更为令人费解的，是它参数里面额设定值
比如第一个opType，操作类型。
里面有59个数字：
它把期货，股票，期权所有品种压缩到一起，通过参数数字来辨认交易类别。
那么我们来看一看一个例子，就拿一个官网的一个例子来说：
最简单的例子：
一般人看了上面的代码，里面全部是数字，简直就像灾难一样。 但是我要明白它的交易品种和交易逻辑，
就得对着文档去查，编号23是啥，1101是啥，11，14又是啥。
如果我是代码reviewer，底下的员工这种文档，或者写代码的人，提交上这样的代码，绝对100%是要reject这个提交的。
然后orderType 更加让人吐血。。
然后下单 类型，继续来各种枚举：
会不会用常量定义个值给客户调用呢？
没有标注类型：
虽然python是若类型的语言，可是qmt底层是c++，有些参数不对，就会导致异常：
比如交易软件：
比如下单函数passorder的参数列表：
看完不想吐槽了，一群文科生设计的软件。。。
收起阅读 »
这也是当时不用QMT的一个重要原因。
不仅仅是文档，而且还有它的函数接口的涉及。
比如最常用的交易函数，passorder
综合交易下单 passorder()
用法： passorder(opType, orderType, accountid, orderCode, prType, modelprice, volume[, strategyName, quickTrade, userOrderId], ContextInfo)
里面有11个参数，可选参数有2个。 对于一个常用函数来说，这个参数有点多了。
而更为令人费解的，是它参数里面额设定值
比如第一个opType，操作类型。
里面有59个数字：
期货六键：
0：开多
1：平昨多
2：平今多
3：开空
4：平昨空
5：平今空
期货四键：
6：平多,优先平今
7：平多,优先平昨
8：平空,优先平今
9：平空,优先平昨
期货两键：
10：卖出,如有多仓,优先平仓,优先平今,如有余量,再开空
11：卖出,如有多仓,优先平仓,优先平昨,如有余量,再开空
12：买入,如有空仓,优先平仓,优先平今,如有余量,再开多
13：买入,如有空仓,优先平仓,优先平昨,如有余量,再开多
14：买入,不优先平仓
15：卖出,不优先平仓
股票买卖：
23：股票买入，或沪港通、深港通股票买入
24：股票卖出，或沪港通、深港通股票卖出
融资融券：
27：融资买入
28：融券卖出
29：买券还券
30：直接还券
31：卖券还款
32：直接还款
33：信用账号股票买入
34：信用账号股票卖出
组合交易：
25：组合买入，或沪港通、深港通的组合买入
26：组合卖出，或沪港通、深港通的组合卖出
27：融资买入
28：融券卖出
29：买券还券
31：卖券还款
33：信用账号股票买入
34：信用账号股票卖出
40：期货组合开多
43：期货组合开空
46：期货组合平多,优先平今
47：期货组合平多,优先平昨
48：期货组合平空,优先平今
49：期货组合平空,优先平昨
期权交易：
50：买入开仓
51：卖出平仓
52：卖出开仓
53：买入平仓
54：备兑开仓
55：备兑平仓
56：认购行权
57：认沽行权
58：证券锁定
59：证券解锁
它把期货，股票，期权所有品种压缩到一起，通过参数数字来辨认交易类别。
那么我们来看一看一个例子，就拿一个官网的一个例子来说：
最简单的例子：
passorder(23,1101,account,s,11,14.00,100,2,ContextInfo)
一般人看了上面的代码，里面全部是数字，简直就像灾难一样。 但是我要明白它的交易品种和交易逻辑，
就得对着文档去查，编号23是啥，1101是啥，11，14又是啥。
如果我是代码reviewer，底下的员工这种文档，或者写代码的人，提交上这样的代码，绝对100%是要reject这个提交的。
然后orderType 更加让人吐血。。
1101：单股、单账号、普通、股/手方式下单这排列组合，谁能记得住，逼着你去查文档，或者每次复制粘贴旧代码。
1102：单股、单账号、普通、金额（元）方式下单（只支持股票）
1113：单股、单账号、总资产、比例 [0 ~ 1] 方式下单
1123：单股、单账号、可用、比例[0 ~ 1]方式下单
1201：单股、账号组（无权重）、普通、股/手方式下单
1202：单股、账号组（无权重）、普通、金额（元）方式下单（只支持股票）
1213：单股、账号组（无权重）、总资产、比例 [0 ~ 1] 方式下单
1223：单股、账号组（无权重）、可用、比例 [0 ~ 1] 方式下单
2101：组合、单账号、普通、按组合股票数量（篮子中股票设定的数量）方式下单 > 对应 volume 的单位为篮子的份
2102：组合、单账号、普通、按组合股票权重（篮子中股票设定的权重）方式下单 > 对应 volume 的单位为元
2103：组合、单账号、普通、按账号可用方式下单 > （底层篮子股票怎么分配？答：按可用资金比例后按篮子中股票权重分配，如用户没填权重则按相等权重分配）只对股票篮子支持
2201：组合、账号组（无权重）、普通、按组合股票数量方式下单
2202：组合、账号组（无权重）、普通、按组合股票权重方式下单
然后下单 类型，继续来各种枚举：
-1：无效（实际下单时,需要用交易面板交易函数那设定的选价类型）
0：卖5价
1：卖4价
2：卖3价
3：卖2价
4：卖1价
5：最新价
6：买1价
7：买2价（组合不支持）
8：买3价（组合不支持）
9：买4价（组合不支持）
10：买5价（组合不支持）
11：（指定价）模型价（只对单股情况支持,对组合交易不支持）
12：涨跌停价
13：挂单价
14：对手价
27：市价即成剩撤(仅对股票期权申报有效)
28：市价即全成否则撤(仅对股票期权申报有效)
29：市价剩转限价(仅对股票期权申报有效)
42：最优五档即时成交剩余撤销申报(仅对上交所申报有效)
43：最优五档即时成交剩转限价申报(仅对上交所申报有效)
44：对手方最优价格委托(仅对深交所申报有效)
45：本方最优价格委托(仅对深交所申报有效)
46：即时成交剩余撤销委托(仅对深交所申报有效)
47：最优五档即时成交剩余撤销委托(仅对深交所申报有效)
48：全额成交或撤销委托(仅对深交所申报有效)
49：科创板盘后定价
会不会用常量定义个值给客户调用呢？
passorder(
ContextInfo.TYPE_STOCK,
ContextInfo.TYPE_BUY,
100,
ContextInfo.LIMIT_PRICE,
ContextInfo)
没有标注类型：
虽然python是若类型的语言，可是qmt底层是c++，有些参数不对，就会导致异常：
比如交易软件：
比如下单函数passorder的参数列表：
volume，下单数量（股 / 手 / 元 / %）这个类型如果用了浮点，前面类型用了以股为但是，是会报错的，因为不存在100.11 股这样的非100单位的下单数据。
passorder(opType, orderType, accountID, orderCode, prType, price, volume, ContextInfo)
根据 orderType 值最后一位确定 volume 的单位：
单股下单时：
1：股 / 手
2：金额（元）
3：比例（%）
看完不想吐槽了，一群文科生设计的软件。。。
收起阅读 »
qmt iquant最新接口文档
申请了个二级域名，作为QMT iQuant的接口文档。懒得再去搞新的域名了，凑合这用，和ptrade的接口文档拼在一个根域名下面
http://qmt.ptradeapi.com
除了官方的接口文档，还加入了一些个人平时编写的写法与回测，实盘代码。 不定期更新。
欢迎关注收藏。 收起阅读 »
http://qmt.ptradeapi.com
除了官方的接口文档，还加入了一些个人平时编写的写法与回测，实盘代码。 不定期更新。
欢迎关注收藏。 收起阅读 »
整理一批 注册好的免费chatGPT账户，从分享群里获取的，亲测有效
请勿随意修改密码：
ChatGPT共享账号https://chat.openai.com/auth/login
账号1：vickye89@hotmail.com
密码：LeZ25X5dwL
账号2：eugeniev552@hotmail.com
密码2：4w95MnvIvc
账号3：ayakonewuyo@hotmail.com
密码3：q8UCd2lST4
账号4：ludmillasteb9@hotmail.com
密码4：7sb54Oii8I
账号5：chr89kuchto@hotmail.com
密码5：Cea7IQj5ud
账号6：emil03mk@hotmail.com
密码6：ENC82hip2A
账号7：lydiavn9ktutoky@hotmail.com
密码7：6351VsZz25
账号8：tulagj3@hotmail.com
密码8：Wx99eCqer7
账号9：prue56zjehle@hotmail.com
密码9：8398k84X85
账号10：vernitagq2@hotmail.com
密码10：geFfr4H0x9
账号11：kirstiealtqw@hotmail.com
密码11：1FBbV8OJg9
账号12：ralphnamer32d@hotmail.com
密码12：F85T86YtbL
账号13：celinabullievmu@hotmail.com
密码13：OqTz0lj525
账号14：chanafdidelaet@hotmail.com
密码14：6x3CM4pPYY
账号15：alita07pbogdon@hotmail.com
密码15：Umppl1ylc0
账号16：averilltxgt@hotmail.com
密码16：94cymN2p42
账号17：mobyfotohy7@hotmail.com
密码17：c8iJi0Fd
账号18：muficylequ9@hotmail.com
密码18：5p0KWJf1D
账号19：naehahogujo0@hotmail.com
密码19：xgH5o3jKV
账号20：naejexelibu@hotmail.com
密码20：fZg44fVeh
账号21：naezhaeshequsito@outlook.com
密码21：PtRbh31IF
账号22：neladeroka@hotmail.com
密码22：McTk3Qrz
账号23：pyvohywaeli@outlook.com
密码23：Ehk9d5QFz4
账号24：qadakidone@hotmail.com
密码24：I836s6941q
账号25：qaraesisheby9@hotmail.com
密码25：UQkJim80c
账号26：qaxiberasipy@outlook.com
密码26：XVYluIYy2P
账号27：qeluzhaelagy4@hotmail.com
密码27：8qZEl20fR
账号28：qobiluno7@hotmail.com
密码28：4KiM2C0q9
账号29：qupipaeshe1@outlook.com
密码29：4j9NSpGHEZ
账号30：qyshymisifi0@hotmail.com
密码30：Sfp9D0UNK4
账号31：raehotushawo@hotmail.com
密码31：2d0H8o9L
ChatGPT登录地址 ChatGPT
需要配合梯子使用，效果更佳。
如果显示：
就是要搭梯子了
更多数据，请关注公众号，后台回复：chatgpt账户
收起阅读 »
【白嫖服务器】render.com上部署flask程序
要在Render.com上部署Flask应用程序，可以按照以下步骤进行操作：
1. 注册Render.com帐户并创建一个新的Web服务。
2. 在“添加服务”页面上选择“Web服务”并选择“自定义”作为服务类型。
3. 选择一个适合您的Flask应用程序的服务器和端口。
4. 在“高级”选项卡中添加一个名为“WEB_COMMAND”的环境变量，其值为“gunicorn your_app_name:app”（替换your_app_name为您的应用程序名称）。
5. 在“高级”选项卡中添加一个名为“WEB_CONCURRENCY”的环境变量，其值为应用程序的工作进程数（例如2）。
6. 将您的Flask应用程序代码推送到GitHub或其他源代码管理库中，并将其链接到Render.com服务。
7. 等待几分钟，Render.com将自动构建和部署您的Flask应用程序。
完成以上步骤后，您的Flask应用程序将已经成功部署在Render.com上。
示例代码：
同步到github上后，绑定域名，运行得到：
是不是很简单呢？
网站可以免费解析25个域名，超过的需要收费。不过一般人应该不会超过那么多的域名的了吧。
收起阅读 »
1. 注册Render.com帐户并创建一个新的Web服务。
2. 在“添加服务”页面上选择“Web服务”并选择“自定义”作为服务类型。
3. 选择一个适合您的Flask应用程序的服务器和端口。
4. 在“高级”选项卡中添加一个名为“WEB_COMMAND”的环境变量，其值为“gunicorn your_app_name:app”（替换your_app_name为您的应用程序名称）。
5. 在“高级”选项卡中添加一个名为“WEB_CONCURRENCY”的环境变量，其值为应用程序的工作进程数（例如2）。
6. 将您的Flask应用程序代码推送到GitHub或其他源代码管理库中，并将其链接到Render.com服务。
7. 等待几分钟，Render.com将自动构建和部署您的Flask应用程序。
完成以上步骤后，您的Flask应用程序将已经成功部署在Render.com上。
示例代码：
from flask import Flask上面是app.py 的内容
app = Flask(__name__)
@app.route('/')
def hello_world():
return 'Hello, World!'
同步到github上后，绑定域名，运行得到：
是不是很简单呢？
网站可以免费解析25个域名，超过的需要收费。不过一般人应该不会超过那么多的域名的了吧。
Starting February 1, 2022, we will begin charging $0.60 per custom domain per month beyond the first 25 custom domains for a web service or static site. The first 25 custom domains for web services and static sites will continue to be free.
收起阅读 »
迅投qmt入门教程（一）
很早想写一个qmt教程的，无奈平时90%时间都用的ptrade。之前想把教程写好了再发出来，不过这样只会越拖越久，为了让自己填这个坑，先把文章发出来，按照平时正常的量化学习的路径，从简单到复杂。 慢慢记录，形成个系列教程。 有疑问的朋友可以到笔者的公众号或者知识星球去提问吧。（见文末）
1. 准备：
首先得开一个支持qmt的券商，目前市面上支持qmt的券商越来越丰富了。
初学者可以开一个门槛第一点的，一般入金1w-2w 不等，就可以申请开通了。
鉴于以学习为目的，真正投入到实盘中的资金不会很大，所以初始阶段也不一定就找万一免五的券商，毕竟目前要给免五，资金门槛比较高，一般要100w甚至以上。
笔者推荐国信，国金的qmt， 门槛只要1-2w就足够了，股票费率在万一，可转债万0.4-万0.5。适合初学者，这两家也可以在虚拟机运行，适合苹果mac的用户。 需要的朋友也可以在公众号后台留言: qmt开通
2. 假设已经在券商那里开通了qmt功能，接下来就开始进入教学：
这里以国信的qmt（iquant）为例：
首先要做的就是下载python库。 这个python库指的是qmt的python库，它的版本是3.6.8； 如果你只用qmt内置的python，你就不用自己到网上下载python安装程序，只需要在qmt的设置里面，点一下按钮，就可以安装python库。这里用默认的系统路径就可以了。
3. 第一个量化程序 hello world
新建策略后：
在编辑器里面输入下面的代码：
点击回测：
得到输出结果
这里介绍2个概念：
文绉绉的，实际写一个策略，必须包含下面两个函数，而且参数也要一致，参数名随意，不过用默认的就好了。你随便改成没有意义的字符，后面自己看代码也是很麻烦。
init 和 handlebar 是 Python 模型中最重要的方法，也是唯二由 C++ 直接调用的方法，所有的执行代码都尽量写在这两个方法中或由其中的函数调用。【个人不太喜欢这样】
回测时间设置，在右边的菜单栏，有个回测参数，里面设置时间；在菜单“基本信息”里面 ，可以设置回测的时间间隔，可以使用分钟线，日线，小时等等不同周期，不过无法做到tick的回测。最小的只能到分钟。
但是如果你有秒的tick数据，自己写个回测框架也是可以做到秒级的tick级别的回测。很早前笔者就在星球上提供了完整的源码和数据，初学者也可以拿着去改，只要后续更新tick数据，就可以不断的回测策略的最新状态。
你写的回测实盘python代码，是保存在本地的文件夹的：
C:\iquant_gx\python， 前面的C:\iquant_gx 是你的iquant安装路径。
而且底下也有很多的现成的代码：
部分代码可以直接用pycharm就可以打开，没有加密的，但也有一些是加密了的。
比如这个自动逆回购是现成的：
对，这里就有，很多人还到处找人写；
公众号：
星球：
收起阅读 »
1. 准备：
首先得开一个支持qmt的券商，目前市面上支持qmt的券商越来越丰富了。
初学者可以开一个门槛第一点的，一般入金1w-2w 不等，就可以申请开通了。
鉴于以学习为目的，真正投入到实盘中的资金不会很大，所以初始阶段也不一定就找万一免五的券商，毕竟目前要给免五，资金门槛比较高，一般要100w甚至以上。
笔者推荐国信，国金的qmt， 门槛只要1-2w就足够了，股票费率在万一，可转债万0.4-万0.5。适合初学者，这两家也可以在虚拟机运行，适合苹果mac的用户。 需要的朋友也可以在公众号后台留言: qmt开通
2. 假设已经在券商那里开通了qmt功能，接下来就开始进入教学：
这里以国信的qmt（iquant）为例：
首先要做的就是下载python库。 这个python库指的是qmt的python库，它的版本是3.6.8； 如果你只用qmt内置的python，你就不用自己到网上下载python安装程序，只需要在qmt的设置里面，点一下按钮，就可以安装python库。这里用默认的系统路径就可以了。
3. 第一个量化程序 hello world
新建策略后：
在编辑器里面输入下面的代码：
#encoding:gbk
def init(ContextInfo):
print('hello world')
def handlebar(ContextInfo):
#计算当前主图的cci
print("handle bar")
点击回测：
得到输出结果
这里介绍2个概念：
（3）Handlebar
handlebar 是整个 Python 模型中的核心执行函数。当模型从数据层获取到运行所需要的数据之后，会对数据集上的每一根 bar，调用一次 handlebar 函数，处理当前这根 bar 上的数据。也就是说，用户模型的核心逻辑都是写在该函数中的，如获取数据，设置下单条件等。在 handlebar 中处理完数据后，用户可以通过 paint 方法将需要绘图输出的结果返回给界面。界面会将输出结果如实的展示出来。
（4）ContextInfo
ContextInfo 是整个 Python 框架中的一个核心对象。它包含了各种与 Python 底层框架交互的 API 方法，也是一个全局的上下文环境，可以在 init 以及 handlebar 这两个函数中自由地传递用户创建的各种自定义数据。
文绉绉的，实际写一个策略，必须包含下面两个函数，而且参数也要一致，参数名随意，不过用默认的就好了。你随便改成没有意义的字符，后面自己看代码也是很麻烦。
def init(ContextInfo):
pass
def handlebar(ContextInfo):
pass
init 和 handlebar 是 Python 模型中最重要的方法，也是唯二由 C++ 直接调用的方法，所有的执行代码都尽量写在这两个方法中或由其中的函数调用。【个人不太喜欢这样】
回测时间设置，在右边的菜单栏，有个回测参数，里面设置时间；在菜单“基本信息”里面 ，可以设置回测的时间间隔，可以使用分钟线，日线，小时等等不同周期，不过无法做到tick的回测。最小的只能到分钟。
但是如果你有秒的tick数据，自己写个回测框架也是可以做到秒级的tick级别的回测。很早前笔者就在星球上提供了完整的源码和数据，初学者也可以拿着去改，只要后续更新tick数据，就可以不断的回测策略的最新状态。
你写的回测实盘python代码，是保存在本地的文件夹的：
C:\iquant_gx\python， 前面的C:\iquant_gx 是你的iquant安装路径。
而且底下也有很多的现成的代码：
部分代码可以直接用pycharm就可以打开，没有加密的，但也有一些是加密了的。
比如这个自动逆回购是现成的：
对，这里就有，很多人还到处找人写；
# encoding:gbk
import logging
from datetime import datetime, timedelta
from decimal import Decimal as D
from decimal import InvalidOperation
logging.basicConfig(level=logging.INFO)
# 挂单失败后的等待时长，以秒计
TIMEOUT_ON_FAIL_SEC = 30
# 等待account_callback的时长
# RUN_TIME_DELAY = 30
# how is this not defined in package??
MORNING_START = datetime.strptime(datetime.now().strftime('%Y%m%d') + '093000', '%Y%m%d%H%M%S')
MORNING_END = datetime.strptime(datetime.now().strftime('%Y%m%d') + '113000', '%Y%m%d%H%M%S')
NOON_START = datetime.strptime(datetime.now().strftime('%Y%m%d') + '130000', '%Y%m%d%H%M%S')
NOON_END = datetime.strptime(datetime.now().strftime('%Y%m%d') + '153000', '%Y%m%d%H%M%S')
# for SH only
TRANS_COST_1D = D('5e-6')
TRANS_COST_LONG = D('1.5e-7')
TRANS_COST_MAX = 100
# ORDER LIMITS
SH_UPPER = 1e7
SH_LOWER = 1e5
SZ_UPPER = 1e8
SZ_LOWER = 1e3
# ASSET NAME DICT
SH_REV_REPO = {'上交所1天': '204001.SH', '上交所2天': '204002.SH', '上交所3天': '204003.SH',
'上交所4天': '204004.SH', '上交所7天': '204007.SH', '上交所14天': '204014.SH',
'上交所28天': '204028.SH', '上交所91天': '204091.SH', '上交所182天': '204182.SH',
}
SZ_REV_REPO = {'深交所3天': '131800.SZ', '深交所7天': '131801.SZ', '深交所14天': '131802.SZ',
'深交所28天': '131803.SZ', '深交所91天': '131805.SZ', '深交所182天': '131806.SZ',
'深交所4天': '131809.SZ', '深交所1天': '131810.SZ', '深交所2天': '131811.SZ',
}
def init(ContextInfo):
ContextInfo.accID = account
ContextInfo.set_account(ContextInfo.accID)
ContextInfo.use_all_cap = False if ALL_CAP == '否' else True
# global trading control, set to False if detected error on user's side
# stop() does not halt strat
ContextInfo.order_control = False
if not ContextInfo.use_all_cap:
try:
ContextInfo.dollar_vol = float(D(DOLLAR_VOL))
except InvalidOperation:
ContextInfo.order_control = True
raise ValueError('读取资金量失败')
else:
if DOLLAR_VOL != '':
logging.warning('已设定使用全部账户资金，忽略所设置资金量')
try:
ContextInfo.start_time = datetime.strptime(datetime.now().strftime('%Y%m%d') + str(START_TIME), '%Y%m%d%H%M%S')
ContextInfo.asset_name = SH_REV_REPO[ASSET_NAME]
except KeyError:
ContextInfo.asset_name = SZ_REV_REPO[ASSET_NAME]
except ValueError as error:
if 'unconverted data remains' in str(error):
ContextInfo.order_control = True
raise ValueError('读取挂单时间失败')
if not (MORNING_END > ContextInfo.start_time >= MORNING_START) \
and not (NOON_END > ContextInfo.start_time >= NOON_START):
ContextInfo.order_control = True
raise ValueError('挂单时间不在可交易时间内')
ContextInfo.can_order = False
ContextInfo.order_done = False
if not ContextInfo.order_control:
ContextInfo.run_time("place_order", "{0}nSecond".format(TIMEOUT_ON_FAIL_SEC),
ContextInfo.start_time.strftime('%Y-%m-%d %H:%M:%S'), 'SH')
def account_callback(ContextInfo, accountInfo):
if not ContextInfo.can_order:
ContextInfo.can_order = True
if ContextInfo.use_all_cap:
ContextInfo.dollar_vol = accountInfo.m_dAvailable
else:
if ContextInfo.dollar_vol > accountInfo.m_dAvailable:
ContextInfo.order_control = True
raise ValueError('下单额度大于账户可用资金')
# check if order satisfies lower limit for each exchange
if ('SH' in ContextInfo.asset_name and ContextInfo.dollar_vol < SH_LOWER) \
or ('SZ' in ContextInfo.asset_name and ContextInfo.dollar_vol < SZ_LOWER):
ContextInfo.order_control = True
raise ValueError('下单额度低于交易所最低限额')
# checks dollar_vol and rounds the total amount
if 'SH' in ContextInfo.asset_name and ContextInfo.dollar_vol % SH_LOWER != 0:
ContextInfo.dollar_vol = (ContextInfo.dollar_vol // SH_LOWER) * SH_LOWER
logging.warning('下单额度已规整为：{0}'.format(ContextInfo.dollar_vol))
elif 'SZ' in ContextInfo.asset_name and ContextInfo.dollar_vol % SZ_LOWER != 0:
ContextInfo.dollar_vol = (ContextInfo.dollar_vol // SZ_LOWER) * SZ_LOWER
logging.warning('下单额度已规整为：{0}'.format(ContextInfo.dollar_vol))
'''
if 'SH' in ContextInfo.asset_name:
num_batch_order = int(ContextInfo.dollar_vol // SH_UPPER)
remain_order = ContextInfo.dollar_vol - num_batch_order * SH_UPPER
if ContextInfo.asset_name == '204001.SH':
transaction_cost = TRANS_COST_MAX * num_batch_order + remain_order * TRANS_COST_1D
else:
transaction_cost = TRANS_COST_MAX * num_batch_order + remain_order * TRANS_COST_LONG
if transaction_cost + ContextInfo.dollar_vol > accountInfo.m_dAvailable:
ContextInfo.order_control = True
raise ValueError('可用资金不足以垫付交易金额与手续费')
'''
ContextInfo.remain_vol = ContextInfo.dollar_vol
def handlebar(ContextInfo):
return
def place_order(ContextInfo):
if not ContextInfo.can_order or ContextInfo.order_control:
return
if not ContextInfo.order_done:
if 'SH' in ContextInfo.asset_name:
num_batch_order = int(ContextInfo.remain_vol // SH_UPPER)
remain_order = ContextInfo.remain_vol - num_batch_order * SH_UPPER
for _ in range(num_batch_order):
order_remark = '国债逆回购：尝试报单{0}元 {1}'.format(SH_UPPER, ContextInfo.asset_name)
passorder(24, 1102, ContextInfo.accID, ContextInfo.asset_name, 5, -1, SH_UPPER, order_remark, 1,
order_remark, ContextInfo)
else:
num_batch_order = int(ContextInfo.remain_vol // SZ_UPPER)
remain_order = ContextInfo.remain_vol - num_batch_order * SZ_UPPER
for _ in range(num_batch_order):
order_remark = '国债逆回购：尝试报单{0}元 {1}'.format(SZ_UPPER, ContextInfo.asset_name)
passorder(24, 1102, ContextInfo.accID, ContextInfo.asset_name, 5, -1, SZ_UPPER, order_remark, 1,
order_remark, ContextInfo)
order_remark = '国债逆回购：尝试报单{0}元 {1}'.format(remain_order, ContextInfo.asset_name)
passorder(24, 1102, ContextInfo.accID, ContextInfo.asset_name, 5, -1, remain_order, order_remark, 1,
order_remark, ContextInfo)
ContextInfo.remain_vol = 0
ContextInfo.order_done = True
def order_callback(ContextInfo, orderInfo):
curr_remark = orderInfo.m_strRemark
curr_status = orderInfo.m_nOrderStatus
if '国债逆回购' in curr_remark and ContextInfo.asset_name in curr_remark and curr_status == 57:
ContextInfo.order_done = False
# up the leftover dollar vol by failed amount
# logging.info('reported trade amount:{0}, reported_trade_volume:{1}'.format(orderInfo.m_dTradeAmount, orderInfo.m_nVolumeTotal))
# 单张100元
ContextInfo.remain_vol += orderInfo.m_nVolumeTotal * 100
if '交易时间不合法' in orderInfo.m_strCancelInfo:
ContextInfo.order_control = True
raise ValueError('国债逆回购：未能在交易时间内完成下单，停止报单。余量{0}元未报'.format(ContextInfo.remain_vol))
logging.warning('国债逆回购：报单废单，原因：\"{0}\"，尝试重报'.format(orderInfo.m_strCancelInfo))
elif '国债逆回购' in curr_remark and ContextInfo.asset_name in curr_remark and curr_status == 50:
logging.info('国债逆回购：报单{0}元成功'.format(orderInfo.m_nVolumeTotal * 100))
return
待续，不定期更新
公众号：
星球：
收起阅读 »
Ptrade基本期货策略
ptrade本身支持期货交易，开通账户绑定就可以了。
新建策略的时候选择：期货即可。
1. 买入开仓
不同期货品种每一跳的价格变动都不一样，limit_price入参的时候要参考对应品种的价格变动规则，如limit_price不做入参则会以交易的行情快照最新价或者回测的分钟最新价进行报单；
根据交易所规则，每天结束时会取消所有未完成交易；
2. 卖出平仓
3. 获取合约信息
get_instruments- 获取合约信息
代码示例：
收起阅读 »
新建策略的时候选择：期货即可。
1. 买入开仓
不同期货品种每一跳的价格变动都不一样，limit_price入参的时候要参考对应品种的价格变动规则，如limit_price不做入参则会以交易的行情快照最新价或者回测的分钟最新价进行报单；
根据交易所规则，每天结束时会取消所有未完成交易；
def initialize(context):
g.security = ['IF1712.CCFX', 'CU1806.XSGE']
set_universe(g.security)
def handle_data(context, data):
#买入开仓
buy_open('IF1712.CCFX', 1)
#买入开仓(限定点数为52220)
buy_open('CU1806.XSGE', 1, limit_price=52220)
2. 卖出平仓
def initialize(context):
g.security = ['IF1712.CCFX', 'CU1806.XSGE']
set_universe(g.security)
def handle_data(context, data):
#卖出平仓
sell_close('IF1712.CCFX', 1)
#卖出平今仓(限定点数为52220)
sell_close ('CU1806.XSGE', 1, limit_price=52220, close_today=True)
#卖出平仓(限定点数为52220)
sell_close ('CU1806.XSGE', 1, limit_price=52220)
3. 获取合约信息
get_instruments- 获取合约信息
get_instruments(contract)
返回
FutureParams对象，主要返回的字段为:
contract_code -- 合约代码，str类型；
contract_name -- 合约名称，str类型；
exchange -- 交易所：大商所、郑商所、上期所、中金所，str类型；
trade_unit -- 交易单位，int类型；
contract_multiplier -- 合约乘数，float类型；
delivery_date -- 交割日期，str类型；
listing_date -- 上市日期，str类型；
trade_code -- 交易代码，str类型；
margin_rate -- 保证金比例，float类型；
代码示例：
def initialize(context):
g.security = ["CU2112.XSGE", "IF2112.CCFX"]
set_universe(g.security)
def before_trading_start(context, data):
# 获取股票池代码合约信息
for security in g.security:
info = get_instruments(security)
log.info(info)
def handle_data(context, data):
pass
收起阅读 »
ptrade获取分时成交数据-LEVEL2数据逐笔数据
在接口文档 http://ptradeapi.com/#get_tick_direction
中提供了获取分时成交的数据。
返回字段：
示例代码：
不过在handle_bar中或者tick_data中，实际行情推送最快也要3s,所以拿到的level2的是切片数据，即使拿到很多数据，可是行情获取时间间隔还是3s， 无法做到和qmt那样的level2逐笔订阅驱动。还有level2数据需要收费。ptrade目前常用的几个券商都不支持level2的。
目前有万一免五的qmt ptrade量化交易接口的券商吗？
收起阅读 »
中提供了获取分时成交的数据。
使用场景
该函数在交易模块可用
接口说明
该接口用于获取当日分时成交行情数据。
注意事项：
1、沪深市场都有分时成交数据；
2、分时成交数据需开通level2行情才有数据推送，否则无数据返回；
返回字段：
返回
返回一个OrderedDict对象，包含每只代码的分时成交行情数据。(OrderedDict([(),()...]))
返回结果字段介绍：
time_stamp: 时间戳毫秒级(str:numpy.int64)；
hq_px: 价格(str:numpy.float64)；
hq_px64: 价格(str:numpy.int64)(行情暂不支持，返回均为0)；
business_amount: 成交数量(str:numpy.int64)；
business_balance: 成交金额(str:numpy.int64)；
business_count: 成交笔数(str:numpy.int64)；
business_direction: 成交方向（0：卖，1：买，2：平盘)(str:numpy.int64)；
amount: 持仓量(str:numpy.int64)(行情暂不支持，返回均为0)；
start_index: 分笔关联的逐笔开始序号(str:numpy.int64)(行情暂不支持，返回均为0)；
end_index: 分笔关联的逐笔结束序号(str:numpy.int64)(行情暂不支持，返回均为0)；
示例代码：
def initialize(context):
g.security = '000001.SZ'
set_universe(g.security)
def handle_data(context, data):
#获取000001.SZ的分时成交数据
direction_data = get_tick_direction(g.security)
log.info(direction_data)
#获取指定股票列表分时成交数据
direction_data = get_tick_direction(['000002.SZ','000032.SZ'])
log.info(direction_data)
#获取成交量
business_amount = direction_data['000002.SZ']['business_amount']
log.info('分时成交的成交量为：%s' % business_amount)
不过在handle_bar中或者tick_data中，实际行情推送最快也要3s,所以拿到的level2的是切片数据，即使拿到很多数据，可是行情获取时间间隔还是3s， 无法做到和qmt那样的level2逐笔订阅驱动。还有level2数据需要收费。ptrade目前常用的几个券商都不支持level2的。
目前有万一免五的qmt ptrade量化交易接口的券商吗？
收起阅读 »
ptrade移除当前ST股
下面代码移除创业板，科创板还有当前被ST的股票。也可以任意组合，移除。
可以参考上一篇：http://30daydo.com/article/44569
def remove_st_stock(all_stock_list):
st_dict = get_stock_status(all_stock_list, query_type='ST', query_date=None)
st_list = []
for k, v in st_dict.items():
if v:
st_list.append(k)
return st_list
MARKET_DICT = {0: '科创板', 1: '创业板', }
IGNORE_MARKET = [0, 1]
def all_codes_in_market():
all_stock_set = set(get_Ashares(date=None))
for ignore_code in IGNORE_MARKET:
market = MARKET_DICT.get(ignore_code)
if market == '科创板':
all_stock_set = all_stock_set - set(filter(lambda x: x.startswith('68'), all_stock_set))
if market == '创业板':
all_stock_set = all_stock_set - set(filter(lambda x: x.startswith('3'), all_stock_set))
return all_stock_set
def create_target(context):
all_stock_set = all_codes_in_market()
st_list = remove_st_stock(list(all_stock_set))
all_stock_set = all_stock_set - set(st_list)
return all_stock_set
调用方式：
stock_target = create_target(None)
这样返回的股票就被排除了科创板，创业板，ST股票。
收起阅读 »
ptrade排除A股创业板，科创板的股票
由于创业板和科创板的股票波动会比沪深主板的要大，所以如果想要按照某些策略，排除这两个板块的股票，可以使用下面的方法：
返回的all_stock_set就是排除了创业板，科创板的股票列表。
ptrade接口文档：http://ptradeapi.com
收起阅读 »
MARKET_DICT = {0: '科创板', 1: '创业板', }
IGNORE_MARKET = [0, 1]
def create_target(context):
all_stock_set = set(get_Ashares(date=None))
for ignore_code in IGNORE_MARKET:
market = MARKET_DICT.get(ignore_code)
if market == '科创板':
all_stock_set = all_stock_set - set(filter(lambda x:x.startswith('68'),all_stock_set))
if market == '创业板':
all_stock_set = all_stock_set - set(filter(lambda x:x.startswith('3'),all_stock_set))
return all_stock_set返回的all_stock_set就是排除了创业板，科创板的股票列表。
ptrade接口文档：http://ptradeapi.com
收起阅读 »
ptrade如何获取某天的全市场股票代码？
ptrade如何获取全市场股票代码？
在ptrade的接口文档http://ptradeapi.com 里面可以查到，
get_Ashares – 获取指定日期A股代码列表
如果不指定日期，则获取单天的A股所有股票的股票代码。
如果在回测的时候，获取的是回测单天额所有股票代码； 如果指定日期，则获取的是指定日期的所有A股股票代码。
让我们来测试一下：
拿到的股票个数是4912个。
然后我对着通达信的所有A股数据比较了一下，get_Ashares 获取的数据不包括北交所，新三板创新创业的股票，也就是不包括4和8开头的股票数据，但包含沪深主板，创业板，科创板的股票数据。
收起阅读 »
在ptrade的接口文档http://ptradeapi.com 里面可以查到，
get_Ashares – 获取指定日期A股代码列表
get_Ashares(date=None)
如果不指定日期，则获取单天的A股所有股票的股票代码。
如果在回测的时候，获取的是回测单天额所有股票代码； 如果指定日期，则获取的是指定日期的所有A股股票代码。
get_Ashares – 获取指定日期A股代码列表get_Ashares(date=None)使用场景
该函数在研究、回测、交易模块可用
接口说明
该接口用于获取指定日期沪深市场的所有A股代码列表
注意事项：
1、在回测中，date不入参默认取回测日期，默认值会随着回测日期变化而变化，等于context.current_dt
2、在研究中，date不入参默认取当天日期
3、在交易中，date不入参默认取当天日期
参数
date：格式为YYYYmmdd
返回
股票代码列表，list类型(list[str,...])
让我们来测试一下：
拿到的股票个数是4912个。
然后我对着通达信的所有A股数据比较了一下，get_Ashares 获取的数据不包括北交所，新三板创新创业的股票，也就是不包括4和8开头的股票数据，但包含沪深主板，创业板，科创板的股票数据。
收起阅读 »
国信可以使用miniqmt吗？
之前群里有国信的小伙伴说，国信的mini qmt无法使用的。
所以笔者特意去问了下国信的好友兼营业部经理，但他回复说，个人只要申请，就可以开通mini qmt。如果不申请，是无法使用的，无法连接上去。
但因为开通这个是不用门槛的，可能会有部分不懂的或者不愿意的经理会和客户说不支持，或者需要机构这样话语。
具体情况，具体分析。
1. 国信证券iQuant策略交易平台精简版是指国信证券iQuant策略交易平台更专业快速且简洁的版本，满足股票、期货、期权、基金等全品种交易需求。
2. 风险等级：R4
投资期限：0-1年
投资品种：权益类投资品种如股票、混合型基金、偏股型基金、股票型基金等。
3. 平台使用不收取费用。
具体的申请表如下：
不过申请了这个权限后，只能进行拉取数据，并没有交易权限。。交易权限需要机构才能开通。郁闷，看来国信的miniqmt是无法进行交易的了，只能白嫖点数据。
如果需要文字word版本，
可以到公众号后台回复: 国信mini申请
获取word版本。
或者加微信开通指定的营业部的国信qmt(iquant), 也可以帮你开通mini qmt。
收起阅读 »
github首页Maximum retries exceeded Please add an env variable called PAT_1 with your token
最近登录github后，发现之前显示的状态都不正常了。
正常的时候是这样的：
但现在提示是这样的：
有两个办法可以解决。
1. Set it up yourself using Vercel (requires some step)
2. Use URL provided by others (The easiest step)
翻译成中文：
1. 自己到vercel上部署一个这样的app （复杂）
2. 换一个其他人部署好的链接 （容易)
一般人就别折腾第一种方法了，直接使用第二种方法就好了。
笔者找了一些其他人部署好的链接：
拿去用就可以了： 收起阅读 »
正常的时候是这样的：
但现在提示是这样的：
Something went wrong! file an issue at https://tiny.one/readme-statsMaximum retries exceeded Please add an env variable called PAT_1 with your github token in vercel
有两个办法可以解决。
1. Set it up yourself using Vercel (requires some step)
2. Use URL provided by others (The easiest step)
翻译成中文：
1. 自己到vercel上部署一个这样的app （复杂）
2. 换一个其他人部署好的链接 （容易)
一般人就别折腾第一种方法了，直接使用第二种方法就好了。
笔者找了一些其他人部署好的链接：
拿去用就可以了：
https://github-readme-stats-git-masterrstaa-rickstaa.vercel.app
By Unknown
https://github-readme-stats-ruby-one.vercel.app
By Claudio Tancredi
https://github-readme-stats-ten-gilt.vercel.app
By Unknown
https://github-readme-stats-61 ... l.app
By Fanwang Meng
https://github-readme-stats.zohan.tech
By Zohan Subhash
https://readme-stats.clckblog.space
By Kevin Zhong
收起阅读 »
目前有万一免五的qmt ptrade量化交易接口的券商吗？
==== 2023-02-03 更新 ======
目前量化qmt 有可以免五的券商了，国信，国元
国元证券万一免五，最低0元起步，免五门槛入金1w，不过开通qmt的门槛是100w
国信证券万一免五，门槛是100门槛，不过如果只是开通qmt（iquant），它的门槛是比较低的，入金2w就可以了
综合来看，如要要用qmt+万一免五，入金要100w的。
目前（截至2023-01-08日） 市场上已经没有可以免五的支持qmt，ptrade的量化交易券商。
当然动辄入金500w-5000W的券商就忽略了，大部分散户是达不到这个资金要求的。
在正常条件下，入金1W 到 50W的范围内，目前多家券商已经停止股票免五了，费率最低是万一， 不过可以在开户后2-6月申请免五。【国金】
或者先把户开了，把量化接口的权限也开了，等到券商可以重新申请免五的时候申请即可。 目前多家券商的营业部老板也承诺了，只要后续免五开放，就可以帮有量化交易权限的用户申请免五。
（最晚大概3月低可以免5）【国盛】
当然如果如果有券商营业部可以支持免五，也可以联系微信自荐，诚意合作。
收起阅读 »
目前量化qmt 有可以免五的券商了，国信，国元
国元证券万一免五，最低0元起步，免五门槛入金1w，不过开通qmt的门槛是100w
国信证券万一免五，门槛是100门槛，不过如果只是开通qmt（iquant），它的门槛是比较低的，入金2w就可以了
综合来看，如要要用qmt+万一免五，入金要100w的。
目前（截至2023-01-08日） 市场上已经没有可以免五的支持qmt，ptrade的量化交易券商。
当然动辄入金500w-5000W的券商就忽略了，大部分散户是达不到这个资金要求的。
在正常条件下，入金1W 到 50W的范围内，目前多家券商已经停止股票免五了，费率最低是万一， 不过可以在开户后2-6月申请免五。【国金】
或者先把户开了，把量化接口的权限也开了，等到券商可以重新申请免五的时候申请即可。 目前多家券商的营业部老板也承诺了，只要后续免五开放，就可以帮有量化交易权限的用户申请免五。
（最晚大概3月低可以免5）【国盛】
当然如果如果有券商营业部可以支持免五，也可以联系微信自荐，诚意合作。
收起阅读 »
ptrade回测结束后执行某个函数，比如保存回测结果
http://ptradeapi.com/#after_trading_end
官方文档只提供一个每天盘后执行的函数，没有函数可以在回测结束后，固定执行某些操作。
比如我回测过程保存的历史交易记录，收益率等，要如何保存？ 虽然可以在回测的时候，每个交易日保存一次。
但是这样就需要在回测的时候按照天打开文件，盘后写入一次。 使用一个全局对象操作，显得很啰嗦。
那么有没有办法可以做在回测结束后一次性 保存操作呢？
答案是有的。也很简单。 适用于ptrade，qmt。
https://t.zsxq.com/09yigu5dy
收起阅读 »
官方文档只提供一个每天盘后执行的函数，没有函数可以在回测结束后，固定执行某些操作。
比如我回测过程保存的历史交易记录，收益率等，要如何保存？ 虽然可以在回测的时候，每个交易日保存一次。
但是这样就需要在回测的时候按照天打开文件，盘后写入一次。 使用一个全局对象操作，显得很啰嗦。
那么有没有办法可以做在回测结束后一次性 保存操作呢？
答案是有的。也很简单。 适用于ptrade，qmt。
https://t.zsxq.com/09yigu5dy
收起阅读 »
ptrade回测 获取回测当天的分时数据
http://ptradeapi.com/#get_price
ptrade api的文档第3条表明，
也就是用get_price是拿不到回测当天的数据。
比如下面的例子：
返回的数据：
回测日期是2022-12-01日，每天09:36运行，那10根数据。
但返回的数据是昨天的收盘前的10根分时数据。并非当天9：36分开始拿10根bar。
如果把日期数据也固定，
实际拿到的数据是空的，也就是无法拿到当天的数据。
正确的用法：
返回的数据：
欢迎关注公众号
收起阅读 »
ptrade api的文档第3条表明，
3、数据返回内容不包括当天数据。
也就是用get_price是拿不到回测当天的数据。
比如下面的例子：
def initialize(context):
# 初始化策略
run_daily(context, execute, '09:36')
def handle_data(context, data):
pass
def execute(context):
current = context.blotter.current_dt.strftime('%Y-%m-%d')
log.info(current)
security='128025.SZ'
df = get_price(security, start_date=None, end_date=None, frequency='1m', fields=None, fq=None, count=10)
log.info(df)
返回的数据：
2023-01-01 15:31:21 开始运行回测, 策略名称: 四叶草-指定时间价格
2022-12-01 09:36:00 - INFO - 2022-12-01
2022-12-01 09:36:00 - INFO - open high low close volume \
2022-11-30 14:51:00 276.510 276.560 274.626 275.500 217510.0
2022-11-30 14:52:00 275.240 278.638 275.205 278.398 363820.0
2022-11-30 14:53:00 278.485 278.895 276.660 277.479 307570.0
2022-11-30 14:54:00 277.337 278.440 276.660 278.440 239370.0
2022-11-30 14:55:00 279.900 287.113 279.900 287.113 853170.0
2022-11-30 14:56:00 287.113 288.526 286.533 288.125 581860.0
2022-11-30 14:57:00 288.126 291.800 287.909 291.361 523580.0
2022-11-30 14:58:00 291.500 292.980 291.500 291.800 36480.0
2022-11-30 14:59:00 291.800 291.800 291.800 291.800 0.0
2022-11-30 15:00:00 292.510 292.510 292.510 292.510 421398.0
回测日期是2022-12-01日，每天09:36运行，那10根数据。
但返回的数据是昨天的收盘前的10根分时数据。并非当天9：36分开始拿10根bar。
如果把日期数据也固定，
df = get_price(security, start_date='2022-12-01', end_date=None, frequency='1m', fields=None, fq=None, count=10)
实际拿到的数据是空的，也就是无法拿到当天的数据。
正确的用法：
def initialize(context):
# 初始化策略
run_daily(context, execute, '09:36')
def handle_data(context, data):
pass
def execute(context):
current = context.blotter.current_dt.strftime('%Y-%m-%d')
log.info(current)
security='128025.SZ'
count=6
df=get_history(count, frequency='1m', field='close', security_list=security, fq=None, include=False, fill='nan')
log.info(df)
返回的数据：
欢迎关注公众号
收起阅读 »
Ptrade获取可转债强赎数据
对于强赎的可转债而言，期权价值归0，叠加一个转股压力。类似于股票解禁的效果，导致转债和正股一起下跌。
所以在可转债的策略里面，把强赎的转债排除掉，是一个不错的因子。
但内置的ptrade接口数据并无提供任何转债相关的数据。
不过笔者这里提供了一个自研的数据接口。
http://ptradeapi.com/#%E5%8F%AF%E8%BD%AC%E5%80%BA%E5%BC%BA%E8%B5%8E%E4%B8%8E%E6%95%B0%E6%97%A5%E5%AD%90
方便在ptrade里面调用。
收起阅读 »
所以在可转债的策略里面，把强赎的转债排除掉，是一个不错的因子。
但内置的ptrade接口数据并无提供任何转债相关的数据。
不过笔者这里提供了一个自研的数据接口。
http://ptradeapi.com/#%E5%8F%AF%E8%BD%AC%E5%80%BA%E5%BC%BA%E8%B5%8E%E4%B8%8E%E6%95%B0%E6%97%A5%E5%AD%90
方便在ptrade里面调用。
收起阅读 »
ubuntu snap 配置不更新新软件
它默认会自动更新软件，非常的烦。
网上的禁用方法
在ubuntu20.04上是没有用的。因为它的snap不是最新的。要在ubuntu22.04上才可以。
在ubuntu 20.04上，
网上说 snap最多只能设置60天内不更新，所以还需要配合crontab，在计划任务里面设置时间。
收起阅读 »
网上的禁用方法
$ snap refresh --hold
error: unknown flag `hold'
在ubuntu20.04上是没有用的。因为它的snap不是最新的。要在ubuntu22.04上才可以。
在ubuntu 20.04上，
$ sudo snap set system refresh.hold="2030-01-01T01:00:00-01:00"
$ sudo snap set system refresh.metered=hold
网上说 snap最多只能设置60天内不更新，所以还需要配合crontab，在计划任务里面设置时间。
收起阅读 »
