def initialize(context):

    run_daily(context, event, '09:38')





def handle_data(context, data):

    pass





def event(context):

    his60 = get_history(60, '1d', ['close'],  ['515220.SS'], fq='pre', include=False)

    print(his60)

# coding:gbk

def init(C):

    pass



def handlebar(C):

    iopv = get_etf_iopv("159928.SZ")

    print(f'基金净值为{iopv}')

    info = get_etf_info('513520.SH')

    print(f'基金申购信息： {info}')

# coding:gbk

# 公众号:可转债量化分析

DEBUG = True

import time

def get_datetime(ContextInfo):

    # 获取当前时间

    index = ContextInfo.barpos

    realtime = ContextInfo.get_bar_timetag(index)

    date = timetag_to_datetime(realtime, "%Y-%m-%d %H:%M:%S")

    if DEBUG:

        print('当前日期 ', date)

    return date

    

def init(ContextInfo):

    print("==============start==========")

    ContextInfo.start = '2024-03-27 10:00:00'

    ContextInfo.end = '2024-03-29 10:00:00'

    # 

    #ContextInfo.end = '2023-01-05'

    #ContextInfo.start = '2023-01-16'

    print('init')

    

def handlebar(ContextInfo):

    # 回测的时候不需要

    #if not ContextInfo.is_last_bar():

    #    print('return')

    #    return

    get_datetime(ContextInfo)

    print('handlebar')

    data = ContextInfo.get_market_data(['quoter'], stock_code = ['123167.SZ'], skip_paused = True, period = 'tick', dividend_type = 'front')

    

    #data = ContextInfo.get_market_data(['close'], stock_code = ['113567.SH'], skip_paused = True, period = '1d', dividend_type = 'front')

    #print(type(data))

    print(data)



def stop(ContextInfo):

    print( 'strategy is stop !')

# 用前须知



## xtdata提供和MiniQmt的交互接口，本质是和MiniQmt建立连接，由MiniQmt处理行情数据请求，再把结果回传返回到python层。使用的行情服务器以及能获取到的行情数据和MiniQmt是一致的，要检查数据或者切换连接时直接操作MiniQmt即可。



## 对于数据获取接口，使用时需要先确保MiniQmt已有所需要的数据，如果不足可以通过补充数据接口补充，再调用数据获取接口获取。



## 对于订阅接口，直接设置数据回调，数据到来时会由回调返回。订阅接收到的数据一般会保存下来，同种数据不需要再单独补充。



# 代码讲解



# 从本地python导入xtquant库，如果出现报错则说明安装失败

from xtquant import xtdata

import time



# 设定一个标的列表

code_list = ["000001.SZ"]

# 设定获取数据的周期

period = "1d"



# 下载标的行情数据

if 1:

    ## 为了方便用户进行数据管理，xtquant的大部分历史数据都是以压缩形式存储在本地的

    ## 比如行情数据，需要通过download_history_data下载，财务数据需要通过

    ## 所以在取历史数据之前，我们需要调用数据下载接口，将数据下载到本地

    for i in code_list:

        xtdata.download_history_data(i,period=period,incrementally=True) # 增量下载行情数据（开高低收,等等）到本地

    

    xtdata.download_financial_data(code_list) # 下载财务数据到本地

    xtdata.download_sector_data() # 下载板块数据到本地

    # 更多数据的下载方式可以通过数据字典查询



# 读取本地历史行情数据

history_data = xtdata.get_market_data_ex(,code_list,period=period,count=-1)

print(history_data)

print("=" * 20)



# 如果需要盘中的实时行情，需要向服务器进行订阅后才能获取

# 订阅后，get_market_data函数于get_market_data_ex函数将会自动拼接本地历史行情与服务器实时行情



# 向服务器订阅数据

for i in code_list:

    xtdata.subscribe_quote(i,period=period,count=-1) # 设置count = -1来取到当天所有实时行情



# 等待订阅完成

time.sleep(1)



# 获取订阅后的行情

kline_data = xtdata.get_market_data_ex(,code_list,period=period)

print(kline_data)



# 获取订阅后的行情，并以固定间隔进行刷新,预期会循环打印10次

for i in range(10):

    # 这边做演示，就用for来循环了，实际使用中可以用while True

    kline_data = xtdata.get_market_data_ex(,code_list,period=period)

    print(kline_data)

    time.sleep(3) # 三秒后再次获取行情



# 如果不想用固定间隔触发，可以以用订阅后的回调来执行

# 这种模式下当订阅的callback回调函数将会异步的执行，每当订阅的标的tick发生变化更新，callback回调函数就会被调用一次

# 本地已有的数据不会触发callback

    

# 定义的回测函数

    ## 回调函数中，data是本次触发回调的数据，只有一条

def f(data):

    # print(data)

    

    code_list = list(data.keys())    # 获取到本次触发的标的代码



    kline_in_callabck = xtdata.get_market_data_ex(,code_list,period = period)    # 在回调中获取klines数据

    print(kline_in_callabck)



for i in code_list:

    xtdata.subscribe_quote(i,period=period,count=-1,callback=f) # 订阅时设定回调函数



# 使用回调时，必须要同时使用xtdata.run()来阻塞程序，否则程序运行到最后一行就直接结束退出了。

xtdata.run()

#coding:utf-8

import time, datetime, traceback, sys

from xtquant import xtdata

from xtquant.xttrader import XtQuantTrader, XtQuantTraderCallback

from xtquant.xttype import StockAccount

from xtquant import xtconstant



#定义一个类 创建类的实例 作为状态的容器

class _a():

    pass

A = _a()

A.bought_list = 

A.hsa = xtdata.get_stock_list_in_sector('沪深A股')



def interact():

    """执行后进入repl模式"""

    import code

    code.InteractiveConsole(locals=globals()).interact()

xtdata.download_sector_data()



def f(data):

    now = datetime.datetime.now()

    for stock in data:

        if stock not in A.hsa:

            continue

        cuurent_price = data[stock]['lastPrice']

        pre_price = data[stock]['lastClose']

        ratio = cuurent_price / pre_price - 1 if pre_price > 0 else 0

        if ratio > 0.09 and stock not in A.bought_list:

            print(f"{now} 最新价 买入 {stock} 200股")

            async_seq = xt_trader.order_stock_async(acc, stock, xtconstant.STOCK_BUY, 200, xtconstant.LATEST_PRICE, -1, 'strategy_name', stock)

            A.bought_list.append(stock)

    

class MyXtQuantTraderCallback(XtQuantTraderCallback):

    def on_disconnected(self):

        """

        连接断开

        :return:

        """

        print(datetime.datetime.now(),'连接断开回调')



    def on_stock_order(self, order):

        """

        委托回报推送

        :param order: XtOrder对象

        :return:

        """

        print(datetime.datetime.now(), '委托回调', order.order_remark)





    def on_stock_trade(self, trade):

        """

        成交变动推送

        :param trade: XtTrade对象

        :return:

        """

        print(datetime.datetime.now(), '成交回调', trade.order_remark)





    def on_order_error(self, order_error):

        """

        委托失败推送

        :param order_error:XtOrderError 对象

        :return:

        """

        # print("on order_error callback")

        # print(order_error.order_id, order_error.error_id, order_error.error_msg)

        print(f"委托报错回调 {order_error.order_remark} {order_error.error_msg}")



    def on_cancel_error(self, cancel_error):

        """

        撤单失败推送

        :param cancel_error: XtCancelError 对象

        :return:

        """

        print(datetime.datetime.now(), sys._getframe().f_code.co_name)



    def on_order_stock_async_response(self, response):

        """

        异步下单回报推送

        :param response: XtOrderResponse 对象

        :return:

        """

        print(f"异步委托回调 {response.order_remark}")



    def on_cancel_order_stock_async_response(self, response):

        """

        :param response: XtCancelOrderResponse 对象

        :return:

        """

        print(datetime.datetime.now(), sys._getframe().f_code.co_name)



    def on_account_status(self, status):

        """

        :param response: XtAccountStatus 对象

        :return:

        """

        print(datetime.datetime.now(), sys._getframe().f_code.co_name)





if __name__ == '__main__':

    print("start")

    #指定客户端所在路径

    path = r'D:\qmt\sp3\迅投极速交易终端 睿智融科版\userdata_mini'

    # 生成session id 整数类型 同时运行的策略不能重复

    session_id = int(time.time())

    xt_trader = XtQuantTrader(path, session_id)

    # 开启主动请求接口的专用线程 开启后在on_stock_xxx回调函数里调用XtQuantTrader.query_xxx函数不会卡住回调线程，但是查询和推送的数据在时序上会变得不确定

    # 详见: http://docs.thinktrader.net/vip/pages/ee0e9b/#开启主动请求接口的专用线程

    # xt_trader.set_relaxed_response_order_enabled(True)



    # 创建资金账号为 800068 的证券账号对象

    acc = StockAccount('800068', 'STOCK')

    # 创建交易回调类对象，并声明接收回调

    callback = MyXtQuantTraderCallback()

    xt_trader.register_callback(callback)

    # 启动交易线程

    xt_trader.start()

    # 建立交易连接，返回0表示连接成功

    connect_result = xt_trader.connect()

    print('建立交易连接，返回0表示连接成功', connect_result)

    # 对交易回调进行订阅，订阅后可以收到交易主推，返回0表示订阅成功

    subscribe_result = xt_trader.subscribe(acc)

    print('对交易回调进行订阅，订阅后可以收到交易主推，返回0表示订阅成功', subscribe_result)



    #这一行是注册全推回调函数 包括下单判断 安全起见处于注释状态 确认理解效果后再放开

    # xtdata.subscribe_whole_quote(["SH", "SZ"], callback=f)

    # 阻塞主线程退出

    xt_trader.run_forever()

    # 如果使用vscode pycharm等本地编辑器 可以进入交互模式 方便调试 （把上一行的run_forever注释掉 否则不会执行到这里）

    interact()

def get_all_market_code(ContextInfo):



    all_market_codes = [item for item in ContextInfo.get_stock_list_in_sector('沪深A股') if not item.endswith('BJ')]

    return filter_ST_stock(ContextInfo, all_market_codes)

    

    

def filter_ST_stock(ContextInfo, code_list):

    result = []

    for code in code_list:

        if re.search('(st)|(ST)|(\*st)|(\*ST)|(退)',ContextInfo.get_stock_name(code)):

            print('排除 ： ',ContextInfo.get_stock_name(code),code)

            continue

        result.append(code)

    return result

    

global_dict = {}



def init(ContextInfo):

    now = time.ctime()

    print('策略初始化{}'.format(now))

    need_download = 1

    global_dict['start_date'] = '20231201'

    global_dict['end_date'] = ''

    global_dict['code_list'] = get_all_market_code(ContextInfo)

    

# coding:gbk

import time





class G():

    pass





g = G()





def init(ContextInfo):

    g.hsa = [item for item in ContextInfo.get_stock_list_in_sector('沪深A股') if not item.endswith('BJ')]

    g.vol_dict = {}

    for stock in g.hsa:

        g.vol_dict[stock] = ContextInfo.get_last_volume(stock)

    ContextInfo.run_time("execution", "1nSecond", "2019-10-14 13:20:00")





def execution(ContextInfo):

    t0 = time.time()

    full_tick = ContextInfo.get_full_tick(g.hsa)

    total_market_value = 0

    total_ratio = 0

    count = 0

    for stock in g.hsa:

        if full_tick[stock]['lastClose'] == 0:

            continue

        ratio = full_tick[stock]['lastPrice'] / full_tick[stock]['lastClose'] - 1

        rise_price = round(full_tick[stock]['lastClose'] * 1.2, 2) if stock[0] == '3' or stock[:3] == '688' else round(

            full_tick[stock]['lastClose'] * 1.1, 2)

        # 如果要打印涨停品种

        if abs(full_tick[stock]['lastPrice'] - rise_price) <0.01:

            print(f"涨停股票 {stock} {ContextInfo.get_stock_name(stock)}")



        market_value = full_tick[stock]['lastPrice'] * g.vol_dict[stock]

        total_ratio += ratio * market_value

        total_market_value += market_value

        count += 1

    # print(count)

    total_ratio /= total_market_value

    total_ratio *= 100

    print(f'A股加权涨幅 {round(total_ratio, 2)}% 函数运行耗时{round(time.time() - t0, 5)}秒')

#-*-coding:gbk-*-

import datetime

code = '838402.BJ'

def init(ContextInfo):

    now = datetime.datetime.now()

    print(now)



def handlebar(ContextInfo):

    index = ContextInfo.barpos

    realtime = ContextInfo.get_bar_timetag(index)

    date = timetag_to_datetime(realtime, "%Y-%m-%d %H:%M:%S")

    info = ContextInfo.get_full_tick(stock_code=["838402.BJ"])

    print(info)

#-*-coding:gbk-*-

import datetime



code = '838402.BJ'

def init(ContextInfo):

    now = datetime.datetime.now()

    print(now)

    download_history_data(code,"1d","20240105","")



def handlebar(ContextInfo):

    index = ContextInfo.barpos

    realtime = ContextInfo.get_bar_timetag(index)

    date = timetag_to_datetime(realtime, "%Y-%m-%d %H:%M:%S")

    print(date)

    hist = ContextInfo.get_market_data_ex(['close'],[code], period = "1d",count = 1)

    print(hist)

class a():

	pass

A = a()

class A():

	pass

a = A()

class GlobalCls():

    pass

    

g = GlobalCls()

文件编码声明： #coding:gbk 是指定源文件的编码格式为GBK。在Python 3中，通常使用UTF-8作为文件编码格式，因此可以将该行删除或更改为#coding:utf-8。



类名和函数名： 根据PEP 8命名约定，类名应该使用大写字母开头的驼峰命名法（例如A改为A）。同样，函数名应该使用小写字母开头的小写命名法（例如init改为init，f改为f）。



类和实例： 在代码中定义了一个空类a，但没有给它任何属性或方法。如果不需要这个类，可以将其删除。



缩进和代码格式： Python非常依赖于正确的缩进，以指示代码块的层次结构。请确保代码的缩进是一致的，并使用适当的缩进级别（通常是4个空格）。



代码注释： 代码中有一些注释，但是大部分是被注释掉的。良好的注释可以增加代码的可读性和可维护性，建议在关键部分添加更多有用的注释。



异常处理： 代码中没有包含任何异常处理机制。在实际应用中，建议对可能引发异常的操作进行适当的异常处理，以提高代码的健壮性。

		rise_price = round(full_tick[stock]['lastClose'] *1.2,2) if stock[0] == '3' or stock[:3] == '688' else round(full_tick[stock]['lastClose'] *1.1,2)

#-*-coding:gbk-*-

import time

start = False

ACCOUNT = ''



def init(ContextInfo):

    now = time.ctime()

    print(now)

    ContextInfo.run_time("execution","30nSecond","2023-04-14 13:20:00")





def execution(ContextInfo):

    data = ContextInfo.get_stock_list_in_sector('沪深A股')

    print(len(data))



def handlebar(ContextInfo):

    pass

【2023-10-25 15:18:45.533】  start trading mode

【2023-10-25 15:18:45.533】  Wed Oct 25 15:18:45 2023



【2023-10-25 15:18:45.533】  5074

['000001.SZ', '000002.SZ', '000004.SZ', '000005.SZ', '000006.SZ', '000007.SZ', '000008.SZ', '000009.SZ', '000010.SZ', '000011.SZ', '000012.SZ', '000014.SZ', '000016.SZ', '000017.SZ', '000019.SZ', '000020.SZ', '000021.SZ', '000023.SZ', '000025.SZ', '000026.SZ', '000027.SZ', '000028.SZ', '000029.SZ', '000030.SZ', '000031.SZ', '000032.SZ', '000034.SZ', '000035.SZ', '000036.SZ', '000037.SZ', '000039.SZ', '000040.SZ', '000042.SZ', '000045.SZ', '000046.SZ', '000048.SZ', '000049.SZ', '000050.SZ', '000055.SZ', '000056.SZ', '000058.SZ', '000059.SZ', '000060.SZ', '000061.SZ', '000062.SZ', '000063.SZ', '000065.SZ', '000066.SZ', '000068.SZ', '000069.SZ', '000070.SZ', '000078.SZ', '000088.SZ', '000089.SZ', '000090.SZ', '000096.SZ', '000099.SZ', '000100.SZ', '000151.SZ', '000153.SZ', '000155.SZ', '000156.SZ', '000157.SZ', '000158.SZ', '000159.SZ', '000166.SZ', '000301.SZ', '000333.SZ', '000338.SZ', '000400.SZ', '000401.SZ', '000402.SZ', '000403.SZ', '000404.SZ', '000407.SZ', '000408.SZ', '000409.SZ', '000410.SZ', '000411.SZ', '000413.SZ', '000415.SZ', '000416.SZ', '000417.SZ', '000419.SZ', '000420.SZ', '000421.SZ', '000422.SZ', '000423.SZ', '000425.SZ', '000426.SZ',

 2023-10-18 09:25:12 - ERROR - 全局对象g持久化对象保存失败，对象名：TARGET_STOCK_CODE，错误原因：Traceback (most recent call last):
  File "./fly_docker/IQEngine/utils/global_variable.py", line 50, in save
_pickle.PicklingError: Can't pickle <class 'IQEngine.user_module.PositionManager'>: attribute lookup PositionManager on IQEngine.user_module failed

up_px:涨停价格(str:float)；

down_px:跌停价格(str:float)；

使用场景

该函数仅在交易模块可用。



接口说明

该接口用于标识当日股票的涨跌停情况。



注意事项：



无



参数

security：单只股票代码或者多只股票代码组成的列表，必填字段(list[str]/str)；



返回

正常返回一个dict类型数据，包含每只股票代码的涨停状态。多只股票代码查询时其中部分股票代码查询异常则该代码返回既不涨停也不跌停状态0。(dict[str:int])



涨跌停状态说明：



2：触板涨停（已经是涨停价格，但还有卖盘）；

1：涨停；

0：既不涨停也不跌停；

-1：跌停；

-2：触板跌停（已经是跌停价格，但还有买盘）；

def initialize(context):

    g.security = '600570.SS'

    set_universe(g.security)



def handle_data(context, data):

    # 代码涨跌停状态

    stock_flag = check_limit(g.security)

    log.info(stock_flag)

    def modify_code(self, x):

        return x + '.SZ' if x.startswith('12') else x + '.SS'

 

仿真账户： ***** / ******  量化回测：支持1分钟、日线回测。 量化交易：支持LEVEL1 tick股票交易。 量化研究：提供云Ipython Notebook研究环境、行情数据2005年至今、可使用全市场金融数据。