import datetime



target_list = [

'600000.SS', 

'000333.SZ'

]



def execution(context, data):

    now = context.current_dt.strftime('%H:%M')

	for code in target_list:

        tick_info = data[code]

        price = tick_info['price']

        print('now: {} code : {} price:{}'.format(now,code ,price))

        







# 标准

def initialize(context):

    log.info("公众号：可转债量化分析 ---- start ----")





def handle_data(context, data):

    execution(context, data)

2024-09-20 14:42:00 - INFO - now: 14:42 code : 000333.SZ price:66.22

2024-09-20 14:43:00 - INFO - now: 14:43 code : 000333.SZ price:66.26

2024-09-20 14:44:00 - INFO - now: 14:44 code : 000333.SZ price:66.19

2024-09-20 14:45:00 - INFO - now: 14:45 code : 000333.SZ price:66.2

2024-09-20 14:46:00 - INFO - now: 14:46 code : 000333.SZ price:66.19

2024-09-20 14:47:00 - INFO - now: 14:47 code : 000333.SZ price:66.18

2024-09-20 14:48:00 - INFO - now: 14:48 code : 000333.SZ price:66.14

2024-09-20 14:49:00 - INFO - now: 14:49 code : 000333.SZ price:66.25

2024-09-20 14:50:00 - INFO - now: 14:50 code : 000333.SZ price:66.19

2024-09-20 14:51:00 - INFO - now: 14:51 code : 000333.SZ price:66.18

2024-09-20 14:52:00 - INFO - now: 14:52 code : 000333.SZ price:66.19

2024-09-20 14:53:00 - INFO - now: 14:53 code : 000333.SZ price:66.2

2024-09-20 14:54:00 - INFO - now: 14:54 code : 000333.SZ price:66.19

2024-09-20 14:55:00 - INFO - now: 14:55 code : 000333.SZ price:66.25

2024-09-20 14:56:00 - INFO - now: 14:56 code : 000333.SZ price:66.27

2024-09-20 14:57:00 - INFO - now: 14:57 code : 000333.SZ price:66.28

2024-09-20 14:58:00 - INFO - now: 14:58 code : 000333.SZ price:66.28

2024-09-20 14:59:00 - INFO - now: 14:59 code : 000333.SZ price:66.28

2024-09-20 15:00:00 - INFO - now: 15:00 code : 000333.SZ price:66.06

# -*-coding:gbk-*-

# 作者公众号：可转债量化分析

import datetime

import json

import redis



####### 以下为固定配置，请勿随意修改 ##########

# 注意：程序需要在9：30前启动



START_TIME = '09:30'  # 启动时间，可以修改为开盘任意时间9：30-14：57

STOCK_ACCOUNT = ''  # 股票账户





INTERVAL_SECOND = 60  # 交易间隔

INTERVAL_STRING = "{}nSecond".format(INTERVAL_SECOND)



def today_date():

    return datetime.datetime.now().strftime('%Y%m%d')





def init(ContextInfo):

    now = datetime.datetime.now()

    print('策略初始化 {}'.format(now))

    now = datetime.datetime.now()

    running_time = '{} {}'.format(today_date(), START_TIME)

    print('策略初始化 {} , 程序启动时间 {}'.format(now, START_TIME))

    ContextInfo.run_time("execution", INTERVAL_STRING, running_time)







def handlebar(ContextInfo):

    pass

    

def execution(ContextInfo):

    if not ContextInfo.is_last_bar():

        return

    now = datetime.datetime.now()

    print(now)

#encoding:gbk





import requests



def get_baidu():



    url = 'https://www.baidu.com'

    req = requests.get(url,headers={'User-Agent':'Mozilla/5.0'})

    print(req.text)

    

def init(ContextInfo):

    get_baidu()

    

def handlebar(ContextInfo):

    pass

def base_usage():

    print('start')

    r = RedisCls()

    data = {'name': 'zhangsan', 'age': 18}

    key = 'test_key'

    r.push(key, json.dumps(data))

    print('push')

    print(r.delete('key'))  # reutrn 1 if delete success, else return 0

    start_time = time.time()

    ret_data = r.pop(key)

    end_time = time.time()

    print('cost time: ', end_time - start_time)

    print(ret_data)







base_usage()

# encoding:gbk



ACCOUNT = 'xxxxxxx' # 填入你的QMT账户ID, 如果没有，可以联系我开通 QMT权限





def init(ContextInfo):

    # hs300成分股中sh和sz市场各自流通市值最大的前3只股票

    pass





def handlebar(ContextInfo):

    # 计算当前主图的cci

    position_info = get_trade_detail_data(ACCOUNT, 'stock', 'position')

    for i in position_info:

        print('股票', i.m_strInstrumentID, '持仓数',

              i.m_nVolume, '持有成本', round(i.m_dOpenPrice, 2),

              '持仓盈亏', round(i.m_dPositionProfit, 2),

              '持仓盈亏比例', round(i.m_dProfitRate*100, 2)

              )

get_sort_msg(sort_type_grp=None, sort_field_name=None, sort_type=1, data_count=100)

import datetime

START_TIME = (datetime.datetime.now() + datetime.timedelta(minutes=1)).strftime('%H:%M')





def execution(context):

    #获取XBHS.GN的概念排名信息

    sort_data = get_sort_msg(sort_type_grp='XBHS.GN', sort_field_name='px_change_rate', sort_type=1, data_count=100)



    for data in sort_data:

        log.info('板块： {} '.format(data['prod_name']))

        for sub_stock in data['rise_first_grp']:

            log.info('{} 涨幅 ：{}'.format(sub_stock['prod_name'],sub_stock['px_change_rate']))

        

        log.info('\n')





def initialize(context):

    # 初始化策略

    run_daily(context, execution, time=START_TIME)  # 扫描

    log.info("公众号：可转债量化分析\n")



def handle_data(context, data):

    pass

prod_code: 行业代码(str:str)；

prod_name: 行业名称(str:str)；

hq_type_code: 行业板块代码(str:str)；

time_stamp: 时间戳毫秒级(str:int)；

trade_mins: 交易分钟数(str:int)；

trade_status: 交易状态(str:str)；

preclose_px: 昨日收盘价(str:float)；

open_px: 今日开盘价(str:float)；

last_px: 最新价(str:float)；

high_px: 最高价(str:float)；

low_px: 最低价(str:float)；

wavg_px: 加权平均价(str:float)；

business_amount: 总成交量(str:int)；

business_balance: 总成交额(str:int)；

px_change: 涨跌额(str:float)；

amplitude: 振幅(str:int)；

px_change_rate: 涨跌幅(str:float)；

circulation_amount: 流通股本(str:int)；

total_shares: 总股本(str:int)；

market_value: 市值(str:int)；

circulation_value: 流通市值(str:int)；

vol_ratio: 量比(str:float)；

shares_per_hand: 每手股数(str:int)；

rise_count: 上涨家数(str:int)；

fall_count: 下跌家数(str:int)；

member_count: 成员个数(str:int)；

rise_first_grp: 领涨股票(其包含以下五个字段)(str:list[dict{str:int,str:str,str:str,str:float,str:float},...])；

prod_code: 股票代码(str:str)；

prod_name: 证券名称(str:str)；

hq_type_code: 类型代码(str:str)；

last_px: 最新价(str:float)；

px_change_rate: 涨跌幅(str:float)；

fall_first_grp: 领跌股票(其包含以下五个字段)(str:list[dict{str:int,str:str,str:str,str:float,str:float},...])；

prod_code: 股票代码(str:str)；

prod_name: 证券名称(str:str)；

hq_type_code: 类型代码(str:str)；

last_px: 最新价(str:float)；

px_change_rate: 涨跌幅(str:float)；

def initialize(context):

    # 初始化策略

    engine = DBSelector().get_engine()

    df = pd.read_sql('select * from tb_holding_stock_list', con=engine)

    df['code']=df['code'].astype(str)

    result = {}

    for index, row in df.iterrows():

        code = add_code_postfix(row['code'])

        result[code] = {'name': row['name'], 'source': row['source']}

    g.holding_stock_dict = result

    g.holding_stock_list = list(result.keys())

    g.__cache = Cache()



    run_interval(context, execution, seconds=INTERVAL)  # 扫描





def handle_data(context, data):

    pass





def tick_data(context, data):

    pass



def before_trading_start(context, data):

    '''

    盘前

    '''

    if DEBUG:

        log.info('盘前运行开始', str(context.blotter.current_dt))





def after_trading_end(context, data):

    '''

    盘后

    '''

    if DEBUG:

        log.info('盘后时间 ', str(context.blotter.current_dt))

def execution(context):

    tick_info = get_snapshot(g.holding_stock_list)

    for code, tick in tick_info.items():

        px_change_rate = tick['px_change_rate']

        if px_change_rate > abs(HIT_TARGET):

            if g.__cache.check(code):

                # 通知

                name = g.holding_stock_dict.get(code)['name']

                source = g.holding_stock_dict.get(code)['source']

                msg = '{}-{} 涨幅-{},{}'.format(code,

                                              name, px_change_rate, source)

                send_message_via_wechat(msg)

js_data = {

"ErrCode": 0,

"ErrMsg": "0",

"Datas": [

{

"_id": "001171",

"CODE": "001171",

"NAME": "工银养老产业股票A",

"STOCKMARKET": "",

"NEWTEXCH": ""

},

......... # 省略若干

]

}

import akshare as ak



def get_fund_info(code,name):

    fund_open_fund_info_em_df = ak.fund_open_fund_info_em(symbol=code, indicator="累计收益率走势",period="3年")

    latest_perf = fund_open_fund_info_em_df.iloc[-1]['累计收益率']

    return {'code':code,'profit':latest_perf,'name':name}

fund_perf_list = []

for item in js_data['Datas']:

    print('processing code {}'.format(item['CODE']))

    try:

        fund_perf_list.append(get_fund_info(item['CODE'],item['NAME']))

        time.sleep(0.5)

    except Exception as e:

        print('error in processing code {}'.format(item['CODE']))

        print(e)

import pandas as pd

df = pd.DataFrame(fund_perf_list)



rank_df = df.sort_values(by='profit')

rank_df.to_excel('亏麻的养老基金.xlsx')

fof_fund_df = rank_df[rank_df['name'].str.contains('FOF')]

fof_fund_df.plot(kind='hist',bins=20,y='profit',width=2,grid=True)

您的连接不是私密连接

攻击者可能会试图从 139.224.24.109 窃取您的信息（例如：密码、通讯内容或信用卡信息）。了解详情

NET::ERR_CERT_COMMON_NAME_INVALID

如果您想获得 Chrome 最高级别

7、该接口只能获取2005年后的数据。

test_data = data = get_price(security='000001.SS',start_date='20050201',end_date='20050630',frequency='1d')

# encoding:gbk

'''

实盘可以执行

固定数量

'''

import datetime





ACCOUNT = ''





def init(ContextInfo):

    ContextInfo.set_account(ACCOUNT)





def get_position_infos():

    # 信用账户可用资金

    position_infos = get_trade_detail_data(ACCOUNT, 'stock', 'position')

    



    pos_dict={}

    for pos in position_infos:

        code = pos.m_strInstrumentID

        if pos.m_nVolume > 0:

            pos_dict[code] = pos.m_nVolume

    return pos_dict

    

datax = get_position_infos() # 这里error



def handlebar(ContextInfo):

    if ContextInfo.is_last_bar():

        current = datetime.datetime.now().strftime('%H:%M:%S.%f')

        print(datax)

        

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()