通知设置 新通知
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
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 1769 次浏览 • 2023-03-02 15:57
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
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
查看全部
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
查看全部
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
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
qmt position对象里面有哪些属性？
QMT • 李魔佛 发表了文章 • 0 个评论 • 1065 次浏览 • 2023-02-27 22:12
查看属性的代码：
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。
查看全部
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。
查看全部
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。
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。
qmt 可转债 双低(阈值)轮动 实盘代码
QMT • 李魔佛 发表了文章 • 0 个评论 • 1708 次浏览 • 2023-02-26 15:18
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。
查看全部
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。
查看全部
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。
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。
qmt软件里面的快速计算是在什么模式下使用的？
QMT • 李魔佛 发表了文章 • 0 个评论 • 1027 次浏览 • 2023-02-25 13:35
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：
def init(ContextInfo):
print("==============start==========")
ContextInfo.start = '2023-02-20 10:00:00'
ContextInfo.end = '2023-02-23 10:00:00'或者在回测参数里面设置的时间：
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
查看全部
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):
print("==============start==========")
ContextInfo.start = '2023-02-20 10:00:00'
ContextInfo.end = '2023-02-23 10:00:00'或者在回测参数里面设置的时间：
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
查看全部
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
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
qmt隔夜文件单（python代码实现）实盘代码
QMT • 李魔佛 发表了文章 • 0 个评论 • 1440 次浏览 • 2023-02-24 14:17
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 查看全部
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 查看全部
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
qmt的文档写的有点稀烂
QMT • 李魔佛 发表了文章 • 0 个评论 • 1045 次浏览 • 2023-02-21 12:41
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
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
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。
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 / %）
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（%）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。
看完不想吐槽了，一群文科生设计的软件。。。
查看全部
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
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
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。
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 / %）
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（%）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。
看完不想吐槽了，一群文科生设计的软件。。。
查看全部
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。。。
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。。。
为什么我的QMT安装目录下没有miniqmt的包xtquant
QMT • 李魔佛 发表了文章 • 0 个评论 • 1085 次浏览 • 2023-02-20 21:00
今天有位群友，qmt新手，说看了我的公众号，想搞miniQMT，结果发现安装了国盛的QMT之后没有发现xtquant的目录。
他安装的也是实盘正式版本的QMT。
那么问题出现在哪里呢？
主要问题在于它没有在qmt内部 下载内置的python库。
经过这个下载过程后。
然后就可以看到有site-packages了
查看全部
他安装的也是实盘正式版本的QMT。
那么问题出现在哪里呢？
主要问题在于它没有在qmt内部 下载内置的python库。
经过这个下载过程后。
然后就可以看到有site-packages了
查看全部
今天有位群友，qmt新手，说看了我的公众号，想搞miniQMT，结果发现安装了国盛的QMT之后没有发现xtquant的目录。
他安装的也是实盘正式版本的QMT。
那么问题出现在哪里呢？
主要问题在于它没有在qmt内部 下载内置的python库。
经过这个下载过程后。
然后就可以看到有site-packages了
他安装的也是实盘正式版本的QMT。
那么问题出现在哪里呢？
主要问题在于它没有在qmt内部 下载内置的python库。
经过这个下载过程后。
然后就可以看到有site-packages了
qmt iquant最新接口文档
QMT • 李魔佛 发表了文章 • 0 个评论 • 1310 次浏览 • 2023-02-19 15:16
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。 查看全部
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。 查看全部
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。
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。
迅投qmt入门教程（一）
QMT • 李魔佛 发表了文章 • 0 个评论 • 7951 次浏览 • 2023-02-06 19:43
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：#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：
查看全部
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：
查看全部
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：
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：
qmt界面的运行和回测按钮功能有什么不同？
QMT • 李魔佛 发表了文章 • 0 个评论 • 1049 次浏览 • 2023-02-06 19:00
他们二者的区别：
在模型编辑器中，有“回测”和“运行”两个按钮，分别代表两种模式，它们之间的区别如下：
（1）回测模式指策略以历史行情为依据，以回测参数中的开始时间、结束时间为回测时间区间进行运
算，投资者可观察该策略在历史行情所获得的年化收益率、夏普比率、最大回撤、信息比率等指标表
现。
（2）运行模式指策略根据实时行情信号进行运算，以主图行情开始时间到当前时间为运行区间，进行策
略的模拟运行，但不进行真实的委托。
注：如果需要向模拟/实盘柜台发送真实的委托，请将策略加入到“模型交易”中。
盘后运行可能会有抽风现象。
回测的时候日期问题，只能选副图，不知道为何 查看全部
在模型编辑器中，有“回测”和“运行”两个按钮，分别代表两种模式，它们之间的区别如下：
（1）回测模式指策略以历史行情为依据，以回测参数中的开始时间、结束时间为回测时间区间进行运
算，投资者可观察该策略在历史行情所获得的年化收益率、夏普比率、最大回撤、信息比率等指标表
现。
（2）运行模式指策略根据实时行情信号进行运算，以主图行情开始时间到当前时间为运行区间，进行策
略的模拟运行，但不进行真实的委托。
注：如果需要向模拟/实盘柜台发送真实的委托，请将策略加入到“模型交易”中。
盘后运行可能会有抽风现象。
回测的时候日期问题，只能选副图，不知道为何 查看全部
他们二者的区别：
在模型编辑器中，有“回测”和“运行”两个按钮，分别代表两种模式，它们之间的区别如下：
（1）回测模式指策略以历史行情为依据，以回测参数中的开始时间、结束时间为回测时间区间进行运
算，投资者可观察该策略在历史行情所获得的年化收益率、夏普比率、最大回撤、信息比率等指标表
现。
（2）运行模式指策略根据实时行情信号进行运算，以主图行情开始时间到当前时间为运行区间，进行策
略的模拟运行，但不进行真实的委托。
注：如果需要向模拟/实盘柜台发送真实的委托，请将策略加入到“模型交易”中。
盘后运行可能会有抽风现象。
回测的时候日期问题，只能选副图，不知道为何
Ptrade基本期货策略
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 1080 次浏览 • 2023-02-04 14:17
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；
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 查看全部
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 查看全部
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：
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
ptrade获取分时成交数据-LEVEL2数据逐笔数据
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 1865 次浏览 • 2023-02-04 12:27
在接口文档 http://ptradeapi.com/#get_tick_direction
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？
查看全部
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？
查看全部
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？
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？
ptrade移除当前ST股
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 850 次浏览 • 2023-02-04 12:14
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。
查看全部
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。
ptrade排除A股创业板，科创板的股票
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 974 次浏览 • 2023-02-04 10:48
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：
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
查看全部
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
查看全部
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
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
ptrade如何获取某天的全市场股票代码？
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 1143 次浏览 • 2023-02-04 03:19
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
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。
查看全部
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。
查看全部
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。
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。
国信可以使用miniqmt吗？
QMT • 李魔佛 发表了文章 • 0 个评论 • 2504 次浏览 • 2023-01-21 15:52
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。
查看全部
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。
查看全部
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。
ptrade生产环境在开盘交易时间无法回测，有什么办法可以解决？
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 1316 次浏览 • 2023-01-06 12:07
2023-01-06 10:41:46 Error: 回测运行失败, 错误码:2 错误信息: 当前时间不允许创建回测
在正式环境下，多个券商的ptrade都无法进行回测。
但也有办法解决。 就是使用ptrade的仿真客户端。 仿真客户端并连接实盘交易。所以没有这个时间的限制。
笔者在几个券商的上的仿真客户端都可以在交易时间使用回测功能。
可能部分仿真客户端需要申请才给开通的。
查看全部
在正式环境下，多个券商的ptrade都无法进行回测。
但也有办法解决。 就是使用ptrade的仿真客户端。 仿真客户端并连接实盘交易。所以没有这个时间的限制。
笔者在几个券商的上的仿真客户端都可以在交易时间使用回测功能。
可能部分仿真客户端需要申请才给开通的。
查看全部
2023-01-06 10:41:46 Error: 回测运行失败, 错误码:2 错误信息: 当前时间不允许创建回测
在正式环境下，多个券商的ptrade都无法进行回测。
但也有办法解决。 就是使用ptrade的仿真客户端。 仿真客户端并连接实盘交易。所以没有这个时间的限制。
笔者在几个券商的上的仿真客户端都可以在交易时间使用回测功能。
可能部分仿真客户端需要申请才给开通的。
ptrade回测结束后执行某个函数，比如保存回测结果
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 832 次浏览 • 2023-01-01 17:56
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
查看全部
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
查看全部
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
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
ptrade回测 获取回测当天的分时数据
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 1081 次浏览 • 2023-01-01 15:45
http://ptradeapi.com/#get_price
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 查看全部
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 查看全部
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
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
Ptrade获取可转债强赎数据
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 1252 次浏览 • 2022-12-21 15:50
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。
查看全部
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。
查看全部
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。
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。
宁稳网可转债弹性因子 python回测
可转债 • 李魔佛 发表了文章 • 0 个评论 • 1818 次浏览 • 2022-12-04 18:43
利用文章：
https://t.zsxq.com/08779XPlk
的数据和代码，修改原来的代码
df=df.sort_values('税前收益率',ascending=False)
改为
df=df.sort_values('弹性',ascending=False) # 倒序
df=df.sort_values('弹性',ascending=True) # 正序
还有这里：
df = pd.read_excel(full_path)
df['税前收益率'] = df['税前收益率'].map(convert_float)
df['转股价格']=df['转股价格'].astype(float)
df=df[['转债代码','转债名称','转债价格','税前收益率']]
改为：
df['弹性'] = df['弹性'].map(convert_float)
df['转股价格']=df['转股价格'].astype(float)
df=df[['转债代码','转债名称','转债价格','弹性']]
如果修改持有个数，天数，修改HOLD_NUM ，和FREQ 即可
得到下面的图：
点击查看大图
"1天,大到小" 收益率 -30%，最大回撤34%
"1天，小到大" 收益率15.74%，最大回撤10.43%
'5天,大到小' 收益率-25%，最大回撤30.71%
'5天,小到大' 收益率7.36%, 最大回撤10.47%
可见弹性按照单天弹性值排名，买入最大的10只，无论按1天还是5天轮动，今天收益率是亏损的；
可见弹性按照单天弹性值排名，买入最小的10只，无论按1天还是5天轮动，今天收益率是盈利的；
如果对数据有疑问，可以到公众号后台留言~ 查看全部
https://t.zsxq.com/08779XPlk
的数据和代码，修改原来的代码
df=df.sort_values('税前收益率',ascending=False)
改为
df=df.sort_values('弹性',ascending=False) # 倒序
df=df.sort_values('弹性',ascending=True) # 正序
还有这里：
df = pd.read_excel(full_path)
df['税前收益率'] = df['税前收益率'].map(convert_float)
df['转股价格']=df['转股价格'].astype(float)
df=df[['转债代码','转债名称','转债价格','税前收益率']]
改为：
df['弹性'] = df['弹性'].map(convert_float)
df['转股价格']=df['转股价格'].astype(float)
df=df[['转债代码','转债名称','转债价格','弹性']]
如果修改持有个数，天数，修改HOLD_NUM ，和FREQ 即可
得到下面的图：
点击查看大图
"1天,大到小" 收益率 -30%，最大回撤34%
"1天，小到大" 收益率15.74%，最大回撤10.43%
'5天,大到小' 收益率-25%，最大回撤30.71%
'5天,小到大' 收益率7.36%, 最大回撤10.47%
可见弹性按照单天弹性值排名，买入最大的10只，无论按1天还是5天轮动，今天收益率是亏损的；
可见弹性按照单天弹性值排名，买入最小的10只，无论按1天还是5天轮动，今天收益率是盈利的；
如果对数据有疑问，可以到公众号后台留言~ 查看全部
利用文章：
https://t.zsxq.com/08779XPlk
的数据和代码，修改原来的代码
还有这里：
如果修改持有个数，天数，修改HOLD_NUM ，和FREQ 即可
得到下面的图：
点击查看大图
"1天,大到小" 收益率 -30%，最大回撤34%
"1天，小到大" 收益率15.74%，最大回撤10.43%
'5天,大到小' 收益率-25%，最大回撤30.71%
'5天,小到大' 收益率7.36%, 最大回撤10.47%
可见弹性按照单天弹性值排名，买入最大的10只，无论按1天还是5天轮动，今天收益率是亏损的；
可见弹性按照单天弹性值排名，买入最小的10只，无论按1天还是5天轮动，今天收益率是盈利的；
如果对数据有疑问，可以到公众号后台留言~
https://t.zsxq.com/08779XPlk
的数据和代码，修改原来的代码
df=df.sort_values('税前收益率',ascending=False)
改为
df=df.sort_values('弹性',ascending=False) # 倒序
df=df.sort_values('弹性',ascending=True) # 正序还有这里：
df = pd.read_excel(full_path)
df['税前收益率'] = df['税前收益率'].map(convert_float)
df['转股价格']=df['转股价格'].astype(float)
df=df[['转债代码','转债名称','转债价格','税前收益率']]
改为：
df['弹性'] = df['弹性'].map(convert_float)
df['转股价格']=df['转股价格'].astype(float)
df=df[['转债代码','转债名称','转债价格','弹性']]
如果修改持有个数，天数，修改HOLD_NUM ，和FREQ 即可
得到下面的图：
"1天,大到小" 收益率 -30%，最大回撤34%
"1天，小到大" 收益率15.74%，最大回撤10.43%
'5天,大到小' 收益率-25%，最大回撤30.71%
'5天,小到大' 收益率7.36%, 最大回撤10.47%
可见弹性按照单天弹性值排名，买入最大的10只，无论按1天还是5天轮动，今天收益率是亏损的；
可见弹性按照单天弹性值排名，买入最小的10只，无论按1天还是5天轮动，今天收益率是盈利的；
如果对数据有疑问，可以到公众号后台留言~
可转债到期收益率因子回测 YTM回测 vs 双低 低溢价 低价策略
可转债 • 李魔佛 发表了文章 • 0 个评论 • 1247 次浏览 • 2022-11-26 16:51
最近看到有人发的一些可转债高YTM的回测结果图，说高YTM轮动收益达到年化20%。嗯？高TYM实际上大部分是和低价转债是重叠的，理论和实际收益率都应该不会有这么高的。
自从优矿转为收费后，基本就没有登录过了。现在的回测在本地进行了，宁稳网的可转债数据上有YTM这因子数据，所以这次使用宁稳网的数据回测。也不使用什么第三方框架了，直接手写回测，模拟交易过程。
逻辑就是按照交易日期，读取所有excel数据。保存到一个dataframe里面，然后按照日期对YTM排名。 选出排名N名的进行买入，掉出N名的进行卖出。
数据源
采用宁稳的全表数据，里面有YTM因子
YTM收益率曲线
本地使用python编写回测代码，纯手工，不使用第三方框架。 平时我也多次力荐大家手写，别依赖那些第三方框架，什么vnpy，backtrade，一是特别难用，数据要适配，二是不好调试，除非你对它们的源码特别熟悉。本回测代码和宁稳数据放在个人知识星球，大部分人其实只关心回测结果就够了。
下图是2022年1月1日至11月25日的回测数据。持有10个标的，红色的是1天调仓，蓝色的是5天调仓
5天轮动，2022年的收益率为4.29%，最大回撤6.98% 。
1天轮动，2022年的收益率为9.33%，最大回撤5.32% 。
1天轮动的整体收益率要比5天轮动的高5个点，并且最大回撤也小一点。
持仓日志
从持仓以及调仓日志来看，买入的大部分是低价转债，且部分也是之前有瑕疵，爆过雷的转债。
高YTM轮动 vs 双低，低溢价，低价
接着对比一下几个常规的转债策略，双低，低溢价，低价。
回测条件相同，起始时间2022-01-01，结束时间2022-11-25。
持有10只，5天轮动。
在今年的可转债偏弱的行情下，高YTM轮动在这4个策略里面的收益率是最高的。
低溢价一如既然的高波动，一会ICU，一会蹦迪。但笔者觉得跌到前期最大回撤的位置，低溢价可以考虑介入的。
YTM和低价格的今年回测收益率接近，YTM高了一个点左右，最大回撤接近。 而低溢价还在回撤的途中，目前今年的收益率为-25%，如果轮动频率高一些，低溢价收益率会高一些，强赎的转债基本会被轮入低溢价标的，因为最近半年强赎后的转债像进入了死亡螺旋一样，正股转债一起跌；因此排除强赎转债会对低溢价收益率有不少的提升。
完整代码以及数据请开通星球查收。
查看全部
自从优矿转为收费后，基本就没有登录过了。现在的回测在本地进行了，宁稳网的可转债数据上有YTM这因子数据，所以这次使用宁稳网的数据回测。也不使用什么第三方框架了，直接手写回测，模拟交易过程。
逻辑就是按照交易日期，读取所有excel数据。保存到一个dataframe里面，然后按照日期对YTM排名。 选出排名N名的进行买入，掉出N名的进行卖出。
数据源
采用宁稳的全表数据，里面有YTM因子
YTM收益率曲线
本地使用python编写回测代码，纯手工，不使用第三方框架。 平时我也多次力荐大家手写，别依赖那些第三方框架，什么vnpy，backtrade，一是特别难用，数据要适配，二是不好调试，除非你对它们的源码特别熟悉。本回测代码和宁稳数据放在个人知识星球，大部分人其实只关心回测结果就够了。
下图是2022年1月1日至11月25日的回测数据。持有10个标的，红色的是1天调仓，蓝色的是5天调仓
5天轮动，2022年的收益率为4.29%，最大回撤6.98% 。
1天轮动，2022年的收益率为9.33%，最大回撤5.32% 。
1天轮动的整体收益率要比5天轮动的高5个点，并且最大回撤也小一点。
持仓日志
从持仓以及调仓日志来看，买入的大部分是低价转债，且部分也是之前有瑕疵，爆过雷的转债。
高YTM轮动 vs 双低，低溢价，低价
接着对比一下几个常规的转债策略，双低，低溢价，低价。
回测条件相同，起始时间2022-01-01，结束时间2022-11-25。
持有10只，5天轮动。
在今年的可转债偏弱的行情下，高YTM轮动在这4个策略里面的收益率是最高的。
低溢价一如既然的高波动，一会ICU，一会蹦迪。但笔者觉得跌到前期最大回撤的位置，低溢价可以考虑介入的。
YTM和低价格的今年回测收益率接近，YTM高了一个点左右，最大回撤接近。 而低溢价还在回撤的途中，目前今年的收益率为-25%，如果轮动频率高一些，低溢价收益率会高一些，强赎的转债基本会被轮入低溢价标的，因为最近半年强赎后的转债像进入了死亡螺旋一样，正股转债一起跌；因此排除强赎转债会对低溢价收益率有不少的提升。
完整代码以及数据请开通星球查收。
查看全部
最近看到有人发的一些可转债高YTM的回测结果图，说高YTM轮动收益达到年化20%。嗯？高TYM实际上大部分是和低价转债是重叠的，理论和实际收益率都应该不会有这么高的。
自从优矿转为收费后，基本就没有登录过了。现在的回测在本地进行了，宁稳网的可转债数据上有YTM这因子数据，所以这次使用宁稳网的数据回测。也不使用什么第三方框架了，直接手写回测，模拟交易过程。
逻辑就是按照交易日期，读取所有excel数据。保存到一个dataframe里面，然后按照日期对YTM排名。 选出排名N名的进行买入，掉出N名的进行卖出。
数据源
采用宁稳的全表数据，里面有YTM因子
YTM收益率曲线
本地使用python编写回测代码，纯手工，不使用第三方框架。 平时我也多次力荐大家手写，别依赖那些第三方框架，什么vnpy，backtrade，一是特别难用，数据要适配，二是不好调试，除非你对它们的源码特别熟悉。本回测代码和宁稳数据放在个人知识星球，大部分人其实只关心回测结果就够了。
下图是2022年1月1日至11月25日的回测数据。持有10个标的，红色的是1天调仓，蓝色的是5天调仓
5天轮动，2022年的收益率为4.29%，最大回撤6.98% 。
1天轮动，2022年的收益率为9.33%，最大回撤5.32% 。
1天轮动的整体收益率要比5天轮动的高5个点，并且最大回撤也小一点。
持仓日志
从持仓以及调仓日志来看，买入的大部分是低价转债，且部分也是之前有瑕疵，爆过雷的转债。
高YTM轮动 vs 双低，低溢价，低价
接着对比一下几个常规的转债策略，双低，低溢价，低价。
回测条件相同，起始时间2022-01-01，结束时间2022-11-25。
持有10只，5天轮动。
在今年的可转债偏弱的行情下，高YTM轮动在这4个策略里面的收益率是最高的。
低溢价一如既然的高波动，一会ICU，一会蹦迪。但笔者觉得跌到前期最大回撤的位置，低溢价可以考虑介入的。
YTM和低价格的今年回测收益率接近，YTM高了一个点左右，最大回撤接近。 而低溢价还在回撤的途中，目前今年的收益率为-25%，如果轮动频率高一些，低溢价收益率会高一些，强赎的转债基本会被轮入低溢价标的，因为最近半年强赎后的转债像进入了死亡螺旋一样，正股转债一起跌；因此排除强赎转债会对低溢价收益率有不少的提升。
完整代码以及数据请开通星球查收。
自从优矿转为收费后，基本就没有登录过了。现在的回测在本地进行了，宁稳网的可转债数据上有YTM这因子数据，所以这次使用宁稳网的数据回测。也不使用什么第三方框架了，直接手写回测，模拟交易过程。
逻辑就是按照交易日期，读取所有excel数据。保存到一个dataframe里面，然后按照日期对YTM排名。 选出排名N名的进行买入，掉出N名的进行卖出。
数据源
采用宁稳的全表数据，里面有YTM因子
YTM收益率曲线
本地使用python编写回测代码，纯手工，不使用第三方框架。 平时我也多次力荐大家手写，别依赖那些第三方框架，什么vnpy，backtrade，一是特别难用，数据要适配，二是不好调试，除非你对它们的源码特别熟悉。本回测代码和宁稳数据放在个人知识星球，大部分人其实只关心回测结果就够了。
下图是2022年1月1日至11月25日的回测数据。持有10个标的，红色的是1天调仓，蓝色的是5天调仓
5天轮动，2022年的收益率为4.29%，最大回撤6.98% 。
1天轮动，2022年的收益率为9.33%，最大回撤5.32% 。
1天轮动的整体收益率要比5天轮动的高5个点，并且最大回撤也小一点。
持仓日志
从持仓以及调仓日志来看，买入的大部分是低价转债，且部分也是之前有瑕疵，爆过雷的转债。
高YTM轮动 vs 双低，低溢价，低价
接着对比一下几个常规的转债策略，双低，低溢价，低价。
回测条件相同，起始时间2022-01-01，结束时间2022-11-25。
持有10只，5天轮动。
在今年的可转债偏弱的行情下，高YTM轮动在这4个策略里面的收益率是最高的。
低溢价一如既然的高波动，一会ICU，一会蹦迪。但笔者觉得跌到前期最大回撤的位置，低溢价可以考虑介入的。
YTM和低价格的今年回测收益率接近，YTM高了一个点左右，最大回撤接近。 而低溢价还在回撤的途中，目前今年的收益率为-25%，如果轮动频率高一些，低溢价收益率会高一些，强赎的转债基本会被轮入低溢价标的，因为最近半年强赎后的转债像进入了死亡螺旋一样，正股转债一起跌；因此排除强赎转债会对低溢价收益率有不少的提升。
完整代码以及数据请开通星球查收。
Ptrade多策略如何编写？
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 1408 次浏览 • 2022-11-16 11:33
多策略需要解决的一个最主要的问题，就是仓位管理。
系统自带的读取仓位函数需要你重写。
目前使用一个类来管理仓位：
初始化部分：class PositionManager():
def __init__(self):
if SINGLE_FACTOR not in [1, 2, 3, 4]:
raise ValueError('策略数字有误')
self.strategy = SINGLE_FACTOR
NOTEBOOK_PATH = '/home/fly/notebook/'
# self.filename = NOTEBOOK_PATH + 'S-{}.txt'.format(self.strategy)
self.filename = NOTEBOOK_PATH + personal_define_filename
self.portfolio = self.read()
log.info(self.portfolio)
self.write()
def init_data(self):
js_data = {
'cash': CASH,
'strategy': self.strategy,
'positions': ,
'portfolio_value': None,
'positions_value': None,
'capital_used': None,
'start_date': datetime.datetime.now().strftime('%Y%m%d%H%M%S'),
'current_day': 0,
}
数据需要收盘后保存到文件，数据库也行；不过考虑到大部分ptrade（除了国盛，需要开通的可以联系公众号：可转债量化分析）都没有连接外网功能，所以最简单的方式就是写入文件，纯粹的文本文件。
目前笔者使用json存储
点击查看大图
这样存储有一个好处，就是如果你想中途修改策略持仓，可以直接修改这个文本文件。比如你的策略不小心买入了一只强赎的转债，你想手动卖掉，那么很简单，你只要在这个json文件里面把对应的持仓删除，再把他的市值加到可用资金里面去即可。 用法是相当灵活。
需要完整代码或者指导的朋友可以关注下面公众号和知识星球。
查看全部
系统自带的读取仓位函数需要你重写。
目前使用一个类来管理仓位：
初始化部分：class PositionManager():
def __init__(self):
if SINGLE_FACTOR not in [1, 2, 3, 4]:
raise ValueError('策略数字有误')
self.strategy = SINGLE_FACTOR
NOTEBOOK_PATH = '/home/fly/notebook/'
# self.filename = NOTEBOOK_PATH + 'S-{}.txt'.format(self.strategy)
self.filename = NOTEBOOK_PATH + personal_define_filename
self.portfolio = self.read()
log.info(self.portfolio)
self.write()
def init_data(self):
js_data = {
'cash': CASH,
'strategy': self.strategy,
'positions': ,
'portfolio_value': None,
'positions_value': None,
'capital_used': None,
'start_date': datetime.datetime.now().strftime('%Y%m%d%H%M%S'),
'current_day': 0,
}
数据需要收盘后保存到文件，数据库也行；不过考虑到大部分ptrade（除了国盛，需要开通的可以联系公众号：可转债量化分析）都没有连接外网功能，所以最简单的方式就是写入文件，纯粹的文本文件。
目前笔者使用json存储
点击查看大图
这样存储有一个好处，就是如果你想中途修改策略持仓，可以直接修改这个文本文件。比如你的策略不小心买入了一只强赎的转债，你想手动卖掉，那么很简单，你只要在这个json文件里面把对应的持仓删除，再把他的市值加到可用资金里面去即可。 用法是相当灵活。
需要完整代码或者指导的朋友可以关注下面公众号和知识星球。
查看全部
多策略需要解决的一个最主要的问题，就是仓位管理。
系统自带的读取仓位函数需要你重写。
目前使用一个类来管理仓位：
初始化部分：
数据需要收盘后保存到文件，数据库也行；不过考虑到大部分ptrade（除了国盛，需要开通的可以联系公众号：可转债量化分析）都没有连接外网功能，所以最简单的方式就是写入文件，纯粹的文本文件。
目前笔者使用json存储
点击查看大图
这样存储有一个好处，就是如果你想中途修改策略持仓，可以直接修改这个文本文件。比如你的策略不小心买入了一只强赎的转债，你想手动卖掉，那么很简单，你只要在这个json文件里面把对应的持仓删除，再把他的市值加到可用资金里面去即可。 用法是相当灵活。
需要完整代码或者指导的朋友可以关注下面公众号和知识星球。
系统自带的读取仓位函数需要你重写。
目前使用一个类来管理仓位：
初始化部分：
class PositionManager():
def __init__(self):
if SINGLE_FACTOR not in [1, 2, 3, 4]:
raise ValueError('策略数字有误')
self.strategy = SINGLE_FACTOR
NOTEBOOK_PATH = '/home/fly/notebook/'
# self.filename = NOTEBOOK_PATH + 'S-{}.txt'.format(self.strategy)
self.filename = NOTEBOOK_PATH + personal_define_filename
self.portfolio = self.read()
log.info(self.portfolio)
self.write()
def init_data(self):
js_data = {
'cash': CASH,
'strategy': self.strategy,
'positions': ,
'portfolio_value': None,
'positions_value': None,
'capital_used': None,
'start_date': datetime.datetime.now().strftime('%Y%m%d%H%M%S'),
'current_day': 0,
}
数据需要收盘后保存到文件，数据库也行；不过考虑到大部分ptrade（除了国盛，需要开通的可以联系公众号：可转债量化分析）都没有连接外网功能，所以最简单的方式就是写入文件，纯粹的文本文件。
目前笔者使用json存储
点击查看大图
这样存储有一个好处，就是如果你想中途修改策略持仓，可以直接修改这个文本文件。比如你的策略不小心买入了一只强赎的转债，你想手动卖掉，那么很简单，你只要在这个json文件里面把对应的持仓删除，再把他的市值加到可用资金里面去即可。 用法是相当灵活。
需要完整代码或者指导的朋友可以关注下面公众号和知识星球。
Ptrade拆单 分批下单 python代码 可转债/股票
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 1416 次浏览 • 2022-11-10 00:35
在转债市场，部分转债的流动性很差，有时候连成交100张也需要等待一段时间。
所以如果资金量大，就需要拆单操作。
交易代码部分，如果设置 SPLIT_ORDER_ENABLE = True 即进行拆单操作：
在交易部分：(省略部分不相关代码) if SPLIT_ORDER_ENABLE:
split_order(code, BUY_DIRECTION, amount)
else:
buy_price = round(buy_price, 3)
ret = order(code, amount, limit_price=buy_price)BUY_DIRECTION 为买，值是1，一个常量
SELL_DIRECTION为卖，值为-1，也是一个常量，传入拆单函数中
拆单函数提取出来：def split_order(code, direction, target_count):
'''
拆单
:param code: 股票代码
:param direction: 买：1 卖：-1
:param target_count: 总共要卖的股数
:return:
'''
count = int(target_count / EACH_ORDER_COUNT)
# 例如：560张， 200 张一单， 2次 + 最后一次160 张
remain_count = target_count % EACH_ORDER_COUNT
for i in range(count):
ret = order(code, direction * EACH_ORDER_COUNT)
time.sleep(SPLIT_ORDER_DELAY) # 拆开的单子等待一个时间，再下另外一单
if direction == 1: # 买的时候需要整数，卖则不需要
remain_count = int(remain_count / 10) * 10
if remain_count > 0:
ret = order(code, direction * remain_count)常用的操作都类似，写成模块方便下次调用。写多了就是套模块。
在可转债实盘中，拆单后每笔下单200张，就是每次200张下一次单，因为有可能不是马上成交，所以还需要一段等待延时，再去下单；不然你的拆单也变得没有意义，因为委托那里都是挂的你的单，并没有被消化掉。
可以看到实盘交易日志，即使拆单为200张一笔，外加一段延时，成交张数也是稀稀拉拉的，出现了不少的部分成交；也就是一次连200张都未成交完成；一笔200张的，部分成交10张，20张，都是有可能的，这也足以说明，可转债的流动性问题，滑点是很难被忽略的。
当然，这是轮动调仓的时候，金额较大的情况下拆单。如果高频交易下就不能这么操作了。
具体怎么写，可以关注个人公众号与知识星球。
知识星球原文：
如需要代写量化策略实盘代码，可以到个人公众号【可转债量化分析】后台留言。
查看全部
所以如果资金量大，就需要拆单操作。
交易代码部分，如果设置 SPLIT_ORDER_ENABLE = True 即进行拆单操作：
在交易部分：(省略部分不相关代码) if SPLIT_ORDER_ENABLE:
split_order(code, BUY_DIRECTION, amount)
else:
buy_price = round(buy_price, 3)
ret = order(code, amount, limit_price=buy_price)BUY_DIRECTION 为买，值是1，一个常量
SELL_DIRECTION为卖，值为-1，也是一个常量，传入拆单函数中
拆单函数提取出来：def split_order(code, direction, target_count):
'''
拆单
:param code: 股票代码
:param direction: 买：1 卖：-1
:param target_count: 总共要卖的股数
:return:
'''
count = int(target_count / EACH_ORDER_COUNT)
# 例如：560张， 200 张一单， 2次 + 最后一次160 张
remain_count = target_count % EACH_ORDER_COUNT
for i in range(count):
ret = order(code, direction * EACH_ORDER_COUNT)
time.sleep(SPLIT_ORDER_DELAY) # 拆开的单子等待一个时间，再下另外一单
if direction == 1: # 买的时候需要整数，卖则不需要
remain_count = int(remain_count / 10) * 10
if remain_count > 0:
ret = order(code, direction * remain_count)常用的操作都类似，写成模块方便下次调用。写多了就是套模块。
在可转债实盘中，拆单后每笔下单200张，就是每次200张下一次单，因为有可能不是马上成交，所以还需要一段等待延时，再去下单；不然你的拆单也变得没有意义，因为委托那里都是挂的你的单，并没有被消化掉。
可以看到实盘交易日志，即使拆单为200张一笔，外加一段延时，成交张数也是稀稀拉拉的，出现了不少的部分成交；也就是一次连200张都未成交完成；一笔200张的，部分成交10张，20张，都是有可能的，这也足以说明，可转债的流动性问题，滑点是很难被忽略的。
当然，这是轮动调仓的时候，金额较大的情况下拆单。如果高频交易下就不能这么操作了。
具体怎么写，可以关注个人公众号与知识星球。
知识星球原文：
如需要代写量化策略实盘代码，可以到个人公众号【可转债量化分析】后台留言。
查看全部
在转债市场，部分转债的流动性很差，有时候连成交100张也需要等待一段时间。
所以如果资金量大，就需要拆单操作。
交易代码部分，如果设置 SPLIT_ORDER_ENABLE = True 即进行拆单操作：
在交易部分：(省略部分不相关代码)
SELL_DIRECTION为卖，值为-1，也是一个常量，传入拆单函数中
拆单函数提取出来：
在可转债实盘中，拆单后每笔下单200张，就是每次200张下一次单，因为有可能不是马上成交，所以还需要一段等待延时，再去下单；不然你的拆单也变得没有意义，因为委托那里都是挂的你的单，并没有被消化掉。
可以看到实盘交易日志，即使拆单为200张一笔，外加一段延时，成交张数也是稀稀拉拉的，出现了不少的部分成交；也就是一次连200张都未成交完成；一笔200张的，部分成交10张，20张，都是有可能的，这也足以说明，可转债的流动性问题，滑点是很难被忽略的。
当然，这是轮动调仓的时候，金额较大的情况下拆单。如果高频交易下就不能这么操作了。
具体怎么写，可以关注个人公众号与知识星球。
知识星球原文：
如需要代写量化策略实盘代码，可以到个人公众号【可转债量化分析】后台留言。
所以如果资金量大，就需要拆单操作。
交易代码部分，如果设置 SPLIT_ORDER_ENABLE = True 即进行拆单操作：
在交易部分：(省略部分不相关代码)
if SPLIT_ORDER_ENABLE:BUY_DIRECTION 为买，值是1，一个常量
split_order(code, BUY_DIRECTION, amount)
else:
buy_price = round(buy_price, 3)
ret = order(code, amount, limit_price=buy_price)
SELL_DIRECTION为卖，值为-1，也是一个常量，传入拆单函数中
拆单函数提取出来：
def split_order(code, direction, target_count):常用的操作都类似，写成模块方便下次调用。写多了就是套模块。
'''
拆单
:param code: 股票代码
:param direction: 买：1 卖：-1
:param target_count: 总共要卖的股数
:return:
'''
count = int(target_count / EACH_ORDER_COUNT)
# 例如：560张， 200 张一单， 2次 + 最后一次160 张
remain_count = target_count % EACH_ORDER_COUNT
for i in range(count):
ret = order(code, direction * EACH_ORDER_COUNT)
time.sleep(SPLIT_ORDER_DELAY) # 拆开的单子等待一个时间，再下另外一单
if direction == 1: # 买的时候需要整数，卖则不需要
remain_count = int(remain_count / 10) * 10
if remain_count > 0:
ret = order(code, direction * remain_count)
在可转债实盘中，拆单后每笔下单200张，就是每次200张下一次单，因为有可能不是马上成交，所以还需要一段等待延时，再去下单；不然你的拆单也变得没有意义，因为委托那里都是挂的你的单，并没有被消化掉。
可以看到实盘交易日志，即使拆单为200张一笔，外加一段延时，成交张数也是稀稀拉拉的，出现了不少的部分成交；也就是一次连200张都未成交完成；一笔200张的，部分成交10张，20张，都是有可能的，这也足以说明，可转债的流动性问题，滑点是很难被忽略的。
当然，这是轮动调仓的时候，金额较大的情况下拆单。如果高频交易下就不能这么操作了。
具体怎么写，可以关注个人公众号与知识星球。
知识星球原文：
如需要代写量化策略实盘代码，可以到个人公众号【可转债量化分析】后台留言。
Ptrade里写策略坑比较多的地方（一）
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 1427 次浏览 • 2022-11-03 11:26
总结一些，给过来人少踩些坑
1. 后缀符号不统一
这个是天煞的产品涉及的问题。 好好地代码后缀，比如 深圳市场的 有时候出现 300333.SZ , 有时候结构体里面却会是 300333.XSHE，
比如返回的orders 字典，里面用的是 00333.XSHE，而仓位的结构体 position 里面用的缺失 .sz
类似这样的问题在很多函数里面都有。
2. 部分成交 的主推函数
如果一个订单，部分成交，会先触发部分成交主推； 然后最后一个部分成交，反而会触发全部成交主推。
细想，似乎也是合理的，只是，你在全部成交里面返回的成交数量，实际只是最后一次部分成交的量。
3. 想到再写
更多更新 可以参看个人知识星球或者公众号。
查看全部
1. 后缀符号不统一
这个是天煞的产品涉及的问题。 好好地代码后缀，比如 深圳市场的 有时候出现 300333.SZ , 有时候结构体里面却会是 300333.XSHE，
比如返回的orders 字典，里面用的是 00333.XSHE，而仓位的结构体 position 里面用的缺失 .sz
类似这样的问题在很多函数里面都有。
2. 部分成交 的主推函数
如果一个订单，部分成交，会先触发部分成交主推； 然后最后一个部分成交，反而会触发全部成交主推。
细想，似乎也是合理的，只是，你在全部成交里面返回的成交数量，实际只是最后一次部分成交的量。
3. 想到再写
更多更新 可以参看个人知识星球或者公众号。
查看全部
总结一些，给过来人少踩些坑
1. 后缀符号不统一
这个是天煞的产品涉及的问题。 好好地代码后缀，比如 深圳市场的 有时候出现 300333.SZ , 有时候结构体里面却会是 300333.XSHE，
比如返回的orders 字典，里面用的是 00333.XSHE，而仓位的结构体 position 里面用的缺失 .sz
类似这样的问题在很多函数里面都有。
2. 部分成交 的主推函数
如果一个订单，部分成交，会先触发部分成交主推； 然后最后一个部分成交，反而会触发全部成交主推。
细想，似乎也是合理的，只是，你在全部成交里面返回的成交数量，实际只是最后一次部分成交的量。
3. 想到再写
更多更新 可以参看个人知识星球或者公众号。
1. 后缀符号不统一
这个是天煞的产品涉及的问题。 好好地代码后缀，比如 深圳市场的 有时候出现 300333.SZ , 有时候结构体里面却会是 300333.XSHE，
比如返回的orders 字典，里面用的是 00333.XSHE，而仓位的结构体 position 里面用的缺失 .sz
类似这样的问题在很多函数里面都有。
2. 部分成交 的主推函数
如果一个订单，部分成交，会先触发部分成交主推； 然后最后一个部分成交，反而会触发全部成交主推。
细想，似乎也是合理的，只是，你在全部成交里面返回的成交数量，实际只是最后一次部分成交的量。
3. 想到再写
更多更新 可以参看个人知识星球或者公众号。
Ptrade量化交易之 拆单买入卖出操作
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 1609 次浏览 • 2022-09-30 16:20
在交易过程中，如果遇到成交量小的股票或者可转债，etf，稍微买多一些会对现价造成冲击，价格容易被你自己拉起来。所以假如你的交易量很大的话，一般最好使用拆单操作。 可以参考下面的python拆单代码：
注：代码里面针对的是可转债交易，股票的话把这一行：
remain_count=int(remain_count/10)*10 改为
remain_count=int(remain_count/100)*100 就可以了
股票100股整数倍买，转债是10张倍数买。
code,direction,target_count ： 第一个代码，第二个买卖方向，第三个是目标数目
each_order_count = 100 # 每单的股数,张数
def split_order(code,direction,target_count):
'''
拆单
:param code: 股票代码
:param direction: 买：1 卖：-1
:param target_count: 总共要卖的股数
:return:
'''
SPLIT_ORDER_DELAY =1
each_order_count = 100 # 每单的股数,张数
count = int(target_count/each_order_count)
remain_count = target_count%each_order_count
for i in range(count):
ret = order(code,direction*each_order_count)
time.sleep(SPLIT_ORDER_DELAY)
if direction==1:
remain_count=int(remain_count/10)*10 # 可转债买的时候只能10的倍数交易，
if remain_count>0:
ret = order(code,direction*each_order_count)
更多ptrade实盘代码，欢迎关注个人知识星球 查看全部
注：代码里面针对的是可转债交易，股票的话把这一行：
remain_count=int(remain_count/10)*10 改为
remain_count=int(remain_count/100)*100 就可以了
股票100股整数倍买，转债是10张倍数买。
code,direction,target_count ： 第一个代码，第二个买卖方向，第三个是目标数目
each_order_count = 100 # 每单的股数,张数
def split_order(code,direction,target_count):
'''
拆单
:param code: 股票代码
:param direction: 买：1 卖：-1
:param target_count: 总共要卖的股数
:return:
'''
SPLIT_ORDER_DELAY =1
each_order_count = 100 # 每单的股数,张数
count = int(target_count/each_order_count)
remain_count = target_count%each_order_count
for i in range(count):
ret = order(code,direction*each_order_count)
time.sleep(SPLIT_ORDER_DELAY)
if direction==1:
remain_count=int(remain_count/10)*10 # 可转债买的时候只能10的倍数交易，
if remain_count>0:
ret = order(code,direction*each_order_count)
更多ptrade实盘代码，欢迎关注个人知识星球 查看全部
在交易过程中，如果遇到成交量小的股票或者可转债，etf，稍微买多一些会对现价造成冲击，价格容易被你自己拉起来。所以假如你的交易量很大的话，一般最好使用拆单操作。 可以参考下面的python拆单代码：
注：代码里面针对的是可转债交易，股票的话把这一行：
remain_count=int(remain_count/10)*10 改为
remain_count=int(remain_count/100)*100 就可以了
股票100股整数倍买，转债是10张倍数买。
code,direction,target_count ： 第一个代码，第二个买卖方向，第三个是目标数目
each_order_count = 100 # 每单的股数,张数
更多ptrade实盘代码，欢迎关注个人知识星球
注：代码里面针对的是可转债交易，股票的话把这一行：
remain_count=int(remain_count/10)*10 改为
remain_count=int(remain_count/100)*100 就可以了
股票100股整数倍买，转债是10张倍数买。
code,direction,target_count ： 第一个代码，第二个买卖方向，第三个是目标数目
each_order_count = 100 # 每单的股数,张数
def split_order(code,direction,target_count):
'''
拆单
:param code: 股票代码
:param direction: 买：1 卖：-1
:param target_count: 总共要卖的股数
:return:
'''
SPLIT_ORDER_DELAY =1
each_order_count = 100 # 每单的股数,张数
count = int(target_count/each_order_count)
remain_count = target_count%each_order_count
for i in range(count):
ret = order(code,direction*each_order_count)
time.sleep(SPLIT_ORDER_DELAY)
if direction==1:
remain_count=int(remain_count/10)*10 # 可转债买的时候只能10的倍数交易，
if remain_count>0:
ret = order(code,direction*each_order_count)
更多ptrade实盘代码，欢迎关注个人知识星球
Ptrade挂单后撤单函数 实现
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 1446 次浏览 • 2022-09-29 16:40
在ptrade的每一笔挂单，都不一定能够保证很成功，比如刚挂了单，股票就飞了。
所以也需要有撤单，重新挂的动作。
order(code,amount) # 买入或者卖出
time.sleep(CANCEL_ORDER_TIME) # 等待片刻
cancel_order_reorder(context) # 进入撤单函数
中间需要有个等待时间。
1。 买入后，并不一定买上成交，需要一点时间消化，尤其是量大的单子，得要慢慢吃掉。
2。 成交回报并不是实时的。记住，ptrade的成交回报是有个延时，约9秒。 也就是你成交后，立即调用get_positions函数 看看你持仓，是无法看到你刚刚买入的股票数据的。
比如：
def initialize(context):
g.security = '600570.SS'
set_universe(g.security)
def handle_data(context, data):
order(g.security,100)
position = get_position(g.security)
log.info(position)这样你是无法获取的你的持仓的。
下面的示例代码，获取还在挂单的委托单子，然后逐个撤销，重新按照最新的市价下单。
def cancel_order_reorder(context):
'''
取消订单，重新下单
:return:
'''
open_orders = get_open_orders()
for _order in open_orders:
_id = _order.id
amount=_order.amount
filled=_order.filled
next_amount = amount-filled
code = _order.symbol
log.info('撤单{} - {}'.format(code,next_amount))
cancel_order(_id)
# time.sleep(1)
log.info('重新下单{} 数量{}'.format(code,next_amount))
order(code,next_amount)
后话：
很多投资者没有编程基础，学习起来会很吃力，耗费大量的时间，得不偿失。写出来的代码也是很多bug而不自知。等到实盘了用真金白银 得到了教训，还不如早期跟一两个人有经验的人学习，甚至找个代写代码就好了。
当然，能力超强，精力旺盛的大神就无视了，这个人折腾起来什么都可以搞得有模有样。
查看全部
所以也需要有撤单，重新挂的动作。
order(code,amount) # 买入或者卖出
time.sleep(CANCEL_ORDER_TIME) # 等待片刻
cancel_order_reorder(context) # 进入撤单函数
中间需要有个等待时间。
1。 买入后，并不一定买上成交，需要一点时间消化，尤其是量大的单子，得要慢慢吃掉。
2。 成交回报并不是实时的。记住，ptrade的成交回报是有个延时，约9秒。 也就是你成交后，立即调用get_positions函数 看看你持仓，是无法看到你刚刚买入的股票数据的。
比如：
def initialize(context):
g.security = '600570.SS'
set_universe(g.security)
def handle_data(context, data):
order(g.security,100)
position = get_position(g.security)
log.info(position)这样你是无法获取的你的持仓的。
下面的示例代码，获取还在挂单的委托单子，然后逐个撤销，重新按照最新的市价下单。
def cancel_order_reorder(context):
'''
取消订单，重新下单
:return:
'''
open_orders = get_open_orders()
for _order in open_orders:
_id = _order.id
amount=_order.amount
filled=_order.filled
next_amount = amount-filled
code = _order.symbol
log.info('撤单{} - {}'.format(code,next_amount))
cancel_order(_id)
# time.sleep(1)
log.info('重新下单{} 数量{}'.format(code,next_amount))
order(code,next_amount)
后话：
很多投资者没有编程基础，学习起来会很吃力，耗费大量的时间，得不偿失。写出来的代码也是很多bug而不自知。等到实盘了用真金白银 得到了教训，还不如早期跟一两个人有经验的人学习，甚至找个代写代码就好了。
当然，能力超强，精力旺盛的大神就无视了，这个人折腾起来什么都可以搞得有模有样。
查看全部
在ptrade的每一笔挂单，都不一定能够保证很成功，比如刚挂了单，股票就飞了。
所以也需要有撤单，重新挂的动作。
中间需要有个等待时间。
1。 买入后，并不一定买上成交，需要一点时间消化，尤其是量大的单子，得要慢慢吃掉。
2。 成交回报并不是实时的。记住，ptrade的成交回报是有个延时，约9秒。 也就是你成交后，立即调用get_positions函数 看看你持仓，是无法看到你刚刚买入的股票数据的。
比如：
下面的示例代码，获取还在挂单的委托单子，然后逐个撤销，重新按照最新的市价下单。
后话：
很多投资者没有编程基础，学习起来会很吃力，耗费大量的时间，得不偿失。写出来的代码也是很多bug而不自知。等到实盘了用真金白银 得到了教训，还不如早期跟一两个人有经验的人学习，甚至找个代写代码就好了。
当然，能力超强，精力旺盛的大神就无视了，这个人折腾起来什么都可以搞得有模有样。
所以也需要有撤单，重新挂的动作。
order(code,amount) # 买入或者卖出
time.sleep(CANCEL_ORDER_TIME) # 等待片刻
cancel_order_reorder(context) # 进入撤单函数
中间需要有个等待时间。
1。 买入后，并不一定买上成交，需要一点时间消化，尤其是量大的单子，得要慢慢吃掉。
2。 成交回报并不是实时的。记住，ptrade的成交回报是有个延时，约9秒。 也就是你成交后，立即调用get_positions函数 看看你持仓，是无法看到你刚刚买入的股票数据的。
比如：
def initialize(context):这样你是无法获取的你的持仓的。
g.security = '600570.SS'
set_universe(g.security)
def handle_data(context, data):
order(g.security,100)
position = get_position(g.security)
log.info(position)
下面的示例代码，获取还在挂单的委托单子，然后逐个撤销，重新按照最新的市价下单。
def cancel_order_reorder(context):
'''
取消订单，重新下单
:return:
'''
open_orders = get_open_orders()
for _order in open_orders:
_id = _order.id
amount=_order.amount
filled=_order.filled
next_amount = amount-filled
code = _order.symbol
log.info('撤单{} - {}'.format(code,next_amount))
cancel_order(_id)
# time.sleep(1)
log.info('重新下单{} 数量{}'.format(code,next_amount))
order(code,next_amount)
后话：
很多投资者没有编程基础，学习起来会很吃力，耗费大量的时间，得不偿失。写出来的代码也是很多bug而不自知。等到实盘了用真金白银 得到了教训，还不如早期跟一两个人有经验的人学习，甚至找个代写代码就好了。
当然，能力超强，精力旺盛的大神就无视了，这个人折腾起来什么都可以搞得有模有样。
可转债 最新的不下修转股价 名单 持续更新
可转债 • 李魔佛 发表了文章 • 0 个评论 • 1006 次浏览 • 2022-09-28 11:24
已公布不下修转股价的可转债列表汇总
数据更新至2022年9月24日。
如果可转债公布了某个时间段内的不下修转股价，在溢价率很高的情况下，那么在该时间段内，其溢价率回归的办法只剩拉正股了，而在这上涨阶段中，站在概率面，持有转债的涨幅是会大幅低于正股的。
现在市场的情况也是这样，如果可转债公布不下修，第二天的开盘会以低开反映出来。
数据来源：巨潮。
文末附获取原始数据方法。
点击查看大图
点击查看大图
点击查看大图
链接: https://pan.baidu.com/s/1TVAR3nftALTWR0VTnagVhg 提取码: 5wde
更多公众号文章代码与数据，可输入：帮助
查看全部
数据更新至2022年9月24日。
如果可转债公布了某个时间段内的不下修转股价，在溢价率很高的情况下，那么在该时间段内，其溢价率回归的办法只剩拉正股了，而在这上涨阶段中，站在概率面，持有转债的涨幅是会大幅低于正股的。
现在市场的情况也是这样，如果可转债公布不下修，第二天的开盘会以低开反映出来。
数据来源：巨潮。
文末附获取原始数据方法。
点击查看大图
点击查看大图
点击查看大图
链接: https://pan.baidu.com/s/1TVAR3nftALTWR0VTnagVhg 提取码: 5wde
更多公众号文章代码与数据，可输入：帮助
查看全部
已公布不下修转股价的可转债列表汇总
数据更新至2022年9月24日。
如果可转债公布了某个时间段内的不下修转股价，在溢价率很高的情况下，那么在该时间段内，其溢价率回归的办法只剩拉正股了，而在这上涨阶段中，站在概率面，持有转债的涨幅是会大幅低于正股的。
现在市场的情况也是这样，如果可转债公布不下修，第二天的开盘会以低开反映出来。
数据来源：巨潮。
文末附获取原始数据方法。
点击查看大图
点击查看大图
点击查看大图
链接: https://pan.baidu.com/s/1TVAR3nftALTWR0VTnagVhg 提取码: 5wde
更多公众号文章代码与数据，可输入：帮助
数据更新至2022年9月24日。
如果可转债公布了某个时间段内的不下修转股价，在溢价率很高的情况下，那么在该时间段内，其溢价率回归的办法只剩拉正股了，而在这上涨阶段中，站在概率面，持有转债的涨幅是会大幅低于正股的。
现在市场的情况也是这样，如果可转债公布不下修，第二天的开盘会以低开反映出来。
数据来源：巨潮。
文末附获取原始数据方法。
链接: https://pan.baidu.com/s/1TVAR3nftALTWR0VTnagVhg 提取码: 5wde
更多公众号文章代码与数据，可输入：帮助
Ptrade在一个循环事件里 能否不断获取股票实时价格？
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 1366 次浏览 • 2022-09-28 10:53
假设在一个事件循环里：
如：
run_daily(context, get_price, '09:44')
定义的get_price 函数，
然后get_price函数里面有一个死循环，不断地获取价格。
因为ptrade的行情切片 是每3秒更新的一次的，如果行情没更新，那么当前的价格也是过去最近的一个3s的价格。
现在问题是，在一个固定的时间里面，不断地读取价格函数，能获取到最新的价格吗 ？
我们用代码实践一下：
import time
def initialize(context):
# 初始化策略
run_daily(context, get_price, '09:44')
def handle_data(context, data):
pass
def get_price(context):
for i in range(10):
target_list =['113585.SS','123057.SZ']
bond_gear_price_target = get_gear_price(target_list)
for code in target_list:
price = bond_gear_price_target[code]['offer_grp'][1][0]
log.info('code: {} price {} '.format(code,price))
time.sleep(1)
输出的结果：
2022-09-28 10:31:00 - INFO - code: 113585.SS price 169.147
2022-09-28 10:31:00 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:01 - INFO - code: 113585.SS price 169.147
2022-09-28 10:31:01 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:02 - INFO - code: 113585.SS price 169.156
2022-09-28 10:31:02 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:03 - INFO - code: 113585.SS price 169.156
2022-09-28 10:31:03 - INFO - code: 128053.SZ price 144.8
2022-09-28 10:31:04 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:04 - INFO - code: 128053.SZ price 144.8
2022-09-28 10:31:05 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:05 - INFO - code: 128053.SZ price 144.8
2022-09-28 10:31:06 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:06 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:07 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:07 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:08 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:08 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:09 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:09 - INFO - code: 128053.SZ price 144.746
2022-09-28 10:31:10 - INFO - code: 113585.SS price 169.066
2022-09-28 10:31:10 - INFO - code: 128053.SZ price 144.746
2022-09-28 10:31:11 - INFO - code: 113585.SS price 169.066
2022-09-28 10:31:11 - INFO - code: 128053.SZ price 144.746
2022-09-28 10:31:12 - INFO - code: 113585.SS price 169.066
2022-09-28 10:31:12 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:13 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:13 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:14 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:14 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:15 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:15 - INFO - code: 128053.SZ price 144.692
2022-09-28 10:31:16 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:16 - INFO - code: 128053.SZ price 144.692
2022-09-28 10:31:17 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:17 - INFO - code: 128053.SZ price 144.692
2022-09-28 10:31:18 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:18 - INFO - code: 128053.SZ price 144.691
2022-09-28 10:31:19 - INFO - code: 113585.SS price 169.062
2022-09-28 10:31:19 - INFO - code: 128053.SZ price 144.691
2022-09-28 10:31:20 - INFO - code: 113585.SS price 169.062
为了更为直观，过滤掉另外一只可转债
只保留一只
2022-09-28 10:31:00 - INFO - code: 113585.SS price 169.147
2022-09-28 10:31:01 - INFO - code: 113585.SS price 169.147
2022-09-28 10:31:02 - INFO - code: 113585.SS price 169.156
2022-09-28 10:31:03 - INFO - code: 113585.SS price 169.156
2022-09-28 10:31:04 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:05 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:06 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:07 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:08 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:09 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:10 - INFO - code: 113585.SS price 169.066
2022-09-28 10:31:11 - INFO - code: 113585.SS price 169.066 可以看到价格也是基本没个3s更新一次。
更多ptrade实盘代码，请常见个人星球。
【可转债追涨杀跌日内T+0，双低 低价 低溢价 规模多因子轮动】
查看全部
如：
run_daily(context, get_price, '09:44')
定义的get_price 函数，
然后get_price函数里面有一个死循环，不断地获取价格。
因为ptrade的行情切片 是每3秒更新的一次的，如果行情没更新，那么当前的价格也是过去最近的一个3s的价格。
现在问题是，在一个固定的时间里面，不断地读取价格函数，能获取到最新的价格吗 ？
我们用代码实践一下：
import time
def initialize(context):
# 初始化策略
run_daily(context, get_price, '09:44')
def handle_data(context, data):
pass
def get_price(context):
for i in range(10):
target_list =['113585.SS','123057.SZ']
bond_gear_price_target = get_gear_price(target_list)
for code in target_list:
price = bond_gear_price_target[code]['offer_grp'][1][0]
log.info('code: {} price {} '.format(code,price))
time.sleep(1)
输出的结果：
2022-09-28 10:31:00 - INFO - code: 113585.SS price 169.147
2022-09-28 10:31:00 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:01 - INFO - code: 113585.SS price 169.147
2022-09-28 10:31:01 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:02 - INFO - code: 113585.SS price 169.156
2022-09-28 10:31:02 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:03 - INFO - code: 113585.SS price 169.156
2022-09-28 10:31:03 - INFO - code: 128053.SZ price 144.8
2022-09-28 10:31:04 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:04 - INFO - code: 128053.SZ price 144.8
2022-09-28 10:31:05 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:05 - INFO - code: 128053.SZ price 144.8
2022-09-28 10:31:06 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:06 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:07 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:07 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:08 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:08 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:09 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:09 - INFO - code: 128053.SZ price 144.746
2022-09-28 10:31:10 - INFO - code: 113585.SS price 169.066
2022-09-28 10:31:10 - INFO - code: 128053.SZ price 144.746
2022-09-28 10:31:11 - INFO - code: 113585.SS price 169.066
2022-09-28 10:31:11 - INFO - code: 128053.SZ price 144.746
2022-09-28 10:31:12 - INFO - code: 113585.SS price 169.066
2022-09-28 10:31:12 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:13 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:13 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:14 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:14 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:15 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:15 - INFO - code: 128053.SZ price 144.692
2022-09-28 10:31:16 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:16 - INFO - code: 128053.SZ price 144.692
2022-09-28 10:31:17 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:17 - INFO - code: 128053.SZ price 144.692
2022-09-28 10:31:18 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:18 - INFO - code: 128053.SZ price 144.691
2022-09-28 10:31:19 - INFO - code: 113585.SS price 169.062
2022-09-28 10:31:19 - INFO - code: 128053.SZ price 144.691
2022-09-28 10:31:20 - INFO - code: 113585.SS price 169.062
为了更为直观，过滤掉另外一只可转债
只保留一只
2022-09-28 10:31:00 - INFO - code: 113585.SS price 169.147
2022-09-28 10:31:01 - INFO - code: 113585.SS price 169.147
2022-09-28 10:31:02 - INFO - code: 113585.SS price 169.156
2022-09-28 10:31:03 - INFO - code: 113585.SS price 169.156
2022-09-28 10:31:04 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:05 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:06 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:07 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:08 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:09 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:10 - INFO - code: 113585.SS price 169.066
2022-09-28 10:31:11 - INFO - code: 113585.SS price 169.066 可以看到价格也是基本没个3s更新一次。
更多ptrade实盘代码，请常见个人星球。
【可转债追涨杀跌日内T+0，双低 低价 低溢价 规模多因子轮动】
查看全部
假设在一个事件循环里：
如：
run_daily(context, get_price, '09:44')
定义的get_price 函数，
然后get_price函数里面有一个死循环，不断地获取价格。
因为ptrade的行情切片 是每3秒更新的一次的，如果行情没更新，那么当前的价格也是过去最近的一个3s的价格。
现在问题是，在一个固定的时间里面，不断地读取价格函数，能获取到最新的价格吗 ？
我们用代码实践一下：
输出的结果：
为了更为直观，过滤掉另外一只可转债
只保留一只
更多ptrade实盘代码，请常见个人星球。
【可转债追涨杀跌日内T+0，双低 低价 低溢价 规模多因子轮动】
如：
run_daily(context, get_price, '09:44')
定义的get_price 函数，
然后get_price函数里面有一个死循环，不断地获取价格。
因为ptrade的行情切片 是每3秒更新的一次的，如果行情没更新，那么当前的价格也是过去最近的一个3s的价格。
现在问题是，在一个固定的时间里面，不断地读取价格函数，能获取到最新的价格吗 ？
我们用代码实践一下：
import time
def initialize(context):
# 初始化策略
run_daily(context, get_price, '09:44')
def handle_data(context, data):
pass
def get_price(context):
for i in range(10):
target_list =['113585.SS','123057.SZ']
bond_gear_price_target = get_gear_price(target_list)
for code in target_list:
price = bond_gear_price_target[code]['offer_grp'][1][0]
log.info('code: {} price {} '.format(code,price))
time.sleep(1)
输出的结果：
2022-09-28 10:31:00 - INFO - code: 113585.SS price 169.147
2022-09-28 10:31:00 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:01 - INFO - code: 113585.SS price 169.147
2022-09-28 10:31:01 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:02 - INFO - code: 113585.SS price 169.156
2022-09-28 10:31:02 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:03 - INFO - code: 113585.SS price 169.156
2022-09-28 10:31:03 - INFO - code: 128053.SZ price 144.8
2022-09-28 10:31:04 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:04 - INFO - code: 128053.SZ price 144.8
2022-09-28 10:31:05 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:05 - INFO - code: 128053.SZ price 144.8
2022-09-28 10:31:06 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:06 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:07 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:07 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:08 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:08 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:09 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:09 - INFO - code: 128053.SZ price 144.746
2022-09-28 10:31:10 - INFO - code: 113585.SS price 169.066
2022-09-28 10:31:10 - INFO - code: 128053.SZ price 144.746
2022-09-28 10:31:11 - INFO - code: 113585.SS price 169.066
2022-09-28 10:31:11 - INFO - code: 128053.SZ price 144.746
2022-09-28 10:31:12 - INFO - code: 113585.SS price 169.066
2022-09-28 10:31:12 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:13 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:13 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:14 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:14 - INFO - code: 128053.SZ price 144.785
2022-09-28 10:31:15 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:15 - INFO - code: 128053.SZ price 144.692
2022-09-28 10:31:16 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:16 - INFO - code: 128053.SZ price 144.692
2022-09-28 10:31:17 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:17 - INFO - code: 128053.SZ price 144.692
2022-09-28 10:31:18 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:18 - INFO - code: 128053.SZ price 144.691
2022-09-28 10:31:19 - INFO - code: 113585.SS price 169.062
2022-09-28 10:31:19 - INFO - code: 128053.SZ price 144.691
2022-09-28 10:31:20 - INFO - code: 113585.SS price 169.062
为了更为直观，过滤掉另外一只可转债
只保留一只
2022-09-28 10:31:00 - INFO - code: 113585.SS price 169.147可以看到价格也是基本没个3s更新一次。
2022-09-28 10:31:01 - INFO - code: 113585.SS price 169.147
2022-09-28 10:31:02 - INFO - code: 113585.SS price 169.156
2022-09-28 10:31:03 - INFO - code: 113585.SS price 169.156
2022-09-28 10:31:04 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:05 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:06 - INFO - code: 113585.SS price 169.199
2022-09-28 10:31:07 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:08 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:09 - INFO - code: 113585.SS price 169.068
2022-09-28 10:31:10 - INFO - code: 113585.SS price 169.066
2022-09-28 10:31:11 - INFO - code: 113585.SS price 169.066
更多ptrade实盘代码，请常见个人星球。
【可转债追涨杀跌日内T+0，双低 低价 低溢价 规模多因子轮动】
