米框量化交易指标编写kd

代码主要来自于米框官方教程，由于官方教程有很多，且在开源代码上不一定运行成功，因此将试验成功的代码放于此，便于日后查验。
rqalpha取自官方版本3.4.0到3.4.1之间。

关键代码：

rqalpha.api.instruments(id_or_symbols)

获取合约的详细信息

rqalpha.api.current_snapshot(order_book_id)

get_trading_dates(start_date, end_date)

交易列表

get_previous_trading_date(date)

上一交易日

get_next_trading_date(date)

下一交易日

获取交易日列表

当日快照

1 history_bars()：

(order_book_id, bar_count, frequency, fields=None, skip_suspended=True, include_now=False, adjust_type=‘pre’)
得到的是一个ndarray序列，这里是前30天的数据集

2 get_bar():

handle_bar()函数中通过bar_dict[stock].close获取到当日收盘价，最终调用到get_bar()中数据

bar_dict[stock].close调用的BarMap中的__getitem__()函数，然后通过

self._data_proxy.get_bar(order_book_id, self._dt, self._frequency)

获取股票的相关信息，data_proxy.get_bar()调用_data_source.get_bar()函数，这个_data_source是数据源，如果重写了数据源，那么get_bar()也需要重写。我重写成minute_data_source,因此这儿就接管过来了

3 账户信息：

context.portfolio.positions这个指账户相关信息

完整代码：

# 此例子采用Talib提供的STOCH(Stochastic Oscillator Slow),更直接的理解他就是我们常用的KDJ指标中的KD指标。
# 是由两条线一条是快速确认线，另外一条是慢速主干线组成。
# K线是快速确认线——数值在90以上为超买，数值在10以下为超卖；
# D线是慢速主干线——数值在90以上为超买，数值在10以下为超卖；
import talib
from rqalpha.api import *


def init(context):
    # 定义一个全局变量, 保存要操作的证券
    context.stocks = ['600048.XSHG', '000002.XSHE', '000024.XSHE', '000031.XSHE', '000040.XSHE']
    # 设置我们要操作的股票池
    update_universe(context.stocks)


# 初始化此策略
def handle_bar(context, bar_dict):
    # 取得当前的现金
    cash = context.portfolio.cash

    # 循环股票列表
    for stock in context.stocks:
        # 获取股票的数据
        hhigh = history_bars(stock, 30, '1d', 'high')
        hlow = history_bars(stock, 30, '1d', 'low')
        hclose = history_bars(stock, 30, '1d', 'close')
        # 创建STOCH买卖信号，包括最高价，最低价，收盘价和快速线（一般取为9），慢速线
        # 注意：STOCH函数使用的price必须是narray
        slowk, slowd = talib.STOCH(hhigh,
                                   hlow,
                                   hclose,
                                   fastk_period=9,
                                   slowk_period=3,
                                   slowk_matype=0,
                                   slowd_period=3,
                                   slowd_matype=0)
        # 获得最近的kd值
        slowk = slowk[-1]
        slowd = slowd[-1]
        # 获取当前股票的数据
        current_position = context.portfolio.positions[stock].quantity
        # 获取当前股票价格
        current_price = bar_dict[stock].close
        # 当slowk > 90 or slowd > 90，且拥有的股票数量>=0时，卖出所有股票
        if slowk > 90 or slowd > 90 and current_position >= 0:
            order_target_percent(stock, 0)
        # 当slowk < 10 or slowd < 10, 且拥有的股票数量<=0时，则全仓买入
        elif slowk < 10 or slowd < 10 and current_position <= 0:
            number_of_shares = int(cash / current_price)
            # logger.info(cash)
            # logger.info(current_price)
            # 购买量大于0时，下单
            if number_of_shares > 0:
                # 买入股票
                order_shares(stock, number_of_shares)

运行结果：

日线级别的get_bar逻辑：

股票日线原始数据：

股票日线转换后的数据：

股票分钟原始数据：

股票分钟转换后数据

关于分钟数据的datetime列
将datetime替换成原来的date， 然后将datetime*=1000000， 再加上time列的数据

股指期货字段多一些，其它与分钟线相同：