JoinQuant提供哪些数据学习笔记(2)

最新推荐文章于 2022-12-31 17:38:49 发布

nittystone

最新推荐文章于 2022-12-31 17:38:49 发布

阅读量1.6k

点赞数

分类专栏： code 文章标签： python jqdata joinquant pandas

code 专栏收录该内容

18 篇文章 0 订阅

订阅专栏

股票数据：我们拥有所有A股上市公司2005年以来的股票行情数据、市值数据、财务数据、上市公司基本信息、融资融券信息等。为了避免幸存者偏差，我们包括了已经退市的股票数据（但是不包含2005年之前退市的股票）。
基金数据：我们目前提供了600多种在交易所上市的基金的行情、净值等数据，包含ETF、LOF、分级A/B基金以及货币基金的完整的行情、净值数据等，请点击基金数据查看。
金融期货数据：我们提供中金所推出的所有金融期货产品的行情数据，并包含历史产品的数据。
股票指数：我们支持近600种股票指数数据，包括指数的行情数据以及成分股数据。为了避免未来函数，我们支持获取历史任意时刻的指数成分股信息，具体见get_index_stocks和get_index_weights。注意：指数不能买卖
行业板块：我们支持按行业、按板块选股，具体见get_industry_stocks
概念板块：我们支持按概念板块选股，具体见get_concept_stocks
宏观数据：我们提供全方位的宏观数据，为投资者决策提供有力数据支持。
所有的行情数据我们均已处理好前复权信息。
我们当日的回测数据会在收盘后通过多数据源进行校验，并在T+1（第二天）的00:01更新。

JoinQuant提供的数据支持下载吗？

JoinQuant提供的数据可以在官网及金融终端的回测、模拟交易、研究模块免费使用，金融终端使用时请先下载数据，本地调用可申请JQData服务。

数据后缀是怎么定义的？

深交所股票代码后缀为 XSHE 如000001.XSHE 平安银行 上交所股票代码后缀为 XSHG 如600000.XSHG 浦发银行

其他数据后缀请查询数据字典

如何增加 DataFrame 显示的行、列数？

使用如下代码：

import pandas as pd

# 设定最大显示行数、列数为10000
pd.set_option('display.max_rows', 10000)
pd.set_option('display.max_columns', 10000)
pd.set_option('display.width', 10000)

numpy.float64 浮点数的展示问题

有同学问到, 聚宽的数据是不是有问题, 怎么价格还带那么多位小数. 其实并不是我们数据的问题, 是numpy.float64 展示数据的问题.我们的价格是 numpy.float64 对象存储的, numpy.float64 展示的时候跟我们想象的不一样.

stackoverflow上的答案: 点击这里

详情可以查看：点击这里

财务指标数据与其他平台不一致

为什么我在别的网站上查的财务指标(例如：net_profit、roe、 eps等)和聚宽提供的财务指标数据不一致
（1）为什么不一致：财务指标数据有单季度和报告期两种，一般财经网站上提供的都是根据财报公布日期统计的，我们根单季度统计的，因为财报的统计周期不同，导致一些指标上的不一致；
（2）这样做的原因：上市公司公布财报分四种，一季度报、中期年度报、前三季度报、全年年报，统计的周期跨度分别为第一季度、前两个季度、前三个季度、全年，而聚宽考虑到量化分析，所以默认查询的财务指标数据是单季度的；目前我们同时提供了单季度和报告期的财务数据，您也可以分别查看使用。例如可以通过下面的方式获取报告期的eps:

（3）如果大家想对比别的网站的单季度统计数值，还可以到同花顺上查看，选择按单季度统计，如下图：（4）市值（valuation）数据中market_cap、pb_ratio、pe_ratio、ps_ratio等由于算法或者不同，各个平台不一致，目前我们与choice一致；
（5）如果您还有疑问的话，请在社区发帖，详细描述下查询代码、查询结果及对比的截图，我们一起讨论下。

数据几点更新，更新频率是多少？

请查看下后面的链接内容：数据更新时间及频率

JQData，jqdatasdk和jqdata的关系

（1）JQData和jqdatasdk是同一个产品不同的名称，是一个Python库(或模块)，是聚宽提供的数据接口，在您自己搭建的本地环境中使用（可以脱离官网和客户端独立使用），具体方法见JQData的API；
（2）jqdata是官网的数据产品，主要在官网及客户端使用，具体使用方法见官网的API；
（3）jqdata和jqdatasdk中的获取数据的函数及使用方法稍微不同，使用对应的API就没问题；再强调一下，jqdatasdk不能在官网的回测、模拟、研究中使用，客户端使用的话需要安装jqdatasdk这个python库，具体安装方法请参考在聚宽客户端安装Python库。

如何获取行业及概念板块的行情数据及pe,pb等数据

（1）概念板块目前只可以通过get_concept_stocks获取某个概念板块包含哪些股票；
（2）目前没有概念板块的行情数据，敬请期待；
（3）可以通过get_industry_stocks获取某个行业有哪些股票，也可以通过get_industry查询股票属于哪个行业;
（4）在聚源数据中获取行业的行情数据,具体使用方法可以参考获取中证指数/行业的行情,pe,pb,股息率及申万行业轮动策略；
（5）查询指数的PE（中证指数pe/股息率）

有关期货数据的问题

为什么有时看到的期货主力合约和其他平台不一致，是怎么判断的，什么时候更新的

（1）因此我们根据持仓量（不是成交量）对期货合约进行拼接，形成主力连续合约；

（2）主力合约根据T-2和T-1的持仓量生成，在T-1的晚上、也即T日的夜盘开始前就切换到新的主力合约；
（3）wind等显示主连的数据及主力合约

发现数据有问题怎么办？

（1）查看下我们关于数据问题的说明；
（2）在社区发帖，详细描述下您的问题，包括以下内容：

具体是什么问题;
发下查询语句；
发下查询结果并标记下觉得有问题的地方；
发下对比截图；
发帖参考贴

回测

爱分享的小伙伴已经在社区分享了许多策略，您可以一键克隆免费使用。

回测的作用？

策略有效体现了您的交易思想，通过历史数据的回测，可以检验策略的有效性。

回测可以使用哪些数据？

回测可以免费使用 JoinQuant 提供的所有数据。点击这里了解更多信息。

回测使用的交易数据有一天的延时，即当天的交易数据在第二天的0:01分更新。

延时原因：回测使用的交易数据基于Level-2行情数据，Level-2级别的完整交易数据需要收盘后才能获得，目前市场上没有权威的行情数据，为了保证数据的准确性，我们购买了多个数据提供商的数据，经过一系列处理后才投入使用。

如何创建并运行策略？

通过策略列表页进入策略详情页后，按如下步骤编写策略，运行回测：

（1）进入策略列表页面

您可以看到一些默认的策略，您可以直接打开这些策略，编译运行或者运行回测。

（2）点击新建策略，编辑策略，编译运行，快速回测

我的策略-新建策略.png

点击新建策略后会出现一些模板策略，您可以直接运行这些策略、修改这些策略或者删除模板策略重新写

微信图片_20181016171524.png

编译运行.png

（3）完整回测

运行回测.png

如何编写一个最简单的策略？

参照示例策略，修改代码；
从社区克隆一个您感兴趣的策略；
新建一个策略，从头开始实现自己的交易思路；

如果您想要更详细的了解如何写策略，点击这里

回测支持哪些API？

点击这里查看回测API。

按天回测和分钟回测的区别？

按天回测: handle_data每天9:30调用一次, handle_data的参数是昨天的数据；分钟回测: handle_data每分钟调用一次, handle_data的参数是上一分钟的数据；

下列图片中齿轮为 handle_data(context, data) 的运行时间，before_trading_start(context) 等其他函数运行时间详见相关API。

频率：天

当选择天频率时，算法在每根日线 Bar 都会运行一次，即每天运行一次。

在算法中，可以获取任何粒度的数据。

日K线

频率：分钟

当选择分钟频率时，算法在每根分钟 Bar 都会运行一次，即每分钟运行一次。

在算法中，可以获取任何粒度的数据。

分钟K线

频率：Tick

当选择 Tick 频率时，每当新来一个 Tick，算法都会被执行一次。

注意：现阶段，Tick 频率只有在模拟交易时可以选择。

执行示意图如下图所示：

Tick序列

编译运行和运行回测的区别？

编译运行便于您快速调试代码，检查代码中的错误，策略的运行结果也能更快的展示，仅统计了基准收益、Total Returns（策略总收益）、Alpha（阿尔法）、Beta（贝塔）、Sharpe（夏普比率）、Max Drawdown（最大回撤）等。

运行回测是一次完整的回测，不仅包括编译运行中已经统计的指标，还包括交易详情、每日持仓&收益等信息。运行回测后您还可以创建模拟交易或者对回测进行归因分析。

如何查看订单的处理结果？

请参考如下API文档: get_open_orders/get_orders/get_trades
运行回测，在回测结果页查看交易详情、每日持仓&收益。

Total Returns、Alpha等指标如何计算？

Total Returns（策略总收益）、Alpha（阿尔法）、Beta（贝塔）、Sharpe（夏普比率）、Max Drawdown（最大回撤）等指标统称为风险指标，风险指标有利于您对策略进行一个客观的评价；点击这里查看风险指标的计算方法。

回测时Cash（可用资金）为负是因为什么？

市价单时, 为了让用户能够满仓买入一支股票, 我们并不是按照涨停价计算可买的数量, 而是按照当时的实际价格计算的, 如果按照涨停价计算可买的数量的话, 可能总是只能有90%的仓位. 而成交价格因为滑点的原因可能比市价高一些. 导致成交金额超出了可用资金，与实际情况有些出入. 实盘时，市价单策略按照“涨停价+千分之五手续费”计算可买数量，并冻结资金，不会出现这样的现象.

多次回测的结果不一样，可能是什么原因？

（1）比较的前提: 开始/结束日期、起始资金、策略及运行频率必须相同；
（2）数据有更新；
（3）策略的原因（在相同条件下多次回测比较结果是否相同来排除）:

代码中有随机因素，比如遍历 dict中的元素. 因为dict 是无序存储的, 每次遍历的顺序可能不一样；
不稳定的排序，比如多列的DataFrame, 根据一列进行排序, 每次排序后最终的DataFrame可能是不一样的；
没有采用真实价格回测, 而且建立回测的日期不一样，因为回测中看到的价格可能是根据建立回测的日期做前复权处理的，如果建立的两个日期之间有股票发生了除权, 而策略又操作了这只股票, 则会可能会导致回测不一样。