Python量化交易学习——Part2 获取交易数据

在本节中，主要是对掘金中一些基本的功能进行讲解。

新建策略

当我们建立一个空策略后，代码显示如下图所示：

# coding=utf-8
from __future__ import print_function, absolute_import
# 引用掘金数据库
from gm.api import *


# 策略中必须有init方法，初始化
def init(context):
    pass



if __name__ == '__main__':
    '''
        strategy_id策略ID, 由系统生成
        filename文件名, 请与本文件名保持一致
        mode运行模式, 实时模式:MODE_LIVE回测模式:MODE_BACKTEST
        token绑定计算机的ID, 可在系统设置-密钥管理中生成
        backtest_start_time回测开始时间
        backtest_end_time回测结束时间
        backtest_adjust股票复权方式, 不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
        backtest_initial_cash回测初始资金
        backtest_commission_ratio回测佣金比例
        backtest_slippage_ratio回测滑点比例
        backtest_match_mode市价撮合模式，以下一tick/bar开盘价撮合:0，以当前tick/bar收盘价撮合：1
        '''
    run(strategy_id='自己的ID',
        filename='main.py',
        mode=MODE_BACKTEST,
        token='自己的token码',
        backtest_start_time='2020-11-01 08:00:00',
        backtest_end_time='2020-11-10 16:00:00',
        backtest_adjust=ADJUST_PREV,
        backtest_initial_cash=10000000,
        backtest_commission_ratio=0.0001,
        backtest_slippage_ratio=0.0001,
        backtest_match_mode=1)

掘金量化交易系统虽然支持python编译，但是直观性上没有第三方IDE好，所以我采用的方法是将代码直接copy到pycharm中进行编译。
在第三方软件进行编译时，需要注意的有三点：
（1）策略ID：策略 ID 用于终端识别策略身份，如识别不同策略发来的日志、消息、回测报表，交易信号等。可在策略编辑页面点击右下角的设置按钮查看、复制策略 ID。必须和策略里run()的strategy_id一致。
（2）token：token ID 用于服务端识别用户登录身份，如从服务器提取数据。
如需获取，点击掘金量化终端顶部的“系统设置”即可。同时，也可以选择重新生成 token ID，此时旧的 token ID 将失效。

（3）filename：这个需要与第三方IDE设置的文件名相同，比如在pycharm中设置的文件名为test1.py，那么这里的main.py就需要改成test1.py。

获取数据

量化投资的第一步就是如何获取股市的数据。
交易标的：股票、期货、可转债、ETF、指数、基金
交易市场：上交所（SHSE）、深交所（SZSE）、中金所（CFFEX）、上期所（SHFE）、大商所（DCE）、郑商所（CZCE）、上海国际能源交易中心（INE），广期所(GFEX)
数据类型：实时行情数据、历史行情数据、基本面数据。
其中，实时行情数据和历史行情数据均包含 tick 行情、bar 行情。
基本面数据包含财务指标、指数成分、行业概念和交易日等数据。
我这里采用第三方IDE获取数据，数据仅返回一次。

# coding=utf-8
import gm.api as gm
import talib
import numpy as np
import pandas as pd
gm.set_token("自己的token码")
"""
1、set_token 设置用户token， 如果token不正确, 函数调用会抛出异常；
2、调用数据查询函数， 直接进行数据查询。
"""

data = gm.history_n(symbol="SZSE.002415",frequency="1d",count=100,end_time="2024-5-24",fields="close",fill_missing="last",adjust=gm.ADJUST_PREV,df=True)
close = np.asarray(data["close"].values)
data.to_csv("data.csv")
print(close)

这里用到了gm.history_n()这个函数，目的是为了获取历史的N条数据，我上面的代码就是获取了海康威视仅100天的收盘价，并存储到excel中，同时打印出来。
返回值：

返回的CSV数据：

gm.history_n() 函数

history_n(symbol, frequency, count, end_time=None, fields=None, skip_suspended=True,
          fill_missing=None, adjust=ADJUST_NONE, adjust_end_time='', df=False)

参数：

参数名	类型	说明
symbol	str	标的代码（只允许单个标的的代码字符串），如SZSE.002415代表深圳交易所上市的海康威视
frequency	str	频率，支持’tick’（交易所服务器刷新频率），‘1d’，‘60s’等，默认为’1d’。
count	int	数量（正整数）
end_time	str or datetime.datetime	结束时间（%Y-%m-%d %H:%M:%S 格式），也支持datetime.datetime格式，默认None时，用了实际当前时间，非回测当前时间
fields	str	指定返回对象字段，如有多个字段，中间用,隔开，默认所有，如（open,high,low,price)等。
skip_suspended	bool	是否跳过停牌，默认跳过
fill_missing	str or None	填充方式，None——不填充；‘NaN’——用空值填充，‘Last’——用上一个填充，默认None
adjust	int	ADJUST_NONE or 0：不复权；ADJUST or 1：前复权；ADJUST_POST or 2：后复权 默认不复权
adjust_end_time	str	复权基点时间，默认当前时间
df	bool	是否返回dataframe格式(有时间戳），默认False，返回list[dict]

注意：

1. 返回的list/DataFrame是以参数eob/bob的升序来排序的
2. 若输入无效标的代码，返回空列表/空DataFrame
3. 若输入代码正确，但查询字段包含无效字段，返回的列表、DataFrame 只包含 eob、symbol和输入的其他有效字段
4. end_time 中月,日,时,分,秒均可以只输入个位数,例:‘2017-7-30 20:0:20’,但若对应位置为零，则0不可被省略,如不可输入’2017-7-30 20: :20’
5. skip_suspended 和 fill_missing 参数暂不支持
6. 单次返回数据量最大返回 33000, 超出部分不返回
7. end_time 输入不存在日期时，会报错 details = “Can’t parse string as time: 2020-10-40 15:30:00”

转载请注明出处：雪中嬉戏的柴犬