【优矿学习】分析新用户引导的代码

本文中的例子来自于优矿的新用户引导中提供的代码；

记录在优矿这个平台一下学习的回测和取数据用到的基本方法

首先第一个策略是新用户引导里面给的，大概干了这么一件事：

1. 回测2017-01-01到2018-01-01这段时间的数据
2. 在沪深300这个池子里的所有股票中，每天去找市盈率PE最低的100只股票，每天买10000股（100手）
3. 如果当天仓里有某一只之前买入的股票不在当天PE最低的100只股票里了，就把这只股票卖出，保证随时仓里都有100只股票（除非钱不够了），而且这100只一定是当天PE最低的100只
4. 回测使用天级别，即一天只交易一次

代码的理解分析都写在注释里了

 
# 先会初始化一些回测用到的参数，这里参数名应该是预定义好的， 有一些有初始值，比如start，end什么的不设也可以；
# 这里的benchmark就是最后回测结果里的基准值，如果把这个值设置为上证综合指数，那就能知道自己有没有跑赢大盘，具体成绩怎么样了。
# 上证综指的secid是000001.ZICN，这里取的是沪深300作为基准，但是这里不知道为啥是HS300，这个代码我没找到在哪儿
# 所有的板块指数在这里可以找到 https://uqer.datayes.com/help/appendixIndex/#%E6%9D%BF%E5%9D%97%E6%8C%87%E6%95%B0%E5%88%97%E8%A1%A8
start = '2017-01-01'                       # 回测起始时间
end = '2018-01-01'                         # 回测结束时间
universe = DynamicUniverse('HS300')        # 证券池，支持股票、基金、期货、指数四种资产
benchmark = 'HS300'                        # 策略参考标准
freq = 'd'                                 # 策略类型，'d'表示日间策略使用日线回测，'m'表示日内策略使用分钟线回测
refresh_rate = 1                           # 调仓频率，表示执行handle_data的时间间隔，若freq = 'd'时间间隔的单位为交易日，若freq = 'm'时间间隔为分钟
  
# 配置账户信息，支持多资产多账户
# 这里的account_type支持四种类型：'security'股票和场内基金、 'futures'期货、'otc_fund'场外基金(不含货币基金)， 'index'指数 。
# 这部分其他参数在这里 https://uqer.datayes.com/help/faq#AccountConfig%E8%B4%A6%E6%88%B7%E9%85%8D%E7%BD%AE
accounts = {
    'fantasy_account': AccountConfig(account_type='security', capital_base=10000000)
}

# 这个初始化应该全局只会调用一次
def initialize(context):
    pass
  
# 每个单位时间(如果按天回测,则每天调用一次,如果按分钟,则每分钟调用一次)调用一次
def handle_data(context):    
    # 先拿到前一天的时间
    previous_date = context.previous_date.strftime('%Y-%m-%d')
     
    # 获取因子PE的的历史数据集，截止到前一个交易日
    # 这里先用history这个方法去查股票的历史数据
    # 这个hitory的入参有：
        # symbol表示需要查询的股票，可以是一个list，这里传的是一个universe，应该本质也是一个list，这里一定要是上面初始化的时候定义的universe中存在的股票
        # attribute表示你要查询股票数据的哪一个参数，这里选的PE，市盈率（Price Earnings Ratio），这个PE差不多就等于公司股票价格除以公司盈利的钱；
            # 所有可以选择的因子在这里 https://uqer.datayes.com/help/appendixFactors/
        # time_range这个参数要和freq一起用，freq表示单位，可以设置1d，1m，5m，30m这些，然后time_range就表示你要获取多少个freq的数据，这里freq没设，估计默认是1d,不确定
        # style这个表示输出的格式，s=symbol, t=time, a=attribution，不同的组合输出的格式会变，例如ast就表示返回的字典中的键是attribute，其值是列为symbol、行为time的DataFrame，其他以此类推。
        # 然后这里是按tas排序的，就是key为时间，所以这里[previous_date]取了前一天的数据，得到的就是一个二维as维度的表格
    hist = context.history(symbol=context.get_universe(exclude_halt=True), attribute='PE', time_range=1,freq="1d", style='tas')[previous_date]

    # 将因子值从小到大排序，并取PE最小的100支股票作为目标持仓
    signal = hist['PE'].order(ascending=True)
    # 因为这里是一个as维度的表格，所以取index实际上就是取的s这个维度，就是取股票的代码
    target_position = signal[:100].index
     
    # 获取当前账户信息
    account = context.get_account('fantasy_account')   
    # 这个get_positions是获得当前账户持仓的所有股票list
    current_position = account.get_positions(exclude_halt=True)       
     
    # 卖出当前持有，但目标持仓没有的部分
    for stock in set(current_position).difference(target_position):
        # 这个order_to，入参第一个是要卖的股票，第二个参数是要卖到还剩多少股
        # 这里的策略是要卖就一次性全卖完，所以就是卖到还剩0股
        account.order_to(stock, 0)
     
    # 根据目标持仓权重，逐一委托下单
    for stock in target_position:
        # 这里的order方法，入参第一个是要买的股票，第二个参数是要买多少股
        account.order(stock, 10000)
    pass;