量化交易测试笔记

# coding=utf-8
from __future__ import print_function, absolute_import
from gm.api import *
import numpy as np


# 策略中必须有init方法
def init(context):
    today = context.now
    # 设置标的股票
    context.symbol = 'SHSE.600000'
    # 用于判定第一个仓位是否成功开仓
    context.first = 0
    # 订阅浦发银行, bar频率为1min
    subscribe(symbols=context.symbol, frequency='1d', count=3)
    # 日内回转每次交易100股
    context.trade_n = 100
    # 获取昨今天的时间
    context.day = [0, 0]
    # 获取历史价格
    data = history_n(symbol=context.symbol, frequency='1d', end_time=today, count=3,
                     fill_missing='last', df=True)
    close = data['close'].values
    max_x = data['high'].values
    min_n = data['low'].values
    amount = data['amount'].values
    市值 = stocks[(stocks['NEGOTIABLEMV'] == MV) & (stocks['BM'] == BM)]

    avg = np.mean(close)
    avg_amount = np.mean(amount)
    max_high = max_x[-1]
    min_colse = min_n[-1]

    print('收盘价：{},最高价：{},最低价：{},成交量：{}'.format(close, max_x, min_n, amount))
    print('收盘均价：{},最高价：{},最低价：{},成交量：{}'.format(avg, max_high, min_colse, avg_amount))
    print(市值)
    # print('最高价：{}'.format(max_x))
    # print('最低价：{}'.format(min_n))
    # print('成交量：{}'.format(amount))



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
        '''
    run(strategy_id='f197c2fc-8305-11eb-9dab-00ff7c7ac806',
        filename='test.py',
        mode=MODE_BACKTEST,
        token='2c705a9dd13617610384e13505253dbe93d698eb',
        backtest_start_time='2021-03-10 08:00:00',
        backtest_end_time='2021-03-12 16:00:00',
        backtest_adjust=ADJUST_PREV,
        backtest_initial_cash=10000000,
        backtest_commission_ratio=0.0001,
        backtest_slippage_ratio=0.0001)