基于qlib自定义的A股股票池：计算均线，动量，MACD等以及可视化

百天计划之第25天，关于“智能量化，财富自由与个人成长”。

8月的重点工作是讲清楚qlib智能量化框架的使用，不只是tutorail这样的试用教程，而是真正用于生产环境。

文档和示例有很多未尽事宜，而且框架本身还没有到1.0，还有持续迭代开发中，所以很多具体的用法，需要到代码中去理解。

好在qlib的代码质量还是非常高的，写得非常清晰，读qlib的代码，对于python编程能力也有帮助。

今天重点说说：

基于自定义的A股股票池，自定义指标：均线，动量，MACD等，然后可视化出来。

01 从tushare到mongo

昨天的文章，我们把茅台（600519.sh）的日线数据以及财务指标入库mongo并导入到qlib的库中。今天我们扩展成10支股票（一次到位可以，需要一些时间，作为示例，10支与4000支区别不大）。

选择我自己持有的一支基金——富国天惠（161005）的前十大重仓股：

tips: mongo默认是按照_id字段去重的，而且会把_id相同的直接忽略掉，其余可以正常写入，这一点非常方便。

从tushare批量建数据，还涉及到每天盘后更新。

所以呢，一般会把_id设置成唯一key，这样不用担心数据重复入库。

每次入库前，会判断已经入库的日期，然后以此日期为起点，从tushare读取增量数据，其余逻辑都是一致的。

02 从mongo到qlib

逻辑类似，都有一个一次性建立以及增量更新的问题。

与mongo入库类似，我们通过查询qlib数据中已经存在的最近的日期，以此为起点去mongo读增量数据。

03 读取时间序列并绘图

茅台的收盘价（后复权）

MACD_EXP = '(EMA($close, 12) - EMA($close, 26))/$close - EMA((EMA($close, 12) - EMA($close, 26))/$close, 9)/$close'
fields = [MACD_EXP, '$close']  # MACD
data_loader_config = {
    "feature": (fields, ['MACD', '收盘价']),
    # "label": (labels, label_names)
}
data_loader = QlibDataLoader(config=data_loader_config)
df = data_loader.load(instruments=['600519.SH'])
df = df['feature']

print(df)
df['收盘价'].plot()

茅台现在"后复权"收盘价达到14700+!

茅台历史上的MACD值序列如下：

qlib数据库的好处就是在原始序列的基础上，计算指标会很方便，而且内置了多进程，缓存系统等功能，能省我们不少数据处理相关的事情。

04 自定义表达式

内置的表达式主要是一些基础的计算函数，我们可以组合出基础的计算功能，而且我们自己自己实现表达式，并注册给系统即可。

class Distance(PairOperator):
    def _load_internal(self, instrument, start_index, end_index, freq):
        series_left = self.feature_left.load(instrument, start_index, end_index, freq)
        series_right = self.feature_right.load(instrument, start_index, end_index, freq)
        return np.abs(series_left - series_right)

如上是对两个序列，计算“距离”。

对表达式进行注册：

kwargs = {"custom_ops": [Distance]}
qlib.init(provider_uri=str(path.resolve()),**kwargs)

注册后就可以如内置的表达式一样正常使用：

fields = [MACD_EXP, '$close', 'Distance($close,$open)']

5日均线：

计算5日动量：

'$close/Ref($close,5)-1'

近期文章：

从tushare建立自己的A股 qlib数据库

qlib高阶应用之财务数据库与自定义表达式

qlib熟练使用后如何进阶？tests和examples