python股票量化交易_Python量化交易：实现第一个股票策略

目标以及应用：

实现简单的选股策略

1.选股介绍

不管是技术分析还是基本面分析，我们在进行投资的时候都会选择一些表现较好的股票作为一个股票池，从中来进行交易的判断或者是技术分析，之后再购买。

2.需求

（1）选股：获得市盈率大于50并且小于65的，营业总收入前十的股票

（2）调仓：每日调仓，将所有资金平台到这10个股票的购买策略，卖出一次性卖出所有不符合条件的

3.代码

# 可以自己import我们平台支持的第三方python模块，比如pandas、numpy等。

# 每日选股：获得市盈率大于50且小于65，营业总收入前10的股票

# 买卖：买入每天选出来的10只，卖出不符合条件

# 调仓按照月调仓,投资对象HS300

# 在这个方法中编写任何的初始化逻辑。context对象将会在你的算法策略的任何方法之间做传递。

def init(context):

# 在context中保存全局变量

# context.s1 = "000001.XSHE"

# 实时打印日志

# logger.info("RunInfo: {}".format(context.run_info))

# 定义一个选股的范围

context.hs300 = index_components("000300.XSHG")

scheduler.run_monthly(get_data, tradingday=1)

def get_data(context, bar_dict):

# 删掉两个条件

# .filter(

# fundamentals.eod_derivative_indicator.pe_ratio > 50

# ).filter(

# fundamentals.eod_derivative_indicator.pe_ratio < 65

# )

# 选股

q = query(fundamentals.eod_derivative_indicator.pe_ratio,

fundamentals.income_statement.revenue

).order_by(

fundamentals.income_statement.revenue.desc()

).filter(

fundamentals.stockcode.in_(context.hs300)

).limit(10)

fund = get_fundamentals(q)

# 行列内容以及索引一起进行转置

# print(fund.T)

context.stock_list = fund.T.index

# before_trading此函数会在每天策略交易开始前被调用，当天只会被调用一次

def before_trading(context):

pass

# 你选择的证券的数据更新将会触发此段逻辑，例如日或分钟历史数据切片或者是实时数据切片更新

def handle_bar(context, bar_dict):

# 开始编写你的主要的算法逻辑

# bar_dict[order_book_id] 可以拿到某个证券的bar信息

# context.portfolio 可以拿到现在的投资组合信息

# 使用order_shares(id_or_ins, amount)方法进行落单

# TODO: 开始编写你的算法吧！

# order_shares(context.s1, 1000)

# 在这里才能进行交易

# 先判断仓位是否有股票，如果有，卖出（判断在不在新的股票池当中）

if len(context.portfolio.positions.keys()) != 0:

for stock in context.portfolio.positions.keys():

# 如果旧的持有的股票不在新的股票池当中，卖出

if stock not in context.stock_list:

order_target_percent(stock, 0)

# 买入最新的每日更新的股票池当中的股票

# 等比例资金买入，投资组合总价值的百分比平分10份

weight = 1.0 / len(context.stock_list)

for stock in context.stock_list:

order_target_percent(stock, weight)

# after_trading函数会在每天交易结束后被调用，当天只会被调用一次

def after_trading(context):

pass