掘金量化实盘开发分享

保哥量化

已于 2024-06-25 12:25:18 修改

阅读量800

点赞数 7

分类专栏：保哥量化文章标签：金融

于 2024-06-25 11:13:30 首次发布

本文链接：https://blog.csdn.net/wuyan8866/article/details/139953560

版权

保哥量化专栏收录该内容

5 篇文章

订阅专栏

闲话不说，直接干货

掘金量化架构中，有定时策略和事件策略两种，定时策略便于新股申购，逆回购操作。事件策略便于股票交易。

定时策略很简单：

在初始化函数里，启动一个定时任务，在任务函数里完成要完成任务即可。

继续干货，逆回购定制任务案例，代码如下：

def init(context):

# 逆回购定时时间
context.brr_time = '14:57:00'
# 逆回购目标债券(沪市1天期逆回购代码为204001，深市1天期逆回购代码为131810，沪市和深市均为1000起，10张为1手，每张100元，一般沪市相对深市利率高一些)
context.symbol = 'SHSE.204001'
# 逆回购最低利率（低于该利率不进行逆回购，可开启券商的余额理财产品，2023年10月的某券商余额理财年化约为2.3%）
context.min_rate = 1.5

def algo_1(context):
    current_data = current(symbols=context.symbol)[0]
    if current_data['price'] < context.min_rate:
        print('{}:当前逆回购价格低于{}，不进行逆回购，建议开启余额理财产品'.format(context.now, context.min_rate))
    else:
        trade_price = current_data['price']  # 当前价格，也可以使用买五价格作为交易价格:current_data['quotes'][4]['bid_p']
        account_cash = get_cash()
        volume = int(np.floor(account_cash['available'] / 1000) * 10)
        if volume > 0:
            bond_reverse_repurchase_agreement(symbol=context.symbol, volume=volume, price=trade_price,
                                              order_type=OrderType_Limit)
            print('{}:进行逆回购，卖出市值：{}，当前价格：{}'.format(context.now, volume * 100, current_data['price']))
        else:
            print('{}:金额不足，未进行逆回购'.format(context.now))

这个逆回购助手很是方便，剩余资金自动买入逆回购了。

掘金事件策略有很多种类，最细的就是tick事件了，每三秒发布一次，同样在初始化函数里定义一个触发事件。

代码如下：

# 订阅行情
subscribe(symbols = context.orders , frequency='tick', count=10,
          fields='symbol,open,high,low,price,cum_volume,cum_amount,last_volume,last_amount,created_at,quotes')

这里面要注意的是，掘金是一旦接到tick包，就会触发事件，每有一条tick数据产生，就会调用on_tick函数，在订阅多个标的的时候，需要分类处理。这个是开始用掘金的时候，容易踩的坑。

知道了，处理起来也比较简单，干货代码：

if tick.symbol in context.orders :
    # 增强型高抛策略
    private_fun.monitor_boll(context, tick.symbol)

    if context.con_data.loc[context.con_data['symbol'] == tick.symbol].strategy1.values[0] == 1 :
        private_fun.order_up(context, tick.symbol)
    # 通用高抛低收策略
    if context.con_data.loc[context.con_data['symbol'] == tick.symbol].strategy2.values[0] == 1 :
        private_fun.order_updown(context, tick.symbol)
    # 通用boll策略
    if context.con_data.loc[context.con_data['symbol'] == tick.symbol].strategy3.values[0] == 1 :
        private_fun.order_boll(context,tick.symbol)
    # 逆向抛吸策略
    if context.con_data.loc[context.con_data['symbol'] == tick.symbol].strategy4.values[0] == 1 :
        private_fun.order_monitor(context, tick.symbol)
    # 顺向抛吸策略
    if context.con_data.loc[context.con_data['symbol'] == tick.symbol].strategy5.values[0] == 1 :
        private_fun.order_forward_monitor(context, tick.symbol)
    # 通道内 高抛低收  不设阀门
    if context.con_data.loc[context.con_data['symbol'] == tick.symbol].strategy6.values[0] == 1 :
        private_fun.order_trend_updown(context,tick.symbol)

这期就分享到这，后面会针对我实盘的策略架构，进行详细介绍