量化交易从入门到放弃——体验简单策略熟悉API（次新股倒金字塔加仓）

本文仅为学习笔记，无法保证正确性，不可作为交易参考。

在市场上有一个被奉为真理的加仓方法——倒金字塔加仓，传说只要按照倒金字塔加仓，一定不会亏损;今天就对这一方法利用宽客平台实现一下。

1、算法逻辑

1、分别选取次新板块和沪深300;

2、过滤上市不满30天股票;

3、为了不让平台珍贵的运算能力浪费在我这无聊的代码运行过程，随机选取50支;

4、初始建仓10%;

5、每当个股持仓亏损达到10%时，加仓一倍;

6、个股浮盈20%，止盈操作;

7、仓位达到90%时，开始对亏损超过15%的股票进行止损;

8、建仓后只平仓或加仓，不再开仓

2、代码实现（以次新板块为例）

# 导入函数库
from jqdata import *
import numpy as np
from datetime import timedelta
# 初始化函数，设定基准等等

def initialize(context):
    g.stock_size = 50
    g.init_flag = False
    # 设定沪深300作为基准
    set_benchmark('000300.XSHG')
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)
    # 输出内容到日志 log.info()
    log.info('初始函数开始运行且全局只运行一次')
    # 过滤掉order系列API产生的比error级别低的log
    # log.set_level('order', 'error')
    g.stocks = get_concept_stocks('GN189')
    ### 股票相关设定 ###
    # 股票类每笔交易时的手续费是：买入时佣金万分之三，卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    
    ## 运行函数（reference_security为运行时间的参考标的；传入的标的只做种类区分，因此传入'000300.XSHG'或'510300.XSHG'是一样的）
      # 开盘时运行
    run_daily(market_open, time='open', reference_security='000300.XSHG')
      # 收盘后运行
    run_daily(after_market_close, time='after_close', reference_security='000300.XSHG')
    

    
## 开盘时运行函数
def market_open(context):
    init_percent = 0.1
    log.info('函数运行时间(market_open):'+str(context.current_dt.time()))
    security_list = np.array(g.stocks)
    security_list = [s for s in np.random.choice(security_list, size=100) if (not get_current_data()[s].paused) and ((context.current_dt.date() - get_security_info(s).start_date) > timedelta(30))]
    security_list = np.array(security_list)

    
    cash = context.portfolio.positions_value
    all_cash = context.portfolio.total_value
    g.pos = cash / all_cash
    g.target_value = all_cash * init_percent
    g.per_socket_value = g.target_value / g.stock_size
    log.info('positions: {}'.format(g.pos))
    
    if g.init_flag:
            positions = [s for s in context.portfolio.positions.keys() if not get_current_data()[s].paused]
            for s in positions:
                avg = context.portfolio.positions[s].avg_cost
                p = context.portfolio.positions[s].price
                pct = (p - avg) / avg
                log.info('s:{}, pct:{}'.format(s, pct))
                if pct > 0.2:
                    order_target(s, 0, MarketOrderStyle())
                if g.pos < 0.9:
                    if pct < -0.10:
                        order(s, context.portfolio.positions[s].total_amount, MarketOrderStyle())
                else:
                    if pct < -0.15:
                        order_target(s, 0, MarketOrderStyle())
    else:
        init_order(context, security_list)
            # log.info('pos:{}'.format(context.portfolio.positions_value / context.portfolio.total_value))
        
            
def init_order(context, security_list):
    for s in np.random.choice(security_list, size=g.stock_size):
        order_value(s, g.per_socket_value, MarketOrderStyle())
 
# 收盘后运行函数  
def after_market_close(context):
    g.init_flag = True
    orders = get_open_orders()
    for o in orders.values():
        cancel_order(o)

3、回测（其中一次回测效果）

次新板块倒金字塔加仓回测

沪深300板块倒金字塔加仓回测

 4、总结

1、initialize全局只运行一次;

2、初始化全局变量g时，要考虑运行频率;