@Lyricen 你的 IP 属地 牛逼了

# 最近5日最高价平均价 stock = history(5, unit='1d', field='high', security_list=['000001.XSHE'], df=False, skip_paused=False, fq='pre') print(stock['000001.XSHE'].mean()) # 流通市值最大5个股票 index_stocks = get_index_stocks("000001.XSHG") q = query( valuation.code, valuation.circulating_market_cap ).filter( valuation.code.in_(index_stocks) ).order_by( valuation.circulating_market_cap.desc() ).limit(5) df = list(get_fundamentals(q).code) print(df)

``` # 获取股票的最高价 high_data = attribute_history('000001.XSHE', 5, '1d', ['high']) # 取得过去五天的平均价格 MA5 = high_data['high'].mean() print(MA5) ``` ``` q=query(valuation.code,valuation.circulating_market_cap ).order_by(valuation.circulating_market_cap.desc() ).limit(10) w=get_fundamentals(q) print(w) ```

打卡学习

打卡

2025-11-31

打卡

code_list = get_index_weights('000001.XSHG', date=None) code_list = code_list.index.tolist() q = query(valuation.code ).filter(valuation.code.in_(code_list) ).order_by(valuation.circulating_market_cap.desc() # 降序排列 ).limit(5) # 取前5条 w = get_fundamentals(q) print(w)

# 导入函数库 from jqdata import * # 初始化函数，设定基准等等 def initialize(context): # 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') # 获取任一股票最近5个交易日最高价的平均价 log.info(attribute_history(security='002625.XSHE', count=5, fields='high').mean()) # list包含上证指数成分股中流通市值最大的5个股票的股票代码 stocks = get_index_stocks(index_symbol='000001.XSHG') q = query(valuation.code ).filter(valuation.code.in_(stocks) ).order_by(valuation.circulating_market_cap.desc()).limit(5) log.info(get_fundamentals(q).values)

【学习打卡】 #### 获取一只股票最近5个交易日最高价的平均价 res = attribute_history(security='000001.XSHE', fields=['avg','high']) high_avg = res['high'].mean() #### 生成一个list，list中为上证指数成分股中流通市值最大的5个股票的股票代码 #### 获取上证指数成分股 - 获取上证指数成分股对应流通市值 - 排序输出list from jqdata import * stks_shanghai = get_index_stocks('000001.XSHG') df1 = get_valuation(stks_shanghai, end_date="2026-02-18", count=5, fields=['circulating_market_cap']) print(df1.sort_values(by='circulating_market_cap', ascending=False)[:5])

打卡

打卡

作业1-获取任一股票最近5个交易日最高价的平均价 ``` # 导入函数库 from jqdata import * import numpy as np import pandas as pd # 初始化函数，设定基准等等 def initialize(context): # 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) # 过滤掉order系列API产生的比error级别低的log # log.set_level('order', 'error') ### 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） # 开盘前运行 run_daily(before_market_open, time='before_open', reference_security='000300.XSHG') # 开盘时或每分钟开始时运行 run_daily(market_open, time='every_bar', reference_security='000300.XSHG') # 收盘后运行 run_daily(after_market_close, time='after_close', reference_security='000300.XSHG') g.security = "000001.XSHE" ## 开盘时运行函数 def market_open(context): high_price = attribute_history(g.security, count = 5, unit = '1d', fields = ['high'], df = 0, fq = 'pre') high_average = np.mean(high_price['high']) log.info(high_average) ```

作业2-生成一个listlist中为上证指数成分股中流通市值最大的5个股票的股票代码 ``` # 导入函数库 from jqdata import * def initialize(context): set_option('use_real_price', True) set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock') run_daily(market_open, time='open', reference_security='000300.XSHG') def market_open(context): security_list = get_index_stocks('000001.XSHG') q = query( valuation.code, valuation.market_cap ).filter( valuation.code.in_(security_list) ).order_by( valuation.market_cap.desc() ) df = get_fundamentals(q) buylist =list(df['code']) log.info(buylist[:5]) ```

学习中

@871916552 兄弟你的代码写的有问题，会报错，因为你用了一个没有定义的before_market_open 我给你的代码修改如下： from jqdata import * import numpy as np import pandas as pd # 初始化函数，设定基准等等 def initialize(context): # 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) # 股票类每笔交易时的手续费 set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock') # 只在每个交易分钟（或开盘时）运行 market_open 函数 run_daily(market_open, time='every_bar', reference_security='000300.XSHG') # 你要观察的股票 g.security = "000001.XSHE" # 平安银行 # 开盘时 / 每分钟运行的函数 def market_open(context): # 获取最近5个交易日的最高价（不含今天） # count=5 → 取前5个完整交易日 high_price = attribute_history(g.security, count=5, unit='1d', fields=['high'], df=False, fq='pre') # high_price 是一个 structured array 或 dict-like # 取 'high' 字段的所有值，求平均 high_average = np.mean(high_price['high']) # 打印到日志（聚宽回测/模拟中可见） log.info("股票 {} 最近5个交易日最高价平均: {:.4f}".format(g.security, high_average)) # 如果你想在图表上标记，也可以用 record # record(high_avg=high_average)

作业1-获取任一股票最近5个交易日最高价的平均价 from jqdata import * import numpy as np import pandas as pd # 初始化函数，设定基准等等 def initialize(context): # 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) # 股票类每笔交易时的手续费 set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock') # 只在每个交易分钟（或开盘时）运行 market_open 函数 run_daily(market_open, time='every_bar', reference_security='000300.XSHG') # 你要观察的股票 g.security = "000001.XSHE" # 平安银行 # 开盘时 / 每分钟运行的函数 def market_open(context): # 获取最近5个交易日的最高价（不含今天） # count=5 → 取前5个完整交易日 high_price = attribute_history(g.security, count=5, unit='1d', fields=['high'], df=False, fq='pre') # high_price 是一个 structured array 或 dict-like # 取 'high' 字段的所有值，求平均 high_average = np.mean(high_price['high']) # 打印到日志（聚宽回测/模拟中可见） log.info("股票 {} 最近5个交易日最高价平均: {:.4f}".format(g.security, high_average)) # 如果你想在图表上标记，也可以用 record # record(high_avg=high_average)

筛选私自最小的10只股票交易

#利用history找最高价 w = history(count=5, field='high', security_list=['000001.XSHE'], skip_paused=True) print (w) #利用attribute_history找最高价 v = attribute_history(security='000001.XSHE', count=5, fields=['high','low'], skip_paused=True) average_high_v = v['high'].mean() print (v) print (f'最高价平均:{average_high_v}')