这样的策略不稳定！

@ScutiUY 你不是搞了一个吗？难吗？你知道水平的！

@ScutiUY 人家就是为了积分，你认真就没意思了！

@condoleezza 人心怎么可以如你这般这么险恶？还是脑残回帖不看帖？没看我把所有代码都放到一个研究里让别人随便复制了吗？

@jqz1226 谢谢老师回复。我大致能看懂time_list = list(pd.date_range(start, end, freq='M'))这句是取月线值，但我改成w或者week以后（对应week）编译总是不通过，查了api愣是没找到freq对应的周周期参数。老师改写以后将pe数值放到一个数组里了，这样用起来很方便，谢谢。但原始数据取的还是不对，交易有滞后现象。

@北河三 那请你也搞一个，回测10年以上的，有一定规律性的，至少能保证平均5年翻一倍的策略发出来供我学习可以吗？实话实说，在a股，平均5年能翻一倍的基本都进入1那个行列了。7亏2平1赚是a股都普遍现象。

@南开小楼 取一个星期的频率是W（大写） 可以参阅：https://blog.csdn.net/weixin_43198168/article/details/84969062 freq="W"时，系统取默认的星期天（W-SUN), 如果想取每周的星期一：pd.date_range('2019-1-1','2020-7-17', freq='W-MON') 如果想取每周的星期五：pd.date_range('2019-1-1','2020-7-17', freq='W-FRI')

@南开小楼 哈哈。。我都替你无语，这么攻击谁还出来分享

看起来不错

@南开小楼 扯不上恶毒，只是社区这样的策略太多了！

@南开小楼 很难吗？我试试！

@南开小楼 无意中伤，如果你感到了冒犯，对不起，请你谅解！

@jqz1226 收到，谢谢

@好韭配好菜 谢谢，我不需要你替我做什么，我这人向来都是以直报怨，尊重我的我自然百倍回敬，不尊重我的我也没必要点头哈腰感谢什么。对于你这种回帖不看帖都玩意儿，我确实不需要你替我无语，犯不着您费心。

@南开小楼 哈？exo me?我这种什么玩意儿？我有点费解，我明明是支持你看明白了你在说什么，怎么调转头攻击我？

优化了PE计算部分逻辑，PE计算可自定义采样周期，序列增量更新加速计算 ``` def pe_init(context): days = get_trade_days('2015-01-01', context.previous_date) datelist = days[::5] df_list = [] g.pe_stocks = get_index_stocks(g.sector, date=datelist[0]) for date in datelist: if date.month == 6 or date.month == 12: # 每年6月 12月 沪深300调整,成分股变化 g.pe_stocks = get_index_stocks(g.sector, date=date) q = query(valuation.code, valuation.pubDate, valuation.market_cap, valuation.pe_ratio).filter( valuation.code.in_(g.pe_stocks)) df = get_fundamentals(q, date) df_list.append(df) df = pd.concat(df_list, ignore_index=True) g.s_pe = df.groupby('pubDate').apply(lambda dx: sum(dx['market_cap']) / sum(dx['market_cap'] / dx['pe_ratio'])) def pe_check(context): date=context.previous_date if date.month == 6 or date.month == 12: # 每年6月 12月 沪深300调整,成分股变化 g.pe_stocks = get_index_stocks(g.sector, date=date) q = query(valuation.code, valuation.pubDate,valuation.market_cap, valuation.pe_ratio).filter(valuation.code.in_(g.pe_stocks)) df = get_fundamentals(q, context.previous_date) pe=sum(df['market_cap']) / sum(df['market_cap'] / df['pe_ratio']) g.s_pe[str(context.previous_date)]=pe g.flag = 0 pe_mean=g.s_pe.rolling(3).mean() zws_50 = g.s_pe.median() if pe_mean[-2] < pe_mean[-1] < zws_50: log.info("Pe上行，操作股票:") g.flag = 1 else: log.info("Pe下行或超出中位数值，空仓:") return g.flag ```

@一溜烟 收到，感谢大佬的提点，谢谢！！！

@好韭配好菜 抱歉，我理解错了，误伤友军。但您这语言的表达方式。。。。。确实很容易引起歧义。

这种暴涨暴跌的，用择时去回避暴跌，我觉得有拟合风险，万一后市你没避过大跌呢，那回撤就很伤人了。