【新】新手向文章 [十行代码带你量化交易入门](https://www.joinquant.com/post/3616) #### **写在前面的话：** 使用JoinQuant编写量化策略需要具备一定的金融知识和编程基础，如果你不会使用Python编程，推荐你用几天时间学习一下这篇[Python基础教程][1] #### **如何使用JoinQuant取数据？** (1)取行情数据 详见：[股票行情数据](https://www.joinquant.com/post/495) (2)取财务数据 详见：[基本面数据](https://www.joinquant.com/post/509) #### **如何设置股票池？** 可以使用get_index_stocks、get_industry_stocks或是自行设置股票池列表。 例如： ``` # 获取所有沪深300的股票, 设为股票池 stocks = get_index_stocks('000300.XSHG') set_universe(stocks) ``` 或者指定自定义的股票池: ``` stocks = ['000009.XSHE','002222.XSHE','000005.XSHE','000002.XSHE'] set_universe(stocks) ``` #### **如何买入卖出股票？** 详见：[订单](https://www.joinquant.com/post/521) **下订单方法** 1. order API原文：[order](https://www.joinquant.com/api#order) 买卖一定数量（单位：股）股票。 2. order_target API原文：[order_target](https://www.joinquant.com/api#ordertarget) 通过买卖，将股票仓位调整至一定数量（单位：股）。 3. order_value API原文：[order_value](https://www.joinquant.com/api#ordervalue) 买卖一定价值量（单位：元）股票。 4. order_target_value API原文：[order_target_value](https://www.joinquant.com/api#ordertargetvalue) 通过买卖，将股票仓位调整至一定价值量（单位：元）。 #### **如何止盈止损？** context.portfolio.positions中包含持有的某个股票的信息，详见：[positions](https://www.joinquant.com/api#position) 可以使用持有的每只股票的持仓成本与当前价格实现止盈或止损，示例如下： ``` avg_cost = context.portfolio.positions[stock].avg_cost price = context.portfolio.positions[stock].price # 收益50%止盈 if (price/avg_cost) >= 1.5: order_target(stock, 0) # 亏损10%止损 if (price/avg_cost) <= 0.9: order(stock, amount) ``` #### **如何实现一个最简单的策略？** API文档中提供了几个策略，这几个策略包含了大部分的使用方法。 详见：[策略示例](https://www.joinquant.com/api#策略示例) 下面对用户需要实现几个函数做下简单介绍： 1. [initialize](https://www.joinquant.com/api#initialize) 初始化方法，在整个回测、模拟实盘中最开始执行一次，用于初始一些全局变量，如设置基准、交易的手续费、股票池或滑点等等。示例如下： ``` def initialize(context): # 设定沪深300为基准 set_benchmark('000300.XSHG') # 调用此函数设置手续费，每笔交易时的手续费是, 买入时万分之三，卖出时万分之三加千分之一印花税, 每笔交易最低扣5块钱 set_commission(PerTrade(buy_cost=0.0001, sell_cost=0.001, min_cost=5)) # 调用此函数设置滑点 set_slippage(PriceRelatedSlippage(0.002)) ``` 2. [handle_data](https://www.joinquant.com/api#handledata) 该函数每个单位时间会调用一次, 如果按天回测,则每天调用一次,如果按分钟,则每分钟调用一次。 函数内部就是你的交易思路，详情可参考示例代码。 3. [before_trading_start](https://www.joinquant.com/api#beforetradingstart-可选) 和 [after_trading_end](https://www.joinquant.com/api#aftertradingend-可选)（可选） 这两个函数与handle_data基本相同，只是没有传入data参数。before_trading_start 会在每天开始交易前被调用一次，而after_trading_end 会在每天结束交易后被调用一次。 #### **如何使用自定义消息？** JoinQuant提供了微信消息推送的功能，API为[send_message](https://www.joinquant.com/api#sendmessage) 教程见:[send_message用法](https://www.joinquant.com/post/984) ##### **实例代码：** **(1) 清仓止损（发送消息）** ``` def before_trading_start(context): g.is_stop = dp_stoploss(kernel=2, n=10, zs=0.03) if g.is_stop: if len(context.portfolio.positions.keys())>0: for stock in context.portfolio.positions.keys(): order_target(stock, 0) send_message("清仓") return ``` **(2) 购买股票（发送股票池）** ``` def before_trading_start(context): g.is_stop = dp_stoploss(kernel=2, n=10, zs=0.03) df = get_fundamentals(query( valuation.code, valuation.market_cap ).filter( valuation.code.in_(chosed_stocks) ).order_by( # 按市值降序排列 valuation.market_cap.asc() )) g.per_buylist = list(df['code']) send_message(g.per_buylist) ``` #### **如何实现常用技术指标？** **指数平滑均线** ```Python # 指数平滑均线函数，以收盘价计算，可以换开盘价等其他价格，N为时间周期，m用于计算平滑系数a=m/(N+1) def f_expma(N,m): # 获取EXPMA初始值为回测时间段和上市交集的前N-1个收盘价均值 global init_price,EXPMA2,EXPMA1 close_price = history(N, unit='1d', field='close', security_list=None) if init_price is None and not math.isnan(close_price[security][1]): init_price = close_price[security].mean()#nan和N-1个数，mean为N-1个数的均值 EXPMA2 = init_price EXPMA1 = EXPMA2 #log.info(EXPMA1) #log.info(EXPMA2) if not math.isnan(close_price[security][0]): # 回测T时间，取得T-1的收盘价 current_close = close_price[security][-1] a = m/(N+1) EXPMA2 = a * current_close + (1 - a)*EXPMA1 log.info(EXPMA1) log.info(EXPMA2) return EXPMA1,EXPMA2#1为前一天值，2为后一天值 ``` **MACD** ```Python import talib def MACD(prices, fastperiod=12, slowperiod=26, signalperiod=9): ''' 参数设置: fastperiod = 12 slowperiod = 26 signalperiod = 9 返回: macd - signal ''' macd, signal, hist = talib.MACD(prices, fastperiod=fastperiod, slowperiod=slowperiod, signalperiod=signalperiod) return macd[-1] - signal[-1] ``` **KDJ死叉金叉** ```Python #定义KDJ计算函数，输入为基期长度count、平滑因子a，输出为KDJ指标值。 #K1为前一日k值,D1为前一日D值,K2为当日k值,D2为当日D值,J为当日J值 def KDJ(count,a,b,K1,D1): h = attribute_history(security, count, unit='1d',fields=('close', 'high', 'low'),skip_paused=True) # 取得过去count天的最低价格 low_price = h['low'].min() # 取得过去count天的最高价格 high_price = h['high'].max() # 取得当日收盘价格 current_close = h['close'][-1] if high_price!=low_price: #计算未成熟随机值RSV(n)＝（Ct－Ln）/（Hn-Ln）×100 RSV = 100*(current_close-low_price)/(high_price-low_price) else: RSV = 50 #当日K值=(1-a)×前一日K值+a×当日RSV K2=(1-a)*K1+a*RSV #当日D值=(1-a)×前一日D值+a×当日K值 D2=(1-b)*D1+b*K2 #计算J值 J2 = 3*K2-2*D2 return K1,D1,K2,D2,J2 ``` **RSI指数** ```Python def calRSI(stocks): rsi = [] for stock in stocks: # 获取股票的收盘价数据,talib参数取14，前14天的rsi无法计算，所以取15天的数据 prices = attribute_history(stock, 15, '1d', ('close')) # 创建RSI买卖信号，包括参数timeperiod # 注意：RSI函数使用的price必须是narray rsi += [talib.RSI(prices['close'].values, timeperiod=14)[-1]] return rsi ``` **OBV指标** ```Python #定义多空力量比率加权修正成交量的obv函数 def obv(df,init_obv): obv1 = [] for i in range(0,len(df)): jinge = ((df['close'].values[i]-df['low'].values[i])-(df['high'].values[i]-df['close'].values[i]))/(df['high'].values[i]-df['low'].values[i]) if i==0: obv1.append(init_obv+jinge*df['volume'].values[i]) else: obv1.append(obv1[-1]+jinge*df['volume'].values[i]) obv1=np.array(obv1) return obv1 ``` [1]: http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/001431658427513eef3d9dd9f7c48599116735806328e81000