def check(context): #先检查持仓股是不是在所选股票池内，不在的清掉 cdata = get_current_data() for s in context.portfolio.positions: # 过滤掉停牌、跌停的个股 if cdata[s].paused or cdata[s].last_price < = cdata[s].low_limit or cdata[s].last_price >= cdata[s].high_limit : continue if s not in g.stocks: order_target(s,0,MarketOrderStyle(0.99*cdata[s].last_price)) #再检查所选股票是不是在持仓池内，不在的买入 for s in g.stocks: # 检查资金是否用完 if context.portfolio.available_cash < 1.0/g.S1*context.portfolio.total_value: break # 过滤掉停牌、涨停的个股 if cdata[s].paused or cdata[s].last_price >= cdata[s].high_limit or cdata[s]\ .last_price < = cdata[s].low_limit or 'ST' in cdata[s].name or '退' in cdata[s].name : continue if s not in context.portfolio.positions: order_value(s,1/g.S1*context.portfolio.total_value,MarketOrderStyle(1.01*cdata[s].last_price)) 实例来得最快。

一、市价单与保护限价 市价单：市价单是指按照当前市场实时价格进行成交的订单，其特点在于无需设定具体价格，直接以当前市场价格成交。在科创板交易中，市价单的使用需要特别小心，因为科创板企业上市后的前5个交易日不设价格涨跌幅限制，之后的涨跌幅比例为20%，日振幅高达40%，交易风险显著高于主板。 保护限价：保护限价是投资者在市价申报时设定的一个价格上限（买入时）或价格下限（卖出时），以确保成交价格不会偏离预期过多。上交所规定，在处理市价申报时，买入申报的成交价格和转限价的价格不高于保护限价，卖出申报的成交价格和转限价的价格不低于保护限价。 二、科创板下单方法 使用市价单并指定保护限价：在聚宽量化平台或其他交易平台上，投资者在下单时应选择市价单，并同时指定一个合理的保护限价。这样可以确保在市价波动较大的情况下，成交价格仍然能够控制在投资者可接受的范围内。 注意下单时间：科创板交易时间与主板相同，但考虑到科创板的市场特性和价格波动，投资者在下单时应尽量选择在市场相对稳定的时间段进行。 监控订单状态：下单后，投资者应密切关注订单状态，以便在必要时及时调整或撤单。 三、注意事项 了解科创板交易规则：在参与科创板交易前，投资者应充分了解科创板的交易规则、风险特征和市场特性，以便做出合理的投资决策。 合理控制仓位和风险：由于科创板的市场波动较大，投资者应合理控制仓位，避免过度交易和盲目跟风。同时，应设定合理的止损点，以控制潜在风险。 关注市场动态和公司信息：投资者应密切关注市场动态和科创板公司的相关信息，以便及时调整投资策略和应对市场变化。 # 假设您正在使用聚宽量化平台的API # 导入必要的库 from jqdatasdk import * from jqdata import * # 初始化函数，设定基准等等 def initialize(context): # 设置基准指数等等 set_benchmark('000300.XSHG') # 以沪深300为基准 # 设置回测的起止日期 run_daily(trade, time='09:30') # 每天在开盘时运行交易函数 # 交易函数 def trade(context, bar_dict): # 获取当前股票池中的股票 stock_list = get_fundamentals(query(valuation).filter(valuation.code.in_(context.stock_pool)).latest()).index for stock in stock_list: # 获取当前股票的价格信息 current_price = history(1, unit='1d', field='close', security_list=[stock])[stock][0] # 设定保护限价（这里以当前价格的±10%为例，您可以根据策略需要调整） protection_price_buy = current_price * 1.10 protection_price_sell = current_price * 0.90 # 检查是否满足买入条件（这里仅为示例，具体条件需根据您的策略定义） if some_buy_condition(stock, context): # 下市价买单，并指定保护限价 order_target_percent(stock, 0.1, style=OrderStyle.MARKET, limit_price=protection_price_buy) # 检查是否满足卖出条件（这里仅为示例，具体条件需根据您的策略定义） elif some_sell_condition(stock, context): # 下市价卖单，并指定保护限价 order_target_percent(stock, 0, style=OrderStyle.MARKET, limit_price=protection_price_sell) # 示例买入条件函数（需根据您的策略定义） def some_buy_condition(stock, context): # 这里仅为示例条件，具体条件需根据您的策略编写 # 比如：股票价格低于某个估值指标 return False # 替换为实际条件 # 示例卖出条件函数（需根据您的策略定义） def some_sell_condition(stock, context): # 这里仅为示例条件，具体条件需根据您的策略编写 # 比如：股票价格高于某个估值指标或达到止损点 return False # 替换为实际条件 # 初始化股票池（这里仅为示例，具体股票需根据您的策略选择） context.stock_pool = ['688001.XSHG', '688002.XSHG'] # 替换为实际的科创板股票代码 # 运行回测 if __name__ == '__main__': run()

谢谢 @JoinQuant-薛定谔の喵 @瞳安 @瞳安 我用的是order_target_value，提示没有limit_price,下面是我在犄角旮旯找到的可用方案， order_target_value(buy[0],each_money,LimitOrderStyle(open_price*1.03))

不知道什么时候聚宽不能购买688的股票，通过几种方法尝试，如下代码可以实现 for key in gridas.keys(): if key[:3] in ('688'): current_data = get_current_data() last_prices = current_data[key].last_price order_target_value(key, 1000000,LimitOrderStyle(last_prices*1.019)) 这个是我很久前发的，你可以直接用，如果解决了，请选择采纳我的答案，谢谢