下限价单没生效

新手专区
标签: #<Tag:0x00007f690823b8b0>

(xfol1) #1

参照https://bigquant.com/community/t/topic/162790写下限价单,在31号中没生效,虽然当天收盘跌停,但不是一整天跌停的,为什么没法生成限价卖出订单


(xfol1) #2
克隆策略
In [15]:
# 本代码由可视化策略环境自动生成 2021年3月20日 17:32
# 本代码单元只能在可视化模式下编辑。您也可以拷贝代码,粘贴到新建的代码单元或者策略,然后修改。

import datetime
# 回测引擎:初始化函数,只执行一次
def m9_initialize_bigquant_run(context):
    # 系统已经设置了默认的交易手续费和滑点,要修改手续费可使用如下函数
    context.set_commission(PerOrder(buy_cost=0.0003, sell_cost=0.0013, min_cost=5))
    # 设置买入的股票数量,这里买入预测股票列表排名靠前的5只
    stock_count = 2
    # 每只的股票的权重,如下的权重分配会使得靠前的股票分配多一点的资金,[0.339160, 0.213986, 0.169580, ..]
    context.stock_weights = T.norm([1 / math.log(i + 2) for i in range(0, stock_count)])
    # 设置每只股票占用的最大资金比例
    context.max_cash_per_instrument = 0.98
    context.hold_days = 5
    # 按指定价格成交
    def initialize(context):
        class FixedPriceSlippage(SlippageModel):
            def process_order(self, data, order, bar_volume=0, trigger_check_price=0):
                if order.limit is None:
                    price_field = self._price_field_buy if order.amount > 0 else self._price_field_sell
                    price = data.current(order.asset, price_field)
                else:
                    price = order.limit
                # 返回希望成交的价格和数量
                return (price, order.amount)
        # 如果未限价,设置滑点范围为最低价到最高价,即未限价时按照最低价买入、最高价卖出
        context.fix_slippage = FixedPriceSlippage(price_field_buy='low', price_field_sell='high')
        context.set_slippage(us_equities=context.fix_slippage) # us是universe的简写,如果是期货,需要传入us_future

# 回测引擎:每日数据处理函数,每天执行一次
def m9_handle_data_bigquant_run(context, data):
    # 获取今日的日期
    today = data.current_dt.strftime('%Y-%m-%d')  
    # 通过positions对象,使用列表生成式的方法获取目前持仓的股票列表
    stock_hold_now = {e.symbol: p.amount * p.last_sale_price
                      for e, p in context.perf_tracker.position_tracker.positions.items()} 
    
    # 记录用于买入股票的可用现金,因为是尾盘卖股票尾盘买股票,需要记录卖出的股票市值并在买入下单前更新可用现金;
    # 如果是早盘买尾盘卖,则卖出时不需更新可用现金,因为尾盘卖出股票所得现金无法使用
    cash_for_buy = context.portfolio.cash   
    
    try:
        buy_stock2 = context.daily_stock_buy[today]  # 当日符合买入条件的股票
        buy_stock=[]
        buy_stock.append(buy_stock2[0])
#         buy_stock.append(buy_stock2[1])
    except:
        buy_stock=[]  # 如果没有符合条件的股票,就设置为空
    
    try:
        sell_stock = context.daily_stock_sell[today]  # 当日符合卖出条件的股票
    except:
        sell_stock=[] # 如果没有符合条件的股票,就设置为空
    
    # 需要卖出的股票:已有持仓中符合卖出条件的股票
    stock_to_sell = [ i for i in stock_hold_now if i in sell_stock ]
    # 需要买入的股票:没有持仓且符合买入条件的股票
    stock_to_buy = [ i for i in buy_stock if i not in stock_hold_now ]  
    # 需要调仓的股票:已有持仓且不符合卖出条件的股票
    stock_to_adjust=[ i for i in stock_hold_now if i not in sell_stock ]
    
    # 如果有卖出信号
    if len(stock_to_sell)>0:
        for instrument in stock_to_sell:
#             sid = context.symbol(instrument) # 将标的转化为equity格式
#             cur_position = context.portfolio.positions[sid].amount # 持仓
#             if cur_position > 0 and data.can_trade(sid):
#                 context.order_target_percent(sid, 0) # 全部卖出
#                 # 因为是尾盘卖股票尾盘买股票,需要记录卖出的股票市值并在买入下单前更新可用现金;
#                 # 如果是早盘买尾盘卖,则卖出时不需更新可用现金,因为尾盘卖出股票所得现金无法使用
#                 cash_for_buy += stock_hold_now[instrument]
            sid = context.symbol(instrument) # 将标的转化为equity格式
            stock_market_price = data.current(sid, 'price')  # 最新市场价格
            cur_position = context.portfolio.positions[sid].amount # 持仓
            myprice=stock_market_price-stock_market_price*0.09
            if cur_position > 0 and data.can_trade(sid) :
#                 context.order(sid, -cur_position, style=LimitOrder(myprice))
                context.order_target_percent(sid, 0, limit_price=myprice)
    
    # 如果有买入信号/有持仓
    if len(stock_to_buy)+len(stock_to_adjust)>0:
        weight = 1/(len(stock_to_buy)+len(stock_to_adjust)) # 每只股票的比重为等资金比例持有
        for instrument in stock_to_buy+stock_to_adjust:
            sid = context.symbol(instrument) # 将标的转化为equity格式
            cur_position = context.portfolio.positions[sid].amount # 持仓
            if data.can_trade(sid) and cur_position==0:
                context.order_target_value(sid, weight*cash_for_buy) # 买入
# 回测引擎:准备数据,只执行一次
def m9_prepare_bigquant_run(context):
    # 加载预测数据
    df = context.options['data']#.read_df()

    # 函数:求满足开仓条件的股票列表
    def open_pos_con(df):
        return list(df[df['buy_condition']>0].instrument)

    # 函数:求满足平仓条件的股票列表
    def close_pos_con(df):
        return list(df[df['sell_condition']>0].instrument)

    # 每日买入股票的数据框
    context.daily_stock_buy= df.groupby('date').apply(open_pos_con)
    # 每日卖出股票的数据框
    context.daily_stock_sell= df.groupby('date').apply(close_pos_con)

m1 = M.input_features.v1(
    features="""# #号开始的表示注释
# 多个特征,每行一个,可以包含基础特征和衍生特征
buy_condition=where((close_0>=ts_max(close_0,10))&((price_limit_status_1==3)|(price_limit_status_2==3)|(close_3/close_0>0.90)),1,0)
sell_condition=where((close_0<=ts_max(high_0,5))&(close_0/ts_max(high_0,20)<0.90),1,0)""",
    m_cached=False
)

m2 = M.instruments.v2(
    start_date=T.live_run_param('trading_date', '2021-01-01'),
    end_date=T.live_run_param('trading_date', '2021-05-01'),
    market='CN_STOCK_A',
    instrument_list='603680.SHA',
    max_count=0
)

m7 = M.general_feature_extractor.v7(
    instruments=m2.data,
    features=m1.data,
    start_date='',
    end_date='',
    before_start_days=60,
    m_cached=False
)

m8 = M.derived_feature_extractor.v3(
    input_data=m7.data,
    features=m1.data,
    date_col='date',
    instrument_col='instrument',
    drop_na=False,
    remove_extra_columns=False,
    m_cached=False
)

m3 = M.dropnan.v2(
    input_data=m8.data
)

df=m3.data.read_df()
df['buy_condition']=0
df['sell_condition']=0
for i in range(len(df)):
#     print(df['date'][i])
    if df['date'][i]==datetime.datetime.strptime('2021-03-26','%Y-%m-%d'):
        df['buy_condition'][i]=1
    if df['date'][i]>=datetime.datetime.strptime('2021-03-30','%Y-%m-%d'):
        df['sell_condition'][i]=1

m9 = M.trade.v4(
    instruments=m2.data,
    options_data=df,
    start_date='',
    end_date='',
    initialize=m9_initialize_bigquant_run,
    handle_data=m9_handle_data_bigquant_run,
    prepare=m9_prepare_bigquant_run,
    volume_limit=0.025,
    order_price_field_buy='open',
    order_price_field_sell='close',
    capital_base=1000000,
    auto_cancel_non_tradable_orders=True,
    data_frequency='daily',
    price_type='真实价格',
    product_type='股票',
    plot_charts=True,
    backtest_only=False,
    benchmark=''
)
  • 收益率-22.62%
  • 年化收益率-55.86%
  • 基准收益率-1.68%
  • 阿尔法-0.81
  • 贝塔-0.06
  • 夏普比率-2.93
  • 胜率0.0
  • 盈亏比0.0
  • 收益波动率27.5%
  • 信息比率-0.13
  • 最大回撤24.34%
bigcharts-data-start/{"__type":"tabs","__id":"bigchart-b31adb32c3ac4603bb81d68355d39deb"}/bigcharts-data-end

(yvan0617) #3

需要修改两个地方:
1 你自己定义了一个内部函数def initialize(context),但是没有调用的地方。你把这一行删除。如下

2 买卖时间点不要选open和close,如果选了这两个就会做在对应时间点做涨跌停的校验。所以改成任意一个其他时间点买卖即可,例如twap_1
image