复制链接

克隆策略

In [1]:

# 本代码由可视化策略环境自动生成 2022年7月6日 21:03
# 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。


# 回测引擎：初始化函数，只执行一次
def m20_initialize_bigquant_run(context):
    # 加载预测数据
    context.ranker_prediction = context.options['data'].read_df()

    # 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))
    # 预测数据，通过options传入进来，使用 read_df 函数，加载到内存 (DataFrame)
    # 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 = 3
    # 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 = 0.33
    context.hold_days = 1

# 回测引擎：每日数据处理函数，每天执行一次
def m20_handle_data_bigquant_run(context, data):
    ranker_prediction = context.ranker_prediction[
        context.ranker_prediction.date == data.current_dt.strftime('%Y-%m-%d')]
 #------------------------------------------止赢模块START--------------------------------------------
    date = data.current_dt.strftime('%Y-%m-%d')
    positions = {e.symbol: p.cost_basis  for e, p in context.portfolio.positions.items()}
    # 新建当日止赢股票列表是为了handle_data 策略逻辑部分不再对该股票进行判断
    current_stopwin_stock = [] 
    if len(positions) > 0:
        for i in positions.keys():
            stock_cost = positions[i] 
            stock_market_price = data.current(context.symbol(i), 'price') 
            # 赚30%就止赢
            if (stock_market_price - stock_cost ) / stock_cost>= 0.09:   
                context.order_target_percent(context.symbol(i),0)     
                current_stopwin_stock.append(i)
                print('日期：',date,'股票：',i,'出现止盈状况')
    #-------------------------------------------止赢模块END---------------------------------------------

       
         #------------------------------------------止损模块START--------------------------------------------
    date = data.current_dt.strftime('%Y-%m-%d')  
    equities = {e.symbol: p for e, p in context.portfolio.positions.items() if p.amount>0}
    # 新建当日止损股票列表是为了handle_data 策略逻辑部分不再对该股票进行判断
    current_stoploss_stock = [] 
    if len(equities) > 0:
        for i in equities.keys():
            stock_market_price = data.current(context.symbol(i), 'price')  # 最新市场价格
            last_sale_date = equities[i].last_sale_date   # 上次交易日期
            delta_days = data.current_dt - last_sale_date  
            hold_days = delta_days.days # 持仓天数
            # 建仓以来的最高价
            highest_price_since_buy = data.history(context.symbol(i), 'high', hold_days, '1d').max()
            # 确定止损位置
            stoploss_line = highest_price_since_buy - highest_price_since_buy * 0.08
            record('止损位置', stoploss_line)
            # 如果价格下穿止损位置
            if stock_market_price < stoploss_line:
                context.order_target_percent(context.symbol(i), 0)     
                current_stoploss_stock.append(i)
                print('日期：', date , '股票：', i, '出现止损状况')
    #-------------------------------------------止损模块END--------------------------------------------------
     #-------------------------- START: ST和退市股卖出 ---------------------  
    st_stock_list = []
    for instrument in positions.keys():
        try:
            instrument_name = ranker_prediction[ranker_prediction.instrument==instrument].name.values[0]
            # 如果股票状态变为了st或者退市 则卖出
            if 'ST' in instrument_name or '退' in instrument_name:
                if instrument in stock_sold:
                    continue
                if data.can_trade(context.symbol(instrument)):
                    context.order_target(context.symbol(instrument), 0)
                    st_stock_list.append(instrument)
                    cash_for_sell -= positions[instrument]
        except:
            continue
    if st_stock_list!=[]:
        print(today,'持仓出现st股/退市股',st_stock_list,'进行卖出处理')    
        stock_sold += st_stock_list

    #-------------------------- END: ST和退市股卖出 --------------------- 
    # 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.portfolio.positions.items()}

    # 记录用于买入股票的可用现金,因为是早盘卖股票，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_stock = context.daily_stock_buy[today]  # 当日符合买入条件的股票
    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:
            if instrument in current_stopwin_stock:
                continue
            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 
                # 因为设置的是早盘卖出早盘买入，需要根据卖出的股票更新可用现金；如果设置尾盘卖出早盘买入，则不需更新可用现金(可以删除下面的语句)
                cash_for_buy += stock_hold_now[instrument]
    
    # 1. 资金分配
    # 平均持仓时间是hold_days，每日都将买入股票，每日预期使用 1/hold_days 的资金
    # 实际操作中，会存在一定的买入误差，所以在前hold_days天，等量使用资金；之后，尽量使用剩余资金（这里设置最多用等量的1.5倍）
    is_staging = context.trading_day_index < context.hold_days # 是否在建仓期间（前 hold_days 天）
    cash_avg = context.portfolio.portfolio_value / context.hold_days
    cash_for_buy = min(context.portfolio.cash, (1 if is_staging else 1.5) * cash_avg)
    cash_for_sell = cash_avg - (context.portfolio.cash - cash_for_buy)
    positions = {e.symbol: p.amount * p.last_sale_price
                 for e, p in context.perf_tracker.position_tracker.positions.items()}


    # 3. 生成买入订单：按StockRanker预测的排序，买入前面的stock_count只股票
    buy_cash_weights = context.stock_weights
    buy_instruments = list(ranker_prediction.instrument[:len(buy_cash_weights)])
    max_cash_per_instrument = context.portfolio.portfolio_value * context.max_cash_per_instrument
    for i, instrument in enumerate(buy_instruments):
        cash = cash_for_buy * buy_cash_weights[i]
        if cash > max_cash_per_instrument - positions.get(instrument, 0):
            # 确保股票持仓量不会超过每次股票最大的占用资金量
            cash = max_cash_per_instrument - positions.get(instrument, 0)
        if cash > 0:
            context.order_value(context.symbol(instrument), cash)

# 回测引擎：准备数据，只执行一次
def m20_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)
# 回测引擎：初始化函数，只执行一次
def m3_initialize_bigquant_run(context):
    # 加载预测数据
    context.ranker_prediction = context.options['data'].read_df()

    # 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))
    # 预测数据，通过options传入进来，使用 read_df 函数，加载到内存 (DataFrame)
    # 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 = 3
    # 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 = 0.33
    context.hold_days = 1

# 回测引擎：每日数据处理函数，每天执行一次
def m3_handle_data_bigquant_run(context, data):
    ranker_prediction = context.ranker_prediction[
        context.ranker_prediction.date == data.current_dt.strftime('%Y-%m-%d')]
 #------------------------------------------止赢模块START--------------------------------------------
    date = data.current_dt.strftime('%Y-%m-%d')
    positions = {e.symbol: p.cost_basis  for e, p in context.portfolio.positions.items()}
    # 新建当日止赢股票列表是为了handle_data 策略逻辑部分不再对该股票进行判断
    current_stopwin_stock = [] 
    if len(positions) > 0:
        for i in positions.keys():
            stock_cost = positions[i] 
            stock_market_price = data.current(context.symbol(i), 'price') 
            # 赚30%就止赢
            if (stock_market_price - stock_cost ) / stock_cost>= 0.15:   
                context.order_target_percent(context.symbol(i),0)     
                current_stopwin_stock.append(i)
                print('日期：',date,'股票：',i,'出现止盈状况')
    #-------------------------------------------止赢模块END---------------------------------------------

       
         #------------------------------------------止损模块START--------------------------------------------
    date = data.current_dt.strftime('%Y-%m-%d')  
    equities = {e.symbol: p for e, p in context.portfolio.positions.items() if p.amount>0}
    # 新建当日止损股票列表是为了handle_data 策略逻辑部分不再对该股票进行判断
    current_stoploss_stock = [] 
    if len(equities) > 0:
        for i in equities.keys():
            stock_market_price = data.current(context.symbol(i), 'price')  # 最新市场价格
            last_sale_date = equities[i].last_sale_date   # 上次交易日期
            delta_days = data.current_dt - last_sale_date  
            hold_days = delta_days.days # 持仓天数
            # 建仓以来的最高价
            highest_price_since_buy = data.history(context.symbol(i), 'high', hold_days, '1d').max()
            # 确定止损位置
            stoploss_line = highest_price_since_buy - highest_price_since_buy * 0.13
            record('止损位置', stoploss_line)
            # 如果价格下穿止损位置
            if stock_market_price < stoploss_line:
                context.order_target_percent(context.symbol(i), 0)     
                current_stoploss_stock.append(i)
                print('日期：', date , '股票：', i, '出现止损状况')
    #-------------------------------------------止损模块END--------------------------------------------------
     #-------------------------- START: ST和退市股卖出 ---------------------  
    st_stock_list = []
    for instrument in positions.keys():
        try:
            instrument_name = ranker_prediction[ranker_prediction.instrument==instrument].name.values[0]
            # 如果股票状态变为了st或者退市 则卖出
            if 'ST' in instrument_name or '退' in instrument_name:
                if instrument in stock_sold:
                    continue
                if data.can_trade(context.symbol(instrument)):
                    context.order_target(context.symbol(instrument), 0)
                    st_stock_list.append(instrument)
                    cash_for_sell -= positions[instrument]
        except:
            continue
    if st_stock_list!=[]:
        print(today,'持仓出现st股/退市股',st_stock_list,'进行卖出处理')    
        stock_sold += st_stock_list

    #-------------------------- END: ST和退市股卖出 --------------------- 
    # 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.portfolio.positions.items()}

    # 记录用于买入股票的可用现金,因为是早盘卖股票，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_stock = list(ranker_prediction[ranker_prediction.buy_condition>0].instrument) # 当日符合买入条件的股票
    except:
        buy_stock=[]
    try:
        sell_stock = list(context.daily_sell_stock[ranker_prediction.sell_condition>0].instrument)  # 当日符合卖出条件的股票
    except:
        sell_stock = []
    
    # 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:
            if instrument in current_stopwin_stock:
                continue
            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 
                # 因为设置的是早盘卖出早盘买入，需要根据卖出的股票更新可用现金；如果设置尾盘卖出早盘买入，则不需更新可用现金(可以删除下面的语句)
                cash_for_buy += stock_hold_now[instrument]
    
    # 1. 资金分配
    # 平均持仓时间是hold_days，每日都将买入股票，每日预期使用 1/hold_days 的资金
    # 实际操作中，会存在一定的买入误差，所以在前hold_days天，等量使用资金；之后，尽量使用剩余资金（这里设置最多用等量的1.5倍）
    is_staging = context.trading_day_index < context.hold_days # 是否在建仓期间（前 hold_days 天）
    cash_avg = context.portfolio.portfolio_value / context.hold_days
    cash_for_buy = min(context.portfolio.cash, (1 if is_staging else 1.5) * cash_avg)
    cash_for_sell = cash_avg - (context.portfolio.cash - cash_for_buy)
    positions = {e.symbol: p.amount * p.last_sale_price
                 for e, p in context.perf_tracker.position_tracker.positions.items()}


    # 3. 生成买入订单：按StockRanker预测的排序，买入前面的stock_count只股票
   
    buy_cash_weights = context.stock_weights
    buy_instruments = list(ranker_prediction.instrument[:len(buy_cash_weights)])
    max_cash_per_instrument = context.portfolio.portfolio_value * context.max_cash_per_instrument
    for i, instrument in enumerate(buy_instruments):
        cash = cash_for_buy * buy_cash_weights[i]
        if cash > max_cash_per_instrument - positions.get(instrument, 0):
            # 确保股票持仓量不会超过每次股票最大的占用资金量
            cash = max_cash_per_instrument - positions.get(instrument, 0)
        if cash > 0:
            context.order_value(context.symbol(instrument), cash)

# 回测引擎：准备数据，只执行一次
def m3_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)

m2 = M.input_features.v1(
    features="""# #号开始的表示注释，注释需单独一行
market_cap_float_0
yl60=mean(close_0,20)/mean(close_0,60)
#买
my1=where(close_0>mean(close_0,20))
total_my=my1
buy_condition=where(total_my>0,1,0)
#卖
mc1=where(close_0>mean(close_0,60),1,0)
mc=mc1
sell_condition=where(mc>0,1,0)





""",
    m_cached=False
)

m11 = M.instruments.v2(
    start_date=T.live_run_param('trading_date', '2018-01-01'),
    end_date=T.live_run_param('trading_date', '2022-06-23'),
    market='CN_STOCK_A',
    instrument_list='',
    max_count=0,
    m_cached=False
)

m12 = M.general_feature_extractor.v7(
    instruments=m11.data,
    features=m2.data,
    start_date='',
    end_date='',
    before_start_days=120,
    m_cached=False
)

m14 = M.derived_feature_extractor.v3(
    input_data=m12.data,
    features=m2.data,
    date_col='date',
    instrument_col='instrument',
    drop_na=False,
    remove_extra_columns=False,
    user_functions={},
    m_cached=False
)

m13 = M.chinaa_stock_filter.v1(
    input_data=m14.data,
    index_constituent_cond=['全部'],
    board_cond=['上证主板', '深证主板', '创业板'],
    industry_cond=['全部'],
    st_cond=['正常'],
    delist_cond=['非退市'],
    output_left_data=False,
    m_cached=False
)

m15 = M.filter.v3(
    input_data=m13.data,
    expr='market_cap_float_0<1000000000',
    output_left_data=False,
    m_cached=False
)

m16 = M.filter.v3(
    input_data=m15.data,
    expr='market_cap_float_0>200000000',
    output_left_data=False,
    m_cached=False
)

m5 = M.filter.v3(
    input_data=m16.data,
    expr='total_my>1',
    output_left_data=False,
    m_cached=False
)

m1 = M.use_datasource.v1(
    instruments=m11.data,
    datasource_id='instruments_CN_STOCK_A',
    start_date='',
    end_date='',
    m_cached=False
)

m18 = M.join.v3(
    data1=m5.data,
    data2=m1.data,
    on='date,instrument',
    how='left',
    sort=False,
    m_cached=False
)

m17 = M.sort.v5(
    input_ds=m18.data,
    sort_by='yl20',
    group_by='date',
    keep_columns='--',
    ascending=False,
    m_cached=False
)

m20 = M.trade.v4(
    instruments=m11.data,
    options_data=m17.sorted_data,
    start_date='',
    end_date='',
    initialize=m20_initialize_bigquant_run,
    handle_data=m20_handle_data_bigquant_run,
    prepare=m20_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='000300.HIX'
)

m3 = M.trade.v4(
    start_date='',
    end_date='',
    initialize=m3_initialize_bigquant_run,
    handle_data=m3_handle_data_bigquant_run,
    prepare=m3_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='000300.HIX'
)

[2022-06-28 14:54:59.632780] INFO: moduleinvoker: input_features.v1 开始运行..

[2022-06-28 14:54:59.666953] INFO: moduleinvoker: input_features.v1 运行完成[0.034201s].

[2022-06-28 14:55:00.198722] INFO: moduleinvoker: instruments.v2 开始运行..

[2022-06-28 14:55:00.263828] INFO: moduleinvoker: instruments.v2 运行完成[0.06509s].

[2022-06-28 14:55:00.282025] INFO: moduleinvoker: general_feature_extractor.v7 开始运行..

[2022-06-28 14:55:02.529238] INFO: 基础特征抽取: 年份 2017, 特征行数=256263

[2022-06-28 14:55:05.833471] INFO: 基础特征抽取: 年份 2018, 特征行数=816987

[2022-06-28 14:55:09.267573] INFO: 基础特征抽取: 年份 2019, 特征行数=884867

[2022-06-28 14:55:12.672312] INFO: 基础特征抽取: 年份 2020, 特征行数=945961

[2022-06-28 14:55:16.520781] INFO: 基础特征抽取: 年份 2021, 特征行数=1061527

[2022-06-28 14:55:18.946432] INFO: 基础特征抽取: 年份 2022, 特征行数=531161

[2022-06-28 14:55:19.000804] INFO: 基础特征抽取: 总行数: 4496766

[2022-06-28 14:55:19.004528] INFO: moduleinvoker: general_feature_extractor.v7 运行完成[18.722542s].

[2022-06-28 14:55:19.015066] INFO: moduleinvoker: derived_feature_extractor.v3 开始运行..

[2022-06-28 14:55:34.624864] INFO: derived_feature_extractor: 提取完成 yl60=mean(close_0,20)/mean(close_0,60), 7.335s

[2022-06-28 14:55:34.678592] INFO: derived_feature_extractor: 提取完成 nn_dif=ta_macd_macd_12_26_9_0/adjust_factor_0, 0.052s

[2022-06-28 14:55:34.687080] INFO: derived_feature_extractor: 提取完成 nn_dea=ta_macd_macdsignal_12_26_9_0/adjust_factor_0, 0.007s

[2022-06-28 14:55:34.693739] INFO: derived_feature_extractor: 提取完成 nn_macd=ta_macd_macdhist_12_26_9_0, 0.005s

[2022-06-28 14:55:38.560277] INFO: derived_feature_extractor: 提取完成 nn_ma3=mean(close_0,3), 3.865s

[2022-06-28 14:55:50.206723] INFO: derived_feature_extractor: 提取完成 nn_zf=ts_max(high_0,5)-ts_min(low_0,5)/ts_max(high_0,5)*100, 11.645s

[2022-06-28 14:55:54.102251] INFO: derived_feature_extractor: 提取完成 yl20=mean(close_0,20)/low_0, 3.893s

[2022-06-28 14:56:05.298712] INFO: derived_feature_extractor: 提取完成 nn_xdfd=(ts_min(close_0,30)-ts_max(close_0,30))/ts_max(close_0,30)*100, 11.194s

[2022-06-28 14:56:05.319873] INFO: derived_feature_extractor: 提取完成 my1=where(nn_dif<0,1,0), 0.019s

[2022-06-28 14:56:05.388280] INFO: derived_feature_extractor: 提取完成 my2=where(nn_dea<0,1,0), 0.012s

[2022-06-28 14:56:05.481344] INFO: derived_feature_extractor: 提取完成 my3=where(nn_macd<0,1,0), 0.091s

[2022-06-28 14:56:05.580443] INFO: derived_feature_extractor: 提取完成 my4=where(close_0>nn_ma3,1,0), 0.097s

[2022-06-28 14:56:05.594550] INFO: derived_feature_extractor: 提取完成 my5=where(yl20>1.1,1,0), 0.012s

[2022-06-28 14:56:09.282710] INFO: derived_feature_extractor: 提取完成 my6=where(close_0[2022-06-28 14:56:09.296546] INFO: derived_feature_extractor: 提取完成 my7=where(yl60<1,1,0), 0.011s
[2022-06-28 14:56:09.389111] INFO: derived_feature_extractor: 提取完成 my8=where(close_0/adjust_factor_0>2.0,1,0), 0.013s
[2022-06-28 14:56:09.483036] INFO: derived_feature_extractor: 提取完成 my9=where(nn_xdfd[2022-06-28 14:56:09.583267] INFO: derived_feature_extractor: 提取完成 my=my1*my2*my3*my4*my5*my6*my7*my9*my8, 0.099s
[2022-06-28 14:56:13.206591] INFO: derived_feature_extractor: 提取完成 total_my=sum(my,5), 3.614s
[2022-06-28 14:56:13.222541] INFO: derived_feature_extractor: 提取完成 buy_condition=where(total_my>1,1,0), 0.014s
[2022-06-28 14:56:16.775946] INFO: derived_feature_extractor: 提取完成 sell_condition=where(close_0>mean(close_0,60),1,0), 3.552s
[2022-06-28 14:56:18.230602] INFO: derived_feature_extractor: /y_2017, 256263
[2022-06-28 14:56:19.836891] INFO: derived_feature_extractor: /y_2018, 816987
[2022-06-28 14:56:22.135673] INFO: derived_feature_extractor: /y_2019, 884867
[2022-06-28 14:56:24.536715] INFO: derived_feature_extractor: /y_2020, 945961
[2022-06-28 14:56:27.093455] INFO: derived_feature_extractor: /y_2021, 1061527
[2022-06-28 14:56:29.120851] INFO: derived_feature_extractor: /y_2022, 531161
[2022-06-28 14:56:29.771629] INFO: moduleinvoker: derived_feature_extractor.v3 运行完成[70.756555s].
[2022-06-28 14:56:29.784879] INFO: moduleinvoker: chinaa_stock_filter.v1 开始运行..
[2022-06-28 14:56:31.198431] INFO: A股股票过滤: 过滤 /y_2017, 251995/0/256263
[2022-06-28 14:56:34.706349] INFO: A股股票过滤: 过滤 /y_2018, 800233/0/816987
[2022-06-28 14:56:38.432363] INFO: A股股票过滤: 过滤 /y_2019, 852507/0/884867
[2022-06-28 14:56:42.513148] INFO: A股股票过滤: 过滤 /y_2020, 870321/0/945961
[2022-06-28 14:56:47.570531] INFO: A股股票过滤: 过滤 /y_2021, 940451/0/1061527
[2022-06-28 14:56:50.030924] INFO: A股股票过滤: 过滤 /y_2022, 456997/0/531161
[2022-06-28 14:56:50.038836] INFO: A股股票过滤: 过滤完成, 4172504 + 0
[2022-06-28 14:56:50.061860] INFO: moduleinvoker: chinaa_stock_filter.v1 运行完成[20.276962s].
[2022-06-28 14:56:50.081586] INFO: moduleinvoker: filter.v3 开始运行..
[2022-06-28 14:56:50.094630] INFO: filter: 使用表达式 market_cap_float_0<1000000000 过滤
[2022-06-28 14:56:50.405499] INFO: filter: 过滤 /y_2017, 17800/0/251995
[2022-06-28 14:56:50.907476] INFO: filter: 过滤 /y_2018, 73287/0/800233
[2022-06-28 14:56:51.445422] INFO: filter: 过滤 /y_2019, 60669/0/852507
[2022-06-28 14:56:51.943695] INFO: filter: 过滤 /y_2020, 35096/0/870321
[2022-06-28 14:56:52.544272] INFO: filter: 过滤 /y_2021, 51608/0/940451
[2022-06-28 14:56:52.908201] INFO: filter: 过滤 /y_2022, 29633/0/456997
[2022-06-28 14:56:52.934622] INFO: moduleinvoker: filter.v3 运行完成[2.853046s].
[2022-06-28 14:56:52.945180] INFO: moduleinvoker: filter.v3 开始运行..
[2022-06-28 14:56:52.958409] INFO: filter: 使用表达式 market_cap_float_0>200000000 过滤
[2022-06-28 14:56:53.145521] INFO: filter: 过滤 /y_2017, 17800/0/17800
[2022-06-28 14:56:53.283545] INFO: filter: 过滤 /y_2018, 73287/0/73287
[2022-06-28 14:56:53.416237] INFO: filter: 过滤 /y_2019, 60669/0/60669
[2022-06-28 14:56:53.533073] INFO: filter: 过滤 /y_2020, 35091/0/35096
[2022-06-28 14:56:53.667549] INFO: filter: 过滤 /y_2021, 51608/0/51608
[2022-06-28 14:56:53.780734] INFO: filter: 过滤 /y_2022, 29633/0/29633
[2022-06-28 14:56:53.803753] INFO: moduleinvoker: filter.v3 运行完成[0.858566s].
[2022-06-28 14:56:53.813726] INFO: moduleinvoker: filter.v3 开始运行..
[2022-06-28 14:56:53.832612] INFO: filter: 使用表达式 total_my>1 and nn_zf<5 and nn_xdfd>-50 and close_0/adjust_factor_0>2.3 过滤
[2022-06-28 14:56:53.989221] INFO: filter: 过滤 /y_2017, 291/0/17800
[2022-06-28 14:56:54.103747] INFO: filter: 过滤 /y_2018, 1714/0/73287
[2022-06-28 14:56:54.219505] INFO: filter: 过滤 /y_2019, 294/0/60669
[2022-06-28 14:56:54.315392] INFO: filter: 过滤 /y_2020, 184/0/35091
[2022-06-28 14:56:54.422149] INFO: filter: 过滤 /y_2021, 327/0/51608
[2022-06-28 14:56:54.531951] INFO: filter: 过滤 /y_2022, 885/0/29633
[2022-06-28 14:56:54.555430] INFO: moduleinvoker: filter.v3 运行完成[0.741673s].
[2022-06-28 14:56:54.564970] INFO: moduleinvoker: use_datasource.v1 开始运行..
[2022-06-28 14:56:56.563945] INFO: moduleinvoker: use_datasource.v1 运行完成[1.998978s].
[2022-06-28 14:56:56.579380] INFO: moduleinvoker: join.v3 开始运行..
[2022-06-28 14:56:58.648109] INFO: join: /y_2017, 行数=291/291, 耗时=1.071697s
[2022-06-28 14:56:59.746273] INFO: join: /y_2018, 行数=1714/1714, 耗时=1.09612s
[2022-06-28 14:57:00.909119] INFO: join: /y_2019, 行数=294/294, 耗时=1.160739s
[2022-06-28 14:57:01.933870] INFO: join: /y_2020, 行数=184/184, 耗时=1.022571s
[2022-06-28 14:57:03.101105] INFO: join: /y_2021, 行数=327/327, 耗时=1.165191s
[2022-06-28 14:57:04.151651] INFO: join: /y_2022, 行数=885/885, 耗时=1.048457s
[2022-06-28 14:57:04.186061] INFO: join: 最终行数: 3695
[2022-06-28 14:57:04.216226] INFO: moduleinvoker: join.v3 运行完成[7.636856s].
[2022-06-28 14:57:04.227284] INFO: moduleinvoker: sort.v5 开始运行..
[2022-06-28 14:57:05.695269] INFO: moduleinvoker: sort.v5 运行完成[1.467985s].
[2022-06-28 14:57:09.613128] INFO: moduleinvoker: backtest.v8 开始运行..
[2022-06-28 14:57:09.619413] INFO: backtest: biglearning backtest:V8.6.2
[2022-06-28 14:57:10.543304] INFO: backtest: product_type:stock by specified
[2022-06-28 14:57:10.748224] INFO: moduleinvoker: cached.v2 开始运行..
[2022-06-28 14:57:10.756225] INFO: moduleinvoker: 命中缓存
[2022-06-28 14:57:10.758342] INFO: moduleinvoker: cached.v2 运行完成[0.010152s].
[2022-06-28 14:57:16.332360] INFO: algo: TradingAlgorithm V1.8.8
[2022-06-28 14:57:18.258227] INFO: algo: trading transform...
[2022-06-28 14:57:20.881377] INFO: algo: handle_splits get splits [dt:2018-05-31 00:00:00+00:00] [asset:Equity(1874 [002857.SZA]), ratio:0.6233943700790405]
[2022-06-28 14:57:20.884680] INFO: Position: position stock handle split[sid:1874, orig_amount:16200, new_amount:25986.0, orig_cost:23.375315224502952, new_cost:14.572, ratio:0.6233943700790405, last_sale_price:13.589998245239258]
[2022-06-28 14:57:20.887016] INFO: Position: after split: PositionStock(asset:Equity(1874 [002857.SZA]), amount:25986.0, cost_basis:14.572, last_sale_price:21.80000114440918)
[2022-06-28 14:57:20.889247] INFO: Position: returning cash: 10.331
[2022-06-28 14:57:21.259360] INFO: algo: handle_splits get splits [dt:2018-07-05 00:00:00+00:00] [asset:Equity(2608 [603963.SHA]), ratio:0.7662383317947388]
[2022-06-28 14:57:21.261132] INFO: Position: position stock handle split[sid:2608, orig_amount:14400, new_amount:18793.0, orig_cost:26.740046737204327, new_cost:20.4892, ratio:0.7662383317947388, last_sale_price:20.879995346069336]
[2022-06-28 14:57:21.262552] INFO: Position: after split: PositionStock(asset:Equity(2608 [603963.SHA]), amount:18793.0, cost_basis:20.4892, last_sale_price:27.25)
[2022-06-28 14:57:21.263655] INFO: Position: returning cash: 2.2626
[2022-06-28 14:57:21.315133] INFO: algo: handle_splits get splits [dt:2018-07-06 00:00:00+00:00] [asset:Equity(4096 [300665.SZA]), ratio:0.6236715912818909]
[2022-06-28 14:57:21.317176] INFO: Position: position stock handle split[sid:4096, orig_amount:17200, new_amount:27578.0, orig_cost:20.80016091478774, new_cost:12.9725, ratio:0.6236715912818909, last_sale_price:12.910002708435059]
[2022-06-28 14:57:21.318426] INFO: Position: after split: PositionStock(asset:Equity(4096 [300665.SZA]), amount:27578.0, cost_basis:12.9725, last_sale_price:20.700000762939453)
[2022-06-28 14:57:21.319572] INFO: Position: returning cash: 7.9665
[2022-06-28 14:57:21.521489] INFO: algo: handle_splits get splits [dt:2018-07-13 00:00:00+00:00] [asset:Equity(447 [002800.SZA]), ratio:0.9941147565841675]
[2022-06-28 14:57:21.523415] INFO: Position: position stock handle split[sid:447, orig_amount:5600, new_amount:5633.0, orig_cost:19.99027650600545, new_cost:19.8726, ratio:0.9941147565841675, last_sale_price:20.270000457763672]
[2022-06-28 14:57:21.525409] INFO: Position: after split: PositionStock(asset:Equity(447 [002800.SZA]), amount:5633.0, cost_basis:19.8726, last_sale_price:20.39000129699707)
[2022-06-28 14:57:21.527166] INFO: Position: returning cash: 3.0906
[2022-06-28 14:57:24.317970] INFO: algo: handle_splits get splits [dt:2019-03-04 00:00:00+00:00] [asset:Equity(4935 [300700.SZA]), ratio:0.9963446259498596]
[2022-06-28 14:57:24.319826] INFO: Position: position stock handle split[sid:4935, orig_amount:8900, new_amount:8932.0, orig_cost:22.510251930720315, new_cost:22.428, ratio:0.9963446259498596, last_sale_price:24.530004501342773]
[2022-06-28 14:57:24.321058] INFO: Position: after split: PositionStock(asset:Equity(4935 [300700.SZA]), amount:8932.0, cost_basis:22.428, last_sale_price:24.619998931884766)
[2022-06-28 14:57:24.322143] INFO: Position: returning cash: 15.9981
[2022-06-28 14:57:24.553200] INFO: algo: handle_splits get splits [dt:2019-05-13 00:00:00+00:00] [asset:Equity(2218 [300749.SZA]), ratio:0.5518684387207031]
[2022-06-28 14:57:24.555723] INFO: Position: position stock handle split[sid:2218, orig_amount:16500, new_amount:29898.0, orig_cost:29.470015274713923, new_cost:16.2636, ratio:0.5518684387207031, last_sale_price:18.459999084472656]
[2022-06-28 14:57:24.557295] INFO: Position: after split: PositionStock(asset:Equity(2218 [300749.SZA]), amount:29898.0, cost_basis:16.2636, last_sale_price:33.45000076293945)
[2022-06-28 14:57:24.558486] INFO: Position: returning cash: 7.9417
[2022-06-28 14:57:24.629041] INFO: algo: handle_splits get splits [dt:2019-05-15 00:00:00+00:00] [asset:Equity(2994 [300746.SZA]), ratio:0.995764970779419]
[2022-06-28 14:57:24.630887] INFO: Position: position stock handle split[sid:2994, orig_amount:5300, new_amount:5322.0, orig_cost:16.52717143602396, new_cost:16.4572, ratio:0.995764970779419, last_sale_price:16.45999526977539]
[2022-06-28 14:57:24.632433] INFO: Position: after split: PositionStock(asset:Equity(2994 [300746.SZA]), amount:5322.0, cost_basis:16.4572, last_sale_price:16.530000686645508)
[2022-06-28 14:57:24.633817] INFO: Position: returning cash: 8.9068
[2022-06-28 14:57:24.722463] INFO: algo: handle_splits get splits [dt:2019-05-17 00:00:00+00:00] [asset:Equity(3598 [002888.SZA]), ratio:0.9787576198577881]
[2022-06-28 14:57:24.999066] INFO: algo: handle_splits get splits [dt:2019-05-28 00:00:00+00:00] [asset:Equity(4662 [603956.SHA]), ratio:0.994786262512207]
[2022-06-28 14:57:25.001893] INFO: Position: position stock handle split[sid:4662, orig_amount:600, new_amount:603.0, orig_cost:18.87999917103983, new_cost:18.7816, ratio:0.994786262512207, last_sale_price:19.079999923706055]
[2022-06-28 14:57:25.004206] INFO: Position: after split: PositionStock(asset:Equity(4662 [603956.SHA]), amount:603.0, cost_basis:18.7816, last_sale_price:19.18000030517578)
[2022-06-28 14:57:25.005679] INFO: Position: returning cash: 2.7597
[2022-06-28 14:57:25.045983] INFO: algo: handle_splits get splits [dt:2019-05-29 00:00:00+00:00] [asset:Equity(4920 [603266.SHA]), ratio:0.7095358371734619]
[2022-06-28 14:57:25.048146] INFO: Position: position stock handle split[sid:4920, orig_amount:6200, new_amount:8738.0, orig_cost:16.14000640347998, new_cost:11.4519, ratio:0.7095358371734619, last_sale_price:11.310001373291016]
[2022-06-28 14:57:25.076604] INFO: Position: after split: PositionStock(asset:Equity(4920 [603266.SHA]), amount:8738.0, cost_basis:11.4519, last_sale_price:15.9399995803833)
[2022-06-28 14:57:25.078857] INFO: Position: returning cash: 1.2091
[2022-06-28 14:57:25.542385] INFO: algo: handle_splits get splits [dt:2019-06-20 00:00:00+00:00] [asset:Equity(5618 [603637.SHA]), ratio:0.9838189482688904]
[2022-06-28 14:57:25.544382] INFO: Position: position stock handle split[sid:5618, orig_amount:43700, new_amount:44418.0, orig_cost:14.87515469710722, new_cost:14.6345, ratio:0.9838189482688904, last_sale_price:15.200002670288086]
[2022-06-28 14:57:25.546121] INFO: Position: after split: PositionStock(asset:Equity(5618 [603637.SHA]), amount:44418.0, cost_basis:14.6345, last_sale_price:15.449999809265137)
[2022-06-28 14:57:25.547730] INFO: Position: returning cash: 11.2778
[2022-06-28 14:57:28.480023] INFO: algo: handle_splits get splits [dt:2020-06-17 00:00:00+00:00] [asset:Equity(3960 [603278.SHA]), ratio:0.9796955585479736]
[2022-06-28 14:57:28.482591] INFO: Position: position stock handle split[sid:3960, orig_amount:100500, new_amount:102582.0, orig_cost:7.758864098740297, new_cost:7.6013, ratio:0.9796955585479736, last_sale_price:7.720000743865967]
[2022-06-28 14:57:28.484053] INFO: Position: after split: PositionStock(asset:Equity(3960 [603278.SHA]), amount:102582.0, cost_basis:7.6013, last_sale_price:7.87999963760376)
[2022-06-28 14:57:28.485319] INFO: Position: returning cash: 6.8573
[2022-06-28 14:57:30.633252] INFO: algo: handle_splits get splits [dt:2021-05-26 00:00:00+00:00] [asset:Equity(1597 [300936.SZA]), ratio:0.988819420337677]
[2022-06-28 14:57:30.635668] INFO: Position: position stock handle split[sid:1597, orig_amount:19900, new_amount:20125.0, orig_cost:45.80166162438376, new_cost:45.2896, ratio:0.988819420337677, last_sale_price:44.22000503540039]
[2022-06-28 14:57:30.637227] INFO: Position: after split: PositionStock(asset:Equity(1597 [300936.SZA]), amount:20125.0, cost_basis:45.2896, last_sale_price:44.720001220703125)
[2022-06-28 14:57:30.638624] INFO: Position: returning cash: 0.4099
[2022-06-28 14:57:32.769976] INFO: algo: handle_splits get splits [dt:2022-04-20 00:00:00+00:00] [asset:Equity(1666 [301007.SZA]), ratio:0.9939794540405273]
[2022-06-28 14:57:32.771957] INFO: Position: position stock handle split[sid:1666, orig_amount:19700, new_amount:19819.0, orig_cost:15.720024580125727, new_cost:15.6254, ratio:0.9939794540405273, last_sale_price:16.510000228881836]
[2022-06-28 14:57:32.775997] INFO: Position: after split: PositionStock(asset:Equity(1666 [301007.SZA]), amount:19819.0, cost_basis:15.6254, last_sale_price:16.610000610351562)
[2022-06-28 14:57:32.777578] INFO: Position: returning cash: 5.3351
[2022-06-28 14:57:33.536728] INFO: algo: handle_splits get splits [dt:2022-05-24 00:00:00+00:00] [asset:Equity(1817 [603109.SHA]), ratio:0.7004879713058472]
[2022-06-28 14:57:33.539015] INFO: Position: position stock handle split[sid:1817, orig_amount:29700, new_amount:42399.0, orig_cost:19.000757371149405, new_cost:13.3098, ratio:0.7004879713058472, last_sale_price:14.360003471374512]
[2022-06-28 14:57:33.540737] INFO: Position: after split: PositionStock(asset:Equity(1817 [603109.SHA]), amount:42399.0, cost_basis:13.3098, last_sale_price:20.5)
[2022-06-28 14:57:33.542135] INFO: Position: returning cash: 0.2153
[2022-06-28 14:57:33.781300] INFO: Performance: Simulated 1085 trading days out of 1085.
[2022-06-28 14:57:33.782838] INFO: Performance: first open: 2018-01-02 09:30:00+00:00
[2022-06-28 14:57:33.784159] INFO: Performance: last close: 2022-06-23 15:00:00+00:00
[2022-06-28 14:57:40.919790] INFO: moduleinvoker: backtest.v8 运行完成[31.306673s].
[2022-06-28 14:57:40.921794] INFO: moduleinvoker: trade.v4 运行完成[35.216193s].

日期： 2018-02-12 股票： 300648.SZA 出现止盈状况
日期： 2018-02-22 股票： 300657.SZA 出现止损状况
日期： 2018-02-22 股票： 300404.SZA 出现止损状况
日期： 2018-02-22 股票： 300712.SZA 出现止损状况
日期： 2018-02-22 股票： 300462.SZA 出现止损状况
日期： 2018-02-22 股票： 300720.SZA 出现止损状况
日期： 2018-02-22 股票： 603703.SHA 出现止损状况
日期： 2018-02-22 股票： 300435.SZA 出现止损状况
日期： 2018-02-26 股票： 002853.SZA 出现止盈状况
日期： 2018-03-02 股票： 603637.SHA 出现止盈状况
日期： 2018-03-08 股票： 002865.SZA 出现止盈状况
日期： 2018-03-08 股票： 002893.SZA 出现止盈状况
日期： 2018-03-12 股票： 300435.SZA 出现止盈状况
日期： 2018-03-15 股票： 603079.SHA 出现止损状况
日期： 2018-04-02 股票： 002799.SZA 出现止损状况
日期： 2018-04-03 股票： 002799.SZA 出现止损状况
日期： 2018-04-04 股票： 002799.SZA 出现止损状况
日期： 2018-04-09 股票： 002799.SZA 出现止损状况
日期： 2018-04-10 股票： 002799.SZA 出现止损状况
日期： 2018-04-11 股票： 002799.SZA 出现止损状况
日期： 2018-04-12 股票： 002799.SZA 出现止损状况
日期： 2018-04-13 股票： 002799.SZA 出现止损状况
日期： 2018-04-16 股票： 002799.SZA 出现止损状况
日期： 2018-04-17 股票： 002799.SZA 出现止损状况
日期： 2018-04-18 股票： 002799.SZA 出现止损状况
日期： 2018-04-19 股票： 002799.SZA 出现止损状况
日期： 2018-04-20 股票： 002799.SZA 出现止损状况
日期： 2018-04-23 股票： 002799.SZA 出现止损状况
日期： 2018-04-24 股票： 002799.SZA 出现止损状况
日期： 2018-04-25 股票： 002799.SZA 出现止损状况
日期： 2018-04-26 股票： 002799.SZA 出现止损状况
日期： 2018-04-27 股票： 002799.SZA 出现止损状况
日期： 2018-05-02 股票： 002799.SZA 出现止损状况
日期： 2018-05-03 股票： 002799.SZA 出现止损状况
日期： 2018-05-04 股票： 002799.SZA 出现止损状况
日期： 2018-05-07 股票： 002799.SZA 出现止损状况
日期： 2018-05-08 股票： 002799.SZA 出现止损状况
日期： 2018-05-09 股票： 002799.SZA 出现止损状况
日期： 2018-05-10 股票： 002799.SZA 出现止损状况
日期： 2018-05-11 股票： 002799.SZA 出现止损状况
日期： 2018-05-14 股票： 002799.SZA 出现止损状况
日期： 2018-05-15 股票： 002799.SZA 出现止损状况
日期： 2018-05-16 股票： 002799.SZA 出现止损状况
日期： 2018-05-17 股票： 002799.SZA 出现止损状况
日期： 2018-05-18 股票： 002799.SZA 出现止损状况
日期： 2018-05-21 股票： 002799.SZA 出现止损状况
日期： 2018-05-22 股票： 002799.SZA 出现止损状况
日期： 2018-05-23 股票： 002799.SZA 出现止损状况
日期： 2018-05-24 股票： 002799.SZA 出现止损状况
日期： 2018-05-25 股票： 002799.SZA 出现止损状况
日期： 2018-05-28 股票： 002799.SZA 出现止损状况
日期： 2018-05-28 股票： 603578.SHA 出现止损状况

日期： 2018-06-04 股票： 002857.SZA 出现止损状况

日期： 2018-07-05 股票： 603963.SHA 出现止损状况
日期： 2018-07-05 股票： 603488.SHA 出现止损状况

日期： 2018-07-06 股票： 300665.SZA 出现止损状况
日期： 2018-07-11 股票： 300543.SZA 出现止损状况
日期： 2018-07-12 股票： 002875.SZA 出现止盈状况

日期： 2018-07-23 股票： 603031.SHA 出现止损状况
日期： 2018-07-23 股票： 002800.SZA 出现止损状况
日期： 2018-07-24 股票： 002810.SZA 出现止盈状况
日期： 2018-07-26 股票： 603380.SHA 出现止损状况
日期： 2018-07-30 股票： 300023.SZA 出现止损状况
日期： 2018-07-30 股票： 300552.SZA 出现止损状况
日期： 2018-07-30 股票： 002887.SZA 出现止损状况
日期： 2018-08-01 股票： 603787.SHA 出现止损状况
日期： 2018-08-01 股票： 603557.SHA 出现止损状况
日期： 2018-08-01 股票： 603500.SHA 出现止损状况
日期： 2018-08-01 股票： 300687.SZA 出现止损状况
日期： 2018-08-02 股票： 300682.SZA 出现止损状况
日期： 2018-08-02 股票： 300700.SZA 出现止损状况
日期： 2018-08-13 股票： 300698.SZA 出现止盈状况
日期： 2018-08-17 股票： 603722.SHA 出现止损状况
日期： 2018-08-17 股票： 002927.SZA 出现止损状况
日期： 2018-08-20 股票： 300612.SZA 出现止损状况
日期： 2018-08-21 股票： 603032.SHA 出现止盈状况
日期： 2018-08-22 股票： 603696.SHA 出现止损状况
日期： 2018-08-22 股票： 300721.SZA 出现止损状况
日期： 2018-08-22 股票： 300505.SZA 出现止损状况
日期： 2018-08-24 股票： 300517.SZA 出现止盈状况
日期： 2018-08-28 股票： 300464.SZA 出现止盈状况
日期： 2018-08-28 股票： 300720.SZA 出现止损状况
日期： 2018-08-30 股票： 300411.SZA 出现止损状况
日期： 2018-08-31 股票： 603477.SHA 出现止损状况
日期： 2018-09-03 股票： 300713.SZA 出现止损状况
日期： 2018-09-03 股票： 603683.SHA 出现止损状况
日期： 2018-09-06 股票： 002848.SZA 出现止盈状况
日期： 2018-09-10 股票： 603711.SHA 出现止损状况
日期： 2018-09-11 股票： 300517.SZA 出现止损状况
日期： 2018-09-12 股票： 002848.SZA 出现止盈状况
日期： 2018-09-17 股票： 300708.SZA 出现止损状况
日期： 2018-09-19 股票： 603677.SHA 出现止盈状况
日期： 2018-09-26 股票： 300708.SZA 出现止损状况
日期： 2018-10-08 股票： 603880.SHA 出现止损状况
日期： 2018-10-18 股票： 002909.SZA 出现止损状况
日期： 2018-10-18 股票： 300586.SZA 出现止损状况
日期： 2018-10-23 股票： 002072.SZA 出现止盈状况
日期： 2018-10-25 股票： 603733.SHA 出现止损状况
日期： 2018-10-29 股票： 603696.SHA 出现止盈状况
日期： 2018-11-01 股票： 300588.SZA 出现止盈状况
日期： 2018-11-06 股票： 603696.SHA 出现止损状况
日期： 2018-11-09 股票： 002909.SZA 出现止损状况
日期： 2018-11-12 股票： 002740.SZA 出现止盈状况
日期： 2018-11-15 股票： 002837.SZA 出现止盈状况
日期： 2018-11-15 股票： 603722.SHA 出现止盈状况
日期： 2018-11-23 股票： 603619.SHA 出现止盈状况
日期： 2018-11-23 股票： 603667.SHA 出现止损状况
日期： 2019-01-10 股票： 002871.SZA 出现止盈状况
日期： 2019-01-16 股票： 603726.SHA 出现止损状况
日期： 2019-01-24 股票： 002871.SZA 出现止损状况
日期： 2019-02-15 股票： 300313.SZA 出现止盈状况
日期： 2019-02-18 股票： 002072.SZA 出现止盈状况
日期： 2019-02-20 股票： 300647.SZA 出现止盈状况
日期： 2019-02-21 股票： 603389.SHA 出现止盈状况
日期： 2019-02-28 股票： 300644.SZA 出现止盈状况
日期： 2019-03-01 股票： 300700.SZA 出现止盈状况

日期： 2019-03-05 股票： 603196.SHA 出现止盈状况
日期： 2019-05-10 股票： 300749.SZA 出现止盈状况

日期： 2019-05-17 股票： 603738.SHA 出现止盈状况
日期： 2019-05-17 股票： 300757.SZA 出现止损状况
日期： 2019-05-17 股票： 002870.SZA 出现止损状况
日期： 2019-05-17 股票： 300746.SZA 出现止损状况
日期： 2019-05-20 股票： 002862.SZA 出现止损状况
日期： 2019-05-21 股票： 300313.SZA 出现止盈状况
日期： 2019-05-22 股票： 300745.SZA 出现止损状况
日期： 2019-05-24 股票： 002870.SZA 出现止损状况
日期： 2019-05-27 股票： 300694.SZA 出现止盈状况

日期： 2019-05-28 股票： 603121.SHA 出现止盈状况

日期： 2019-05-29 股票： 603105.SHA 出现止盈状况
日期： 2019-05-29 股票： 300749.SZA 出现止盈状况
日期： 2019-05-30 股票： 603266.SHA 出现止盈状况
日期： 2019-05-31 股票： 603956.SHA 出现止盈状况
日期： 2019-06-03 股票： 300700.SZA 出现止损状况
日期： 2019-06-04 股票： 002888.SZA 出现止损状况
日期： 2019-06-04 股票： 300749.SZA 出现止损状况
日期： 2019-06-04 股票： 603266.SHA 出现止损状况
日期： 2019-06-06 股票： 300745.SZA 出现止损状况
日期： 2019-06-10 股票： 300580.SZA 出现止盈状况
日期： 2019-06-18 股票： 002868.SZA 出现止盈状况
日期： 2019-06-18 股票： 603157.SHA 出现止损状况

日期： 2019-06-21 股票： 300453.SZA 出现止盈状况
日期： 2019-06-21 股票： 300362.SZA 出现止盈状况
日期： 2019-07-22 股票： 603320.SHA 出现止损状况
日期： 2019-08-02 股票： 300536.SZA 出现止损状况
日期： 2019-08-05 股票： 603637.SHA 出现止损状况
日期： 2019-08-19 股票： 300362.SZA 出现止损状况
日期： 2019-09-26 股票： 603499.SHA 出现止损状况
日期： 2019-09-26 股票： 603617.SHA 出现止损状况
日期： 2019-11-11 股票： 002943.SZA 出现止损状况
日期： 2019-11-13 股票： 603530.SHA 出现止盈状况
日期： 2019-11-15 股票： 002858.SZA 出现止损状况
日期： 2019-11-20 股票： 603687.SHA 出现止损状况
日期： 2019-11-25 股票： 300779.SZA 出现止损状况
日期： 2019-11-25 股票： 300431.SZA 出现止损状况
日期： 2019-11-25 股票： 002943.SZA 出现止损状况
日期： 2019-11-29 股票： 300431.SZA 出现止损状况
日期： 2019-12-09 股票： 603787.SHA 出现止损状况
日期： 2019-12-23 股票： 002865.SZA 出现止损状况
日期： 2020-01-02 股票： 002875.SZA 出现止盈状况
日期： 2020-01-23 股票： 603976.SHA 出现止损状况
日期： 2020-02-03 股票： 603976.SHA 出现止损状况
日期： 2020-02-07 股票： 300089.SZA 出现止盈状况
日期： 2020-02-07 股票： 300431.SZA 出现止盈状况
日期： 2020-02-10 股票： 603815.SHA 出现止盈状况
日期： 2020-02-17 股票： 603815.SHA 出现止盈状况
日期： 2020-02-20 股票： 300592.SZA 出现止盈状况
日期： 2020-02-20 股票： 002905.SZA 出现止盈状况
日期： 2020-02-21 股票： 000663.SZA 出现止盈状况
日期： 2020-02-21 股票： 002915.SZA 出现止盈状况
日期： 2020-02-26 股票： 603982.SHA 出现止盈状况
日期： 2020-02-27 股票： 300795.SZA 出现止损状况
日期： 2020-02-28 股票： 603226.SHA 出现止损状况
日期： 2020-02-28 股票： 300780.SZA 出现止损状况
日期： 2020-04-10 股票： 300718.SZA 出现止损状况
日期： 2020-04-13 股票： 300654.SZA 出现止损状况
日期： 2020-04-13 股票： 603396.SHA 出现止损状况
日期： 2020-04-24 股票： 300812.SZA 出现止损状况
日期： 2020-05-06 股票： 603157.SHA 出现止损状况
日期： 2020-05-06 股票： 300312.SZA 出现止损状况
日期： 2020-05-12 股票： 000835.SZA 出现止损状况
日期： 2020-05-18 股票： 603157.SHA 出现止损状况
日期： 2020-06-05 股票： 603655.SHA 出现止盈状况
日期： 2020-06-12 股票： 603867.SHA 出现止盈状况

日期： 2020-06-19 股票： 603655.SHA 出现止盈状况
日期： 2020-06-22 股票： 603278.SHA 出现止损状况
日期： 2020-07-13 股票： 603316.SHA 出现止盈状况
日期： 2020-10-26 股票： 002969.SZA 出现止损状况
日期： 2020-10-27 股票： 603499.SHA 出现止损状况
日期： 2020-10-29 股票： 002813.SZA 出现止损状况
日期： 2020-11-10 股票： 300859.SZA 出现止盈状况
日期： 2020-11-10 股票： 300859.SZA 出现止损状况
日期： 2021-01-07 股票： 300795.SZA 出现止损状况
日期： 2021-01-07 股票： 300859.SZA 出现止损状况
日期： 2021-01-07 股票： 300823.SZA 出现止损状况
日期： 2021-01-07 股票： 300789.SZA 出现止损状况
日期： 2021-01-07 股票： 300781.SZA 出现止损状况
日期： 2021-01-11 股票： 300650.SZA 出现止损状况
日期： 2021-01-13 股票： 300809.SZA 出现止损状况
日期： 2021-01-14 股票： 002858.SZA 出现止损状况
日期： 2021-01-19 股票： 002931.SZA 出现止盈状况
日期： 2021-01-19 股票： 300819.SZA 出现止盈状况
日期： 2021-01-25 股票： 300812.SZA 出现止损状况
日期： 2021-01-25 股票： 300312.SZA 出现止损状况
日期： 2021-01-26 股票： 300717.SZA 出现止损状况
日期： 2021-01-27 股票： 300859.SZA 出现止盈状况
日期： 2021-01-28 股票： 603439.SHA 出现止损状况
日期： 2021-02-01 股票： 600766.SHA 出现止损状况
日期： 2021-02-03 股票： 300478.SZA 出现止损状况
日期： 2021-02-08 股票： 600956.SHA 出现止损状况
日期： 2021-02-18 股票： 000502.SZA 出现止盈状况
日期： 2021-02-18 股票： 002740.SZA 出现止损状况
日期： 2021-02-19 股票： 300554.SZA 出现止盈状况
日期： 2021-02-19 股票： 002848.SZA 出现止盈状况
日期： 2021-02-19 股票： 002316.SZA 出现止盈状况
日期： 2021-02-22 股票： 300437.SZA 出现止盈状况
日期： 2021-02-24 股票： 300405.SZA 出现止盈状况
日期： 2021-02-26 股票： 002316.SZA 出现止盈状况
日期： 2021-03-01 股票： 002943.SZA 出现止盈状况
日期： 2021-03-05 股票： 300717.SZA 出现止盈状况
日期： 2021-03-10 股票： 002848.SZA 出现止损状况
日期： 2021-03-19 股票： 300827.SZA 出现止盈状况
日期： 2021-04-30 股票： 603629.SHA 出现止损状况

日期： 2021-05-27 股票： 300752.SZA 出现止盈状况
日期： 2021-06-16 股票： 300936.SZA 出现止损状况
日期： 2021-08-10 股票： 002862.SZA 出现止盈状况
日期： 2021-08-12 股票： 605016.SHA 出现止盈状况
日期： 2021-08-13 股票： 300970.SZA 出现止盈状况
日期： 2021-08-20 股票： 605136.SHA 出现止损状况
日期： 2021-08-20 股票： 605300.SHA 出现止损状况
日期： 2021-09-07 股票： 300998.SZA 出现止盈状况
日期： 2021-09-13 股票： 300998.SZA 出现止损状况
日期： 2021-09-22 股票： 605196.SHA 出现止损状况
日期： 2021-10-08 股票： 003043.SZA 出现止盈状况
日期： 2021-10-14 股票： 003032.SZA 出现止盈状况
日期： 2021-10-26 股票： 300977.SZA 出现止损状况
日期： 2021-11-11 股票： 301036.SZA 出现止盈状况
日期： 2021-11-11 股票： 300987.SZA 出现止盈状况
日期： 2021-11-11 股票： 300813.SZA 出现止盈状况
日期： 2021-11-15 股票： 300995.SZA 出现止盈状况
日期： 2021-11-16 股票： 300987.SZA 出现止盈状况
日期： 2021-11-23 股票： 300905.SZA 出现止盈状况
日期： 2022-01-05 股票： 301017.SZA 出现止损状况
日期： 2022-01-20 股票： 301007.SZA 出现止损状况
日期： 2022-01-28 股票： 301012.SZA 出现止损状况
日期： 2022-02-11 股票： 301072.SZA 出现止损状况
日期： 2022-02-14 股票： 300987.SZA 出现止损状况
日期： 2022-02-15 股票： 300945.SZA 出现止盈状况
日期： 2022-02-15 股票： 300967.SZA 出现止损状况
日期： 2022-02-24 股票： 300987.SZA 出现止损状况
日期： 2022-03-02 股票： 300807.SZA 出现止盈状况
日期： 2022-03-08 股票： 300950.SZA 出现止损状况
日期： 2022-03-09 股票： 001219.SZA 出现止损状况
日期： 2022-03-24 股票： 605398.SHA 出现止盈状况
日期： 2022-03-29 股票： 301012.SZA 出现止损状况
日期： 2022-04-08 股票： 605319.SHA 出现止损状况
日期： 2022-04-15 股票： 301068.SZA 出现止损状况

日期： 2022-04-20 股票： 301072.SZA 出现止损状况
日期： 2022-04-21 股票： 301138.SZA 出现止损状况
日期： 2022-04-22 股票： 300984.SZA 出现止损状况
日期： 2022-04-22 股票： 301085.SZA 出现止损状况
日期： 2022-04-25 股票： 301007.SZA 出现止损状况
日期： 2022-04-25 股票： 301168.SZA 出现止损状况
日期： 2022-05-05 股票： 301159.SZA 出现止损状况
日期： 2022-05-05 股票： 301040.SZA 出现止损状况
日期： 2022-05-05 股票： 300984.SZA 出现止损状况
日期： 2022-05-05 股票： 300614.SZA 出现止损状况
日期： 2022-05-06 股票： 605333.SHA 出现止损状况
日期： 2022-05-09 股票： 301085.SZA 出现止损状况
日期： 2022-05-10 股票： 301167.SZA 出现止盈状况
日期： 2022-05-10 股票： 301091.SZA 出现止盈状况
日期： 2022-05-10 股票： 605122.SHA 出现止盈状况
日期： 2022-05-10 股票： 300949.SZA 出现止盈状况
日期： 2022-05-10 股票： 300844.SZA 出现止盈状况
日期： 2022-05-17 股票： 301003.SZA 出现止损状况
日期： 2022-05-18 股票： 003007.SZA 出现止盈状况
日期： 2022-05-19 股票： 300892.SZA 出现止损状况
日期： 2022-05-20 股票： 300991.SZA 出现止损状况
日期： 2022-05-23 股票： 605018.SHA 出现止盈状况

日期： 2022-05-24 股票： 301199.SZA 出现止损状况
日期： 2022-05-24 股票： 603109.SHA 出现止损状况
日期： 2022-05-30 股票： 605018.SHA 出现止损状况
日期： 2022-06-20 股票： 301010.SZA 出现止盈状况

收益率277.84%
年化收益率36.17%
基准收益率7.77%
阿尔法0.35
贝塔0.32
夏普比率1.3
胜率0.54
盈亏比1.19
收益波动率23.61%
信息比率0.07
最大回撤25.45%

bigcharts-data-start/{"__type":"tabs","__id":"bigchart-44fddf93a2fa439c9a948ccdb62b4b55"}/bigcharts-data-end