# 本代码由可视化策略环境自动生成 2022年3月28日 10:34
# 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 m6_initialize_bigquant_run(context):
    # 加载股票指标数据,数据继承自m6模块
    context.indicator_data = 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=0.0001, sell_cost=0.001, min_cost=5))
    
    # 设置股票数量
    context.stock_num = 30
    
    #每月调仓：则需要将输入特征数据转换为月度数据
    context.month_data = context.indicator_data.groupby('instrument').resample(rule='M', on='date')
    context.month_data = context.month_data.agg({
                            'instrument': 'last',  
                            'date':'last',
                            'list_days_0': 'last',
                            'market_cap_0': 'last',
                            'pe_ttm_0': 'last',        
                        })
    context.month_data = context.month_data.reset_index(drop=True)
    
    #每月调仓，改用每月调用一次主处理函数
    schedule_function(func=month_handle_data,
        date_rule=date_rules.month_start(),   # 例如每周开始时执行一次
        time_rule=time_rules.market_open())   # 开盘执行

from datetime import timedelta
#每月初调用一次主处理函数，在本函数进行目标股票获取并进行买卖
def month_handle_data(context, data):
    # 当前的日期
    date = data.current_dt.strftime('%Y-%m-%d')
    #根据当前时间获取上一个月的时间。当前月初往前偏移28天一定是上个月
    last_month = str(pd.to_datetime(date) + timedelta(days=-28))[0:7]
    #获取上个月末的股票池
    df = context.month_data
    tempdf = df[df['date'].astype(str).apply(lambda x:x[0:7])==last_month]
    #对股票池根据因子值列进行排序，并取前30只股票
    stocks = tempdf.sort_values('pe_ttm_0').iloc[:context.stock_num,:]
    #把股票id转换成需要购买的股票列表
    stock_to_buy = stocks['instrument'].values.tolist()
    print("选股日期：",date,',选股数量：',len(stock_to_buy))
    
    
    positions = {e.symbol: p.cost_basis  for e, p in context.portfolio.positions.items()}
    # 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(positions) > 0:
        for i in positions.keys():
            stock_cost = positions[i] 
            stock_market_price = data.current(context.symbol(i), 'price') 
            # 亏10%就止损
            if (stock_market_price - stock_cost) / stock_cost <= -0.10:   
                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')
    
    # 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 = [equity.symbol for equity in context.portfolio.positions]
    # 继续持有的股票：调仓时，如果买入的股票已经存在于目前的持仓里，那么应继续持有
    no_need_to_sell = [i for i in stock_hold_now if i in stock_to_buy]
    # 需要卖出的股票
    stock_to_sell = [i for i in stock_hold_now if i not in no_need_to_sell]
  
    # 卖出
    for stock in stock_to_sell:
        # 如果该股票停牌，则没法成交。因此需要用can_trade方法检查下该股票的状态
        # 如果返回真值，则可以正常下单，否则会出错
        # 因为stock是字符串格式，我们用symbol方法将其转化成平台可以接受的形式：Equity格式
        if data.can_trade(context.symbol(stock)):
            context.order_target_percent(context.symbol(stock), 0)
    
    # 如果当天没有买入的股票，就返回
    if len(stock_to_buy) == 0:
        return

    # 等权重买入 
    weight =  1 / len(stock_to_buy)
    
    # 买入
    for stock in stock_to_buy:
        if data.can_trade(context.symbol(stock)):
            # 下单使得某只股票的持仓权重达到weight，因为
            # weight大于0,因此是等权重买入
            context.order_target_percent(context.symbol(stock), weight)
    

# 回测引擎：每日数据处理函数，每天执行一次
def m6_handle_data_bigquant_run(context, data):
    pass
 
# 回测引擎：准备数据，只执行一次
def m6_prepare_bigquant_run(context):
    pass

# 回测引擎：每个单位时间开始前调用一次，即每日开盘前调用一次。
def m6_before_trading_start_bigquant_run(context, data):
    pass


m1 = M.instruments.v2(
    start_date='2018-01-01',
    end_date='2020-12-31',
    market='CN_STOCK_A',
    instrument_list='',
    max_count=0
)

m2 = M.input_features.v1(
    features="""
# #号开始的表示注释，注释需单独一行
# 多个特征，每行一个，可以包含基础特征和衍生特征，特征须为本平台特征
pe_ttm_0
market_cap_0
list_days_0"""
)

m15 = M.general_feature_extractor.v7(
    instruments=m1.data,
    features=m2.data,
    start_date='',
    end_date='',
    before_start_days=0
)

m5 = M.chinaa_stock_filter.v1(
    input_data=m15.data,
    index_constituent_cond=['全部'],
    board_cond=['全部'],
    industry_cond=['全部'],
    st_cond=['正常'],
    delist_cond=['全部'],
    output_left_data=False
)

m4 = M.filter.v3(
    input_data=m5.data,
    expr='(market_cap_0 < 5000000000) & (list_days_0 > 60) & (pe_ttm_0 > 0)',
    output_left_data=False
)

m3 = M.sort.v5(
    input_ds=m4.data,
    sort_by='pe_ttm_0',
    group_by='date',
    keep_columns='--',
    ascending=True
)

m6 = M.trade.v4(
    instruments=m1.data,
    options_data=m3.sorted_data,
    start_date='',
    end_date='',
    initialize=m6_initialize_bigquant_run,
    handle_data=m6_handle_data_bigquant_run,
    prepare=m6_prepare_bigquant_run,
    before_trading_start=m6_before_trading_start_bigquant_run,
    volume_limit=0.025,
    order_price_field_buy='open',
    order_price_field_sell='open',
    capital_base=100000000,
    auto_cancel_non_tradable_orders=True,
    data_frequency='daily',
    price_type='后复权',
    product_type='股票',
    plot_charts=True,
    backtest_only=False,
    benchmark=''
)