克隆策略

{"Description":"实验创建于2017/8/26","Summary":"","Graph":{"EdgesInternal":[{"DestinationInputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-15:instruments","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-8:data"},{"DestinationInputPortId":"-215:instruments","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-8:data"},{"DestinationInputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-53:data1","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-15:data"},{"DestinationInputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-43:features","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-24:data"},{"DestinationInputPortId":"-215:features","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-24:data"},{"DestinationInputPortId":"-222:features","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-24:data"},{"DestinationInputPortId":"-231:features","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-24:data"},{"DestinationInputPortId":"-238:features","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-24:data"},{"DestinationInputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-60:model","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-43:model"},{"DestinationInputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-84:input_data","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-53:data"},{"DestinationInputPortId":"-250:options_data","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-60:predictions"},{"DestinationInputPortId":"-231:instruments","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-62:data"},{"DestinationInputPortId":"-250:instruments","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-62:data"},{"DestinationInputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-43:training_ds","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-84:data"},{"DestinationInputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-60:data","SourceOutputPortId":"-86:data"},{"DestinationInputPortId":"-222:input_data","SourceOutputPortId":"-215:data"},{"DestinationInputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-53:data2","SourceOutputPortId":"-222:data"},{"DestinationInputPortId":"-238:input_data","SourceOutputPortId":"-231:data"},{"DestinationInputPortId":"-86:input_data","SourceOutputPortId":"-238:data"}],"ModuleNodes":[{"Id":"287d2cb0-f53c-4101-bdf8-104b137c8601-8","ModuleId":"BigQuantSpace.instruments.instruments-v2","ModuleParameters":[{"Name":"start_date","Value":"2010-01-01","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"end_date","Value":"2015-01-01","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"market","Value":"CN_STOCK_A","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"instrument_list","Value":"","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"max_count","Value":"0","ValueType":"Literal","LinkedGlobalParameter":null}],"InputPortsInternal":[{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"rolling_conf","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-8"}],"OutputPortsInternal":[{"Name":"data","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-8","OutputType":null}],"UsePreviousResults":true,"moduleIdForCode":1,"IsPartOfPartialRun":null,"Comment":"","CommentCollapsed":true},{"Id":"287d2cb0-f53c-4101-bdf8-104b137c8601-15","ModuleId":"BigQuantSpace.advanced_auto_labeler.advanced_auto_labeler-v2","ModuleParameters":[{"Name":"label_expr","Value":"# #号开始的表示注释\n# 0. 每行一个，顺序执行，从第二个开始，可以使用label字段\n# 1. 可用数据字段见 https://bigquant.com/docs/develop/datasource/deprecated/history_data.html\n# 添加benchmark_前缀，可使用对应的benchmark数据\n# 2. 可用操作符和函数见 `表达式引擎 <https://bigquant.com/docs/develop/bigexpr/usage.html>`_\n\n# 计算收益：5日收盘价(作为卖出价格)除以明日开盘价(作为买入价格)\nshift(close, -5) / shift(open, -1)\n\n# 极值处理：用1%和99%分位的值做clip\nclip(label, all_quantile(label, 0.01), all_quantile(label, 0.99))\n\n# 将分数映射到分类，这里使用20个分类\nall_wbins(label, 20)\n\n# 过滤掉一字涨停的情况 (设置label为NaN，在后续处理和训练中会忽略NaN的label)\nwhere(shift(high, -1) == shift(low, -1), NaN, label)\n","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"start_date","Value":"","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"end_date","Value":"","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"benchmark","Value":"000300.SHA","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"drop_na_label","Value":"True","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"cast_label_int","Value":"True","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"user_functions","Value":"","ValueType":"Literal","LinkedGlobalParameter":null}],"InputPortsInternal":[{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"instruments","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-15"}],"OutputPortsInternal":[{"Name":"data","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-15","OutputType":null}],"UsePreviousResults":true,"moduleIdForCode":2,"IsPartOfPartialRun":null,"Comment":"","CommentCollapsed":true},{"Id":"287d2cb0-f53c-4101-bdf8-104b137c8601-24","ModuleId":"BigQuantSpace.input_features.input_features-v1","ModuleParameters":[{"Name":"features","Value":"# #号开始的表示注释\n# 多个特征，每行一个，可以包含基础特征和衍生特征\nreturn_5\nreturn_10\nreturn_20\navg_amount_0/avg_amount_5\navg_amount_5/avg_amount_20\nrank_avg_amount_0/rank_avg_amount_5\nrank_avg_amount_5/rank_avg_amount_10\nrank_return_0\nrank_return_5\nrank_return_10\nrank_return_0/rank_return_5\nrank_return_5/rank_return_10\npe_ttm_0\n","ValueType":"Literal","LinkedGlobalParameter":null}],"InputPortsInternal":[{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"features_ds","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-24"}],"OutputPortsInternal":[{"Name":"data","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-24","OutputType":null}],"UsePreviousResults":true,"moduleIdForCode":3,"IsPartOfPartialRun":null,"Comment":"","CommentCollapsed":true},{"Id":"287d2cb0-f53c-4101-bdf8-104b137c8601-43","ModuleId":"BigQuantSpace.stock_ranker_train.stock_ranker_train-v5","ModuleParameters":[{"Name":"learning_algorithm","Value":"排序","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"number_of_leaves","Value":30,"ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"minimum_docs_per_leaf","Value":1000,"ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"number_of_trees","Value":20,"ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"learning_rate","Value":0.1,"ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"max_bins","Value":1023,"ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"feature_fraction","Value":1,"ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"m_lazy_run","Value":"False","ValueType":"Literal","LinkedGlobalParameter":null}],"InputPortsInternal":[{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"training_ds","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-43"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"features","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-43"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"test_ds","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-43"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"base_model","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-43"}],"OutputPortsInternal":[{"Name":"model","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-43","OutputType":null},{"Name":"feature_gains","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-43","OutputType":null},{"Name":"m_lazy_run","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-43","OutputType":null}],"UsePreviousResults":true,"moduleIdForCode":6,"IsPartOfPartialRun":null,"Comment":"","CommentCollapsed":true},{"Id":"287d2cb0-f53c-4101-bdf8-104b137c8601-53","ModuleId":"BigQuantSpace.join.join-v3","ModuleParameters":[{"Name":"on","Value":"date,instrument","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"how","Value":"inner","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"sort","Value":"False","ValueType":"Literal","LinkedGlobalParameter":null}],"InputPortsInternal":[{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"data1","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-53"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"data2","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-53"}],"OutputPortsInternal":[{"Name":"data","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-53","OutputType":null}],"UsePreviousResults":true,"moduleIdForCode":7,"IsPartOfPartialRun":null,"Comment":"","CommentCollapsed":true},{"Id":"287d2cb0-f53c-4101-bdf8-104b137c8601-60","ModuleId":"BigQuantSpace.stock_ranker_predict.stock_ranker_predict-v5","ModuleParameters":[{"Name":"m_lazy_run","Value":"False","ValueType":"Literal","LinkedGlobalParameter":null}],"InputPortsInternal":[{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"model","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-60"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"data","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-60"}],"OutputPortsInternal":[{"Name":"predictions","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-60","OutputType":null},{"Name":"m_lazy_run","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-60","OutputType":null}],"UsePreviousResults":true,"moduleIdForCode":8,"IsPartOfPartialRun":null,"Comment":"","CommentCollapsed":true},{"Id":"287d2cb0-f53c-4101-bdf8-104b137c8601-62","ModuleId":"BigQuantSpace.instruments.instruments-v2","ModuleParameters":[{"Name":"start_date","Value":"2015-01-01","ValueType":"Literal","LinkedGlobalParameter":"交易日期"},{"Name":"end_date","Value":"2017-01-01","ValueType":"Literal","LinkedGlobalParameter":"交易日期"},{"Name":"market","Value":"CN_STOCK_A","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"instrument_list","Value":"","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"max_count","Value":"0","ValueType":"Literal","LinkedGlobalParameter":null}],"InputPortsInternal":[{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"rolling_conf","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-62"}],"OutputPortsInternal":[{"Name":"data","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-62","OutputType":null}],"UsePreviousResults":true,"moduleIdForCode":9,"IsPartOfPartialRun":null,"Comment":"预测数据，用于回测和模拟","CommentCollapsed":false},{"Id":"287d2cb0-f53c-4101-bdf8-104b137c8601-84","ModuleId":"BigQuantSpace.dropnan.dropnan-v1","ModuleParameters":[],"InputPortsInternal":[{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"input_data","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-84"}],"OutputPortsInternal":[{"Name":"data","NodeId":"287d2cb0-f53c-4101-bdf8-104b137c8601-84","OutputType":null}],"UsePreviousResults":true,"moduleIdForCode":13,"IsPartOfPartialRun":null,"Comment":"","CommentCollapsed":true},{"Id":"-86","ModuleId":"BigQuantSpace.dropnan.dropnan-v1","ModuleParameters":[],"InputPortsInternal":[{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"input_data","NodeId":"-86"}],"OutputPortsInternal":[{"Name":"data","NodeId":"-86","OutputType":null}],"UsePreviousResults":true,"moduleIdForCode":14,"IsPartOfPartialRun":null,"Comment":"","CommentCollapsed":true},{"Id":"-215","ModuleId":"BigQuantSpace.general_feature_extractor.general_feature_extractor-v7","ModuleParameters":[{"Name":"start_date","Value":"","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"end_date","Value":"","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"before_start_days","Value":0,"ValueType":"Literal","LinkedGlobalParameter":null}],"InputPortsInternal":[{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"instruments","NodeId":"-215"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"features","NodeId":"-215"}],"OutputPortsInternal":[{"Name":"data","NodeId":"-215","OutputType":null}],"UsePreviousResults":true,"moduleIdForCode":15,"IsPartOfPartialRun":null,"Comment":"","CommentCollapsed":true},{"Id":"-222","ModuleId":"BigQuantSpace.derived_feature_extractor.derived_feature_extractor-v3","ModuleParameters":[{"Name":"date_col","Value":"date","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"instrument_col","Value":"instrument","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"drop_na","Value":"False","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"remove_extra_columns","Value":"False","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"user_functions","Value":"","ValueType":"Literal","LinkedGlobalParameter":null}],"InputPortsInternal":[{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"input_data","NodeId":"-222"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"features","NodeId":"-222"}],"OutputPortsInternal":[{"Name":"data","NodeId":"-222","OutputType":null}],"UsePreviousResults":true,"moduleIdForCode":16,"IsPartOfPartialRun":null,"Comment":"","CommentCollapsed":true},{"Id":"-231","ModuleId":"BigQuantSpace.general_feature_extractor.general_feature_extractor-v7","ModuleParameters":[{"Name":"start_date","Value":"","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"end_date","Value":"","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"before_start_days","Value":0,"ValueType":"Literal","LinkedGlobalParameter":null}],"InputPortsInternal":[{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"instruments","NodeId":"-231"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"features","NodeId":"-231"}],"OutputPortsInternal":[{"Name":"data","NodeId":"-231","OutputType":null}],"UsePreviousResults":true,"moduleIdForCode":17,"IsPartOfPartialRun":null,"Comment":"","CommentCollapsed":true},{"Id":"-238","ModuleId":"BigQuantSpace.derived_feature_extractor.derived_feature_extractor-v3","ModuleParameters":[{"Name":"date_col","Value":"date","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"instrument_col","Value":"instrument","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"drop_na","Value":"False","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"remove_extra_columns","Value":"False","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"user_functions","Value":"","ValueType":"Literal","LinkedGlobalParameter":null}],"InputPortsInternal":[{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"input_data","NodeId":"-238"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"features","NodeId":"-238"}],"OutputPortsInternal":[{"Name":"data","NodeId":"-238","OutputType":null}],"UsePreviousResults":true,"moduleIdForCode":18,"IsPartOfPartialRun":null,"Comment":"","CommentCollapsed":true},{"Id":"-250","ModuleId":"BigQuantSpace.trade.trade-v4","ModuleParameters":[{"Name":"start_date","Value":"","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"end_date","Value":"","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"handle_data","Value":"# 回测引擎：每日数据处理函数，每天执行一次\ndef bigquant_run(context, data):\n\n #------------------------------------------跟踪止损模块START--------------------------------------------\n date = data.current_dt.strftime('%Y-%m-%d') \n equities = {e.symbol: p for e, p in context.portfolio.positions.items() if p.amount>0}\n # 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\n current_stoploss_stock = [] \n if len(equities) > 0:\n for i in equities.keys():\n stock_market_price = data.current(context.symbol(i), 'price') # 最新市场价格\n last_sale_date = equities[i].last_sale_date # 上次交易日期\n delta_days = data.current_dt - last_sale_date \n hold_days = delta_days.days # 持仓天数\n # 建仓以来的最高价\n highest_price_since_buy = data.history(context.symbol(i), 'high', hold_days, '1d').max()\n # 确定止损位置\n stoploss_line = highest_price_since_buy - highest_price_since_buy * 0.1\n record('止损位置', stoploss_line)\n # 如果价格下穿止损位置\n if stock_market_price < stoploss_line:\n context.order_target_percent(context.symbol(i), 0) \n current_stoploss_stock.append(i)\n print('日期：', date , '股票：', i, '出现止损状况')\n #-------------------------------------------跟踪止损模块END-------------------------------\n\n \n \n # 按日期过滤得到今日的预测数据\n ranker_prediction = context.ranker_prediction[\n context.ranker_prediction.date == data.current_dt.strftime('%Y-%m-%d')]\n\n # 1. 资金分配\n # 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\n # 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）\n is_staging = context.trading_day_index < context.options['hold_days'] # 是否在建仓期间（前 hold_days 天）\n cash_avg = context.portfolio.portfolio_value / context.options['hold_days']\n cash_for_buy = min(context.portfolio.cash, (1 if is_staging else 1.5) * cash_avg)\n cash_for_sell = cash_avg - (context.portfolio.cash - cash_for_buy)\n positions = {e.symbol: p.amount * p.last_sale_price\n for e, p in context.portfolio.positions.items()}\n\n # 2. 生成卖出订单：hold_days天之后才开始卖出；对持仓的股票，按机器学习算法预测的排序末位淘汰\n if not is_staging and cash_for_sell > 0:\n equities = {e.symbol: e for e, p in context.portfolio.positions.items()}\n instruments = list(reversed(list(ranker_prediction.instrument[ranker_prediction.instrument.apply(\n lambda x: x in equities)])))\n\n for instrument in instruments:\n # 这里进行过滤，如果已经跟踪止损卖出了就不再执行轮仓卖出逻辑\n if instrument in current_stoploss_stock:\n continue\n context.order_target(context.symbol(instrument), 0)\n cash_for_sell -= positions[instrument]\n if cash_for_sell <= 0:\n break\n\n # 3. 生成买入订单：按机器学习算法预测的排序，买入前面的stock_count只股票\n buy_cash_weights = context.stock_weights\n buy_instruments = list(ranker_prediction.instrument[:len(buy_cash_weights)])\n max_cash_per_instrument = context.portfolio.portfolio_value * context.max_cash_per_instrument\n for i, instrument in enumerate(buy_instruments):\n cash = cash_for_buy * buy_cash_weights[i]\n if cash > max_cash_per_instrument - positions.get(instrument, 0):\n # 确保股票持仓量不会超过每次股票最大的占用资金量\n cash = max_cash_per_instrument - positions.get(instrument, 0)\n if cash > 0:\n context.order_value(context.symbol(instrument), cash)\n","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"prepare","Value":"# 回测引擎：准备数据，只执行一次\ndef bigquant_run(context):\n pass\n","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"initialize","Value":"# 回测引擎：初始化函数，只执行一次\ndef bigquant_run(context):\n # 加载预测数据\n context.ranker_prediction = context.options['data'].read_df()\n\n # 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\n context.set_commission(PerOrder(buy_cost=0.0003, sell_cost=0.0013, min_cost=5))\n # 预测数据，通过options传入进来，使用 read_df 函数，加载到内存 (DataFrame)\n # 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\n stock_count = 5\n # 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, ..]\n context.stock_weights = T.norm([1 / math.log(i + 2) for i in range(0, stock_count)])\n # 设置每只股票占用的最大资金比例\n context.max_cash_per_instrument = 0.2\n context.options['hold_days'] = 5\n","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"before_trading_start","Value":"","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"volume_limit","Value":0.025,"ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"order_price_field_buy","Value":"open","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"order_price_field_sell","Value":"close","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"capital_base","Value":1000000,"ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"auto_cancel_non_tradable_orders","Value":"True","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"data_frequency","Value":"daily","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"price_type","Value":"后复权","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"product_type","Value":"股票","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"plot_charts","Value":"True","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"backtest_only","Value":"False","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"benchmark","Value":"000300.SHA","ValueType":"Literal","LinkedGlobalParameter":null}],"InputPortsInternal":[{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"instruments","NodeId":"-250"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"options_data","NodeId":"-250"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"history_ds","NodeId":"-250"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"benchmark_ds","NodeId":"-250"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"trading_calendar","NodeId":"-250"}],"OutputPortsInternal":[{"Name":"raw_perf","NodeId":"-250","OutputType":null}],"UsePreviousResults":false,"moduleIdForCode":19,"IsPartOfPartialRun":null,"Comment":"","CommentCollapsed":true}],"SerializedClientData":"<?xml version='1.0' encoding='utf-16'?><DataV1 xmlns:xsd='http://www.w3.org/2001/XMLSchema' xmlns:xsi='http://www.w3.org/2001/XMLSchema-instance'><Meta /><NodePositions><NodePosition Node='287d2cb0-f53c-4101-bdf8-104b137c8601-8' Position='211,64,200,200'/><NodePosition Node='287d2cb0-f53c-4101-bdf8-104b137c8601-15' Position='70,183,200,200'/><NodePosition Node='287d2cb0-f53c-4101-bdf8-104b137c8601-24' Position='765,21,200,200'/><NodePosition Node='287d2cb0-f53c-4101-bdf8-104b137c8601-43' Position='638,561,200,200'/><NodePosition Node='287d2cb0-f53c-4101-bdf8-104b137c8601-53' Position='249,375,200,200'/><NodePosition Node='287d2cb0-f53c-4101-bdf8-104b137c8601-60' Position='906,647,200,200'/><NodePosition Node='287d2cb0-f53c-4101-bdf8-104b137c8601-62' Position='1074,127,200,200'/><NodePosition Node='287d2cb0-f53c-4101-bdf8-104b137c8601-84' Position='376,467,200,200'/><NodePosition Node='-86' Position='1078,418,200,200'/><NodePosition Node='-215' Position='381,188,200,200'/><NodePosition Node='-222' Position='385,280,200,200'/><NodePosition Node='-231' Position='1078,236,200,200'/><NodePosition Node='-238' Position='1081,327,200,200'/><NodePosition Node='-250' Position='1034,755,200,200'/></NodePositions><NodeGroups /></DataV1>"},"IsDraft":true,"ParentExperimentId":null,"WebService":{"IsWebServiceExperiment":false,"Inputs":[],"Outputs":[],"Parameters":[{"Name":"交易日期","Value":"","ParameterDefinition":{"Name":"交易日期","FriendlyName":"交易日期","DefaultValue":"","ParameterType":"String","HasDefaultValue":true,"IsOptional":true,"ParameterRules":[],"HasRules":false,"MarkupType":0,"CredentialDescriptor":null}}],"WebServiceGroupId":null,"SerializedClientData":"<?xml version='1.0' encoding='utf-16'?><DataV1 xmlns:xsd='http://www.w3.org/2001/XMLSchema' xmlns:xsi='http://www.w3.org/2001/XMLSchema-instance'><Meta /><NodePositions></NodePositions><NodeGroups /></DataV1>"},"DisableNodesUpdate":false,"Category":"user","Tags":[],"IsPartialRun":false}

In [1]:

# 本代码由可视化策略环境自动生成 2019年5月9日 10:51
# 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：每日数据处理函数，每天执行一次
def m19_handle_data_bigquant_run(context, data):

 #------------------------------------------跟踪止损模块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 * 0.1
            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')
    #-------------------------------------------跟踪止损模块END-------------------------------

    
    
    # 按日期过滤得到今日的预测数据
    ranker_prediction = context.ranker_prediction[
        context.ranker_prediction.date == data.current_dt.strftime('%Y-%m-%d')]

    # 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.options['hold_days'] # 是否在建仓期间（前 hold_days 天）
    cash_avg = context.portfolio.portfolio_value / context.options['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.portfolio.positions.items()}

    # 2. 生成卖出订单：hold_days天之后才开始卖出；对持仓的股票，按机器学习算法预测的排序末位淘汰
    if not is_staging and cash_for_sell > 0:
        equities = {e.symbol: e for e, p in context.portfolio.positions.items()}
        instruments = list(reversed(list(ranker_prediction.instrument[ranker_prediction.instrument.apply(
                lambda x: x in equities)])))

        for instrument in instruments:
            # 这里进行过滤，如果已经跟踪止损卖出了就不再执行轮仓卖出逻辑
            if instrument in current_stoploss_stock:
                continue
            context.order_target(context.symbol(instrument), 0)
            cash_for_sell -= positions[instrument]
            if cash_for_sell <= 0:
                break

    # 3. 生成买入订单：按机器学习算法预测的排序，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 m19_prepare_bigquant_run(context):
    pass

# 回测引擎：初始化函数，只执行一次
def m19_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 = 5
    # 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 = 0.2
    context.options['hold_days'] = 5


m1 = M.instruments.v2(
    start_date='2010-01-01',
    end_date='2015-01-01',
    market='CN_STOCK_A',
    instrument_list='',
    max_count=0
)

m2 = M.advanced_auto_labeler.v2(
    instruments=m1.data,
    label_expr="""# #号开始的表示注释
# 0. 每行一个，顺序执行，从第二个开始，可以使用label字段
# 1. 可用数据字段见 https://bigquant.com/docs/develop/datasource/deprecated/history_data.html
#   添加benchmark_前缀，可使用对应的benchmark数据
# 2. 可用操作符和函数见 `表达式引擎 <https://bigquant.com/docs/develop/bigexpr/usage.html>`_

# 计算收益：5日收盘价(作为卖出价格)除以明日开盘价(作为买入价格)
shift(close, -5) / shift(open, -1)

# 极值处理：用1%和99%分位的值做clip
clip(label, all_quantile(label, 0.01), all_quantile(label, 0.99))

# 将分数映射到分类，这里使用20个分类
all_wbins(label, 20)

# 过滤掉一字涨停的情况 (设置label为NaN，在后续处理和训练中会忽略NaN的label)
where(shift(high, -1) == shift(low, -1), NaN, label)
""",
    start_date='',
    end_date='',
    benchmark='000300.SHA',
    drop_na_label=True,
    cast_label_int=True
)

m3 = 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
return_5
return_10
return_20
avg_amount_0/avg_amount_5
avg_amount_5/avg_amount_20
rank_avg_amount_0/rank_avg_amount_5
rank_avg_amount_5/rank_avg_amount_10
rank_return_0
rank_return_5
rank_return_10
rank_return_0/rank_return_5
rank_return_5/rank_return_10
pe_ttm_0
"""
)

m15 = M.general_feature_extractor.v7(
    instruments=m1.data,
    features=m3.data,
    start_date='',
    end_date='',
    before_start_days=0
)

m16 = M.derived_feature_extractor.v3(
    input_data=m15.data,
    features=m3.data,
    date_col='date',
    instrument_col='instrument',
    drop_na=False,
    remove_extra_columns=False
)

m7 = M.join.v3(
    data1=m2.data,
    data2=m16.data,
    on='date,instrument',
    how='inner',
    sort=False
)

m13 = M.dropnan.v1(
    input_data=m7.data
)

m6 = M.stock_ranker_train.v5(
    training_ds=m13.data,
    features=m3.data,
    learning_algorithm='排序',
    number_of_leaves=30,
    minimum_docs_per_leaf=1000,
    number_of_trees=20,
    learning_rate=0.1,
    max_bins=1023,
    feature_fraction=1,
    m_lazy_run=False
)

m9 = M.instruments.v2(
    start_date=T.live_run_param('trading_date', '2015-01-01'),
    end_date=T.live_run_param('trading_date', '2017-01-01'),
    market='CN_STOCK_A',
    instrument_list='',
    max_count=0
)

m17 = M.general_feature_extractor.v7(
    instruments=m9.data,
    features=m3.data,
    start_date='',
    end_date='',
    before_start_days=0
)

m18 = M.derived_feature_extractor.v3(
    input_data=m17.data,
    features=m3.data,
    date_col='date',
    instrument_col='instrument',
    drop_na=False,
    remove_extra_columns=False
)

m14 = M.dropnan.v1(
    input_data=m18.data
)

m8 = M.stock_ranker_predict.v5(
    model=m6.model,
    data=m14.data,
    m_lazy_run=False
)

m19 = M.trade.v4(
    instruments=m9.data,
    options_data=m8.predictions,
    start_date='',
    end_date='',
    handle_data=m19_handle_data_bigquant_run,
    prepare=m19_prepare_bigquant_run,
    initialize=m19_initialize_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='后复权',
    product_type='股票',
    plot_charts=True,
    backtest_only=False,
    benchmark='000300.SHA'
)

[2019-05-09 10:51:17.567012] INFO: bigquant: instruments.v2 开始运行..

[2019-05-09 10:51:17.609600] INFO: bigquant: 命中缓存

[2019-05-09 10:51:17.612426] INFO: bigquant: instruments.v2 运行完成[0.045418s].

[2019-05-09 10:51:17.616471] INFO: bigquant: advanced_auto_labeler.v2 开始运行..

[2019-05-09 10:51:17.642191] INFO: bigquant: 命中缓存

[2019-05-09 10:51:17.644021] INFO: bigquant: advanced_auto_labeler.v2 运行完成[0.027544s].

[2019-05-09 10:51:17.660582] INFO: bigquant: input_features.v1 开始运行..

[2019-05-09 10:51:17.707667] INFO: bigquant: 命中缓存

[2019-05-09 10:51:17.710074] INFO: bigquant: input_features.v1 运行完成[0.049498s].

[2019-05-09 10:51:17.764745] INFO: bigquant: general_feature_extractor.v7 开始运行..

[2019-05-09 10:51:17.835193] INFO: bigquant: 命中缓存

[2019-05-09 10:51:17.837625] INFO: bigquant: general_feature_extractor.v7 运行完成[0.072883s].

[2019-05-09 10:51:17.841626] INFO: bigquant: derived_feature_extractor.v3 开始运行..

[2019-05-09 10:51:17.983626] INFO: bigquant: 命中缓存

[2019-05-09 10:51:17.986170] INFO: bigquant: derived_feature_extractor.v3 运行完成[0.144533s].

[2019-05-09 10:51:17.990707] INFO: bigquant: join.v3 开始运行..

[2019-05-09 10:51:18.045972] INFO: bigquant: 命中缓存

[2019-05-09 10:51:18.048636] INFO: bigquant: join.v3 运行完成[0.057923s].

[2019-05-09 10:51:18.056823] INFO: bigquant: dropnan.v1 开始运行..

[2019-05-09 10:51:18.088394] INFO: bigquant: 命中缓存

[2019-05-09 10:51:18.090069] INFO: bigquant: dropnan.v1 运行完成[0.033246s].

[2019-05-09 10:51:18.093945] INFO: bigquant: stock_ranker_train.v5 开始运行..

[2019-05-09 10:51:18.177416] INFO: bigquant: 命中缓存

[2019-05-09 10:51:18.322903] INFO: bigquant: stock_ranker_train.v5 运行完成[0.22893s].

[2019-05-09 10:51:18.327018] INFO: bigquant: instruments.v2 开始运行..

[2019-05-09 10:51:18.357566] INFO: bigquant: 命中缓存

[2019-05-09 10:51:18.360092] INFO: bigquant: instruments.v2 运行完成[0.033065s].

[2019-05-09 10:51:18.392444] INFO: bigquant: general_feature_extractor.v7 开始运行..

[2019-05-09 10:51:18.422493] INFO: bigquant: 命中缓存

[2019-05-09 10:51:18.424831] INFO: bigquant: general_feature_extractor.v7 运行完成[0.032395s].

[2019-05-09 10:51:18.428588] INFO: bigquant: derived_feature_extractor.v3 开始运行..

[2019-05-09 10:51:18.463777] INFO: bigquant: 命中缓存

[2019-05-09 10:51:18.466200] INFO: bigquant: derived_feature_extractor.v3 运行完成[0.037599s].

[2019-05-09 10:51:18.469958] INFO: bigquant: dropnan.v1 开始运行..

[2019-05-09 10:51:18.511248] INFO: bigquant: 命中缓存

[2019-05-09 10:51:18.513712] INFO: bigquant: dropnan.v1 运行完成[0.043743s].

[2019-05-09 10:51:18.518874] INFO: bigquant: stock_ranker_predict.v5 开始运行..

[2019-05-09 10:51:18.560860] INFO: bigquant: 命中缓存

[2019-05-09 10:51:18.563696] INFO: bigquant: stock_ranker_predict.v5 运行完成[0.044808s].

[2019-05-09 10:51:18.614683] INFO: bigquant: backtest.v8 开始运行..

[2019-05-09 10:51:18.618080] INFO: bigquant: biglearning backtest:V8.1.14

[2019-05-09 10:51:18.619676] INFO: bigquant: product_type:stock by specified

[2019-05-09 10:51:18.858625] INFO: bigquant: cached.v2 开始运行..

[2019-05-09 10:51:18.901120] INFO: bigquant: 命中缓存

[2019-05-09 10:51:18.903780] INFO: bigquant: cached.v2 运行完成[0.045154s].

[2019-05-09 10:51:28.484581] INFO: algo: TradingAlgorithm V1.4.12

[2019-05-09 10:51:38.864684] INFO: algo: trading transform...

[2019-05-09 10:52:10.362350] INFO: Performance: Simulated 488 trading days out of 488.

[2019-05-09 10:52:10.365004] INFO: Performance: first open: 2015-01-05 09:30:00+00:00

[2019-05-09 10:52:10.366687] INFO: Performance: last close: 2016-12-30 15:00:00+00:00

[2019-05-09 10:52:14.266972] INFO: bigquant: backtest.v8 运行完成[55.652268s].

设置测试数据集，查看训练迭代过程的NDCG

bigcharts-data-start/{"__id":"bigchart-f5d50c8a8f7b4963a52397a620fcef6e","__type":"tabs"}/bigcharts-data-end

日期： 2015-02-02 股票： 600212.SHA 出现止损状况
日期： 2015-02-03 股票： 600212.SHA 出现止损状况
日期： 2015-02-04 股票： 600212.SHA 出现止损状况
日期： 2015-02-05 股票： 600212.SHA 出现止损状况
日期： 2015-02-06 股票： 600212.SHA 出现止损状况
日期： 2015-02-09 股票： 002240.SZA 出现止损状况
日期： 2015-02-09 股票： 600212.SHA 出现止损状况
日期： 2015-02-10 股票： 002240.SZA 出现止损状况
日期： 2015-02-10 股票： 600212.SHA 出现止损状况
日期： 2015-02-11 股票： 002240.SZA 出现止损状况
日期： 2015-02-11 股票： 600212.SHA 出现止损状况
日期： 2015-02-12 股票： 002240.SZA 出现止损状况
日期： 2015-02-12 股票： 600212.SHA 出现止损状况
日期： 2015-02-13 股票： 002240.SZA 出现止损状况
日期： 2015-02-13 股票： 600212.SHA 出现止损状况
日期： 2015-02-16 股票： 002240.SZA 出现止损状况
日期： 2015-02-16 股票： 600212.SHA 出现止损状况
日期： 2015-02-17 股票： 600212.SHA 出现止损状况
日期： 2015-02-17 股票： 002240.SZA 出现止损状况
日期： 2015-02-25 股票： 300210.SZA 出现止损状况
日期： 2015-02-25 股票： 600212.SHA 出现止损状况
日期： 2015-02-26 股票： 600212.SHA 出现止损状况
日期： 2015-02-27 股票： 600212.SHA 出现止损状况
日期： 2015-03-02 股票： 600212.SHA 出现止损状况
日期： 2015-03-03 股票： 600212.SHA 出现止损状况
日期： 2015-03-04 股票： 600212.SHA 出现止损状况
日期： 2015-03-05 股票： 600212.SHA 出现止损状况
日期： 2015-03-06 股票： 600212.SHA 出现止损状况
日期： 2015-03-09 股票： 600212.SHA 出现止损状况
日期： 2015-03-30 股票： 300291.SZA 出现止损状况
日期： 2015-04-20 股票： 002537.SZA 出现止损状况
日期： 2015-05-04 股票： 002539.SZA 出现止损状况
日期： 2015-05-28 股票： 600721.SHA 出现止损状况
日期： 2015-05-28 股票： 002141.SZA 出现止损状况
日期： 2015-05-28 股票： 002088.SZA 出现止损状况
日期： 2015-05-28 股票： 600679.SHA 出现止损状况
日期： 2015-05-28 股票： 600746.SHA 出现止损状况
日期： 2015-05-28 股票： 600671.SHA 出现止损状况
日期： 2015-05-28 股票： 002619.SZA 出现止损状况
日期： 2015-05-28 股票： 002563.SZA 出现止损状况
日期： 2015-05-28 股票： 300305.SZA 出现止损状况
日期： 2015-05-28 股票： 002534.SZA 出现止损状况
日期： 2015-05-29 股票： 600163.SHA 出现止损状况
日期： 2015-06-04 股票： 000155.SZA 出现止损状况
日期： 2015-06-15 股票： 300302.SZA 出现止损状况
日期： 2015-06-16 股票： 002279.SZA 出现止损状况
日期： 2015-06-16 股票： 300380.SZA 出现止损状况
日期： 2015-06-16 股票： 002124.SZA 出现止损状况
日期： 2015-06-18 股票： 300378.SZA 出现止损状况
日期： 2015-06-19 股票： 002059.SZA 出现止损状况
日期： 2015-06-23 股票： 300077.SZA 出现止损状况
日期： 2015-06-23 股票： 002034.SZA 出现止损状况
日期： 2015-06-23 股票： 600446.SHA 出现止损状况
日期： 2015-06-23 股票： 300359.SZA 出现止损状况
日期： 2015-06-25 股票： 300350.SZA 出现止损状况
日期： 2015-06-26 股票： 300350.SZA 出现止损状况
日期： 2015-06-26 股票： 300270.SZA 出现止损状况
日期： 2015-06-26 股票： 002077.SZA 出现止损状况
日期： 2015-06-26 股票： 002687.SZA 出现止损状况
日期： 2015-06-29 股票： 300151.SZA 出现止损状况
日期： 2015-06-29 股票： 002572.SZA 出现止损状况
日期： 2015-06-29 股票： 603818.SHA 出现止损状况
日期： 2015-06-29 股票： 603869.SHA 出现止损状况
日期： 2015-06-29 股票： 002229.SZA 出现止损状况
日期： 2015-06-29 股票： 300350.SZA 出现止损状况
日期： 2015-06-29 股票： 300270.SZA 出现止损状况
日期： 2015-06-29 股票： 002077.SZA 出现止损状况
日期： 2015-06-29 股票： 603703.SHA 出现止损状况
日期： 2015-06-29 股票： 600446.SHA 出现止损状况
日期： 2015-06-29 股票： 002687.SZA 出现止损状况
日期： 2015-06-29 股票： 300445.SZA 出现止损状况
日期： 2015-06-29 股票： 300075.SZA 出现止损状况
日期： 2015-06-30 股票： 002572.SZA 出现止损状况
日期： 2015-07-01 股票： 002293.SZA 出现止损状况
日期： 2015-07-01 股票： 002407.SZA 出现止损状况
日期： 2015-07-02 股票： 002407.SZA 出现止损状况
日期： 2015-07-02 股票： 002221.SZA 出现止损状况
日期： 2015-07-02 股票： 002229.SZA 出现止损状况
日期： 2015-07-02 股票： 600556.SHA 出现止损状况
日期： 2015-07-03 股票： 002407.SZA 出现止损状况
日期： 2015-07-03 股票： 300309.SZA 出现止损状况
日期： 2015-07-03 股票： 002229.SZA 出现止损状况
日期： 2015-07-03 股票： 002341.SZA 出现止损状况
日期： 2015-07-03 股票： 002221.SZA 出现止损状况
日期： 2015-07-03 股票： 600556.SHA 出现止损状况
日期： 2015-07-06 股票： 000662.SZA 出现止损状况
日期： 2015-07-06 股票： 000971.SZA 出现止损状况
日期： 2015-07-06 股票： 300304.SZA 出现止损状况
日期： 2015-07-06 股票： 600385.SHA 出现止损状况
日期： 2015-07-06 股票： 300348.SZA 出现止损状况
日期： 2015-07-06 股票： 300309.SZA 出现止损状况
日期： 2015-07-06 股票： 002112.SZA 出现止损状况
日期： 2015-07-06 股票： 600105.SHA 出现止损状况
日期： 2015-07-06 股票： 002515.SZA 出现止损状况
日期： 2015-07-06 股票： 002341.SZA 出现止损状况
日期： 2015-07-06 股票： 002322.SZA 出现止损状况
日期： 2015-07-06 股票： 600556.SHA 出现止损状况
日期： 2015-07-07 股票： 000662.SZA 出现止损状况
日期： 2015-07-07 股票： 000971.SZA 出现止损状况
日期： 2015-07-07 股票： 300304.SZA 出现止损状况
日期： 2015-07-07 股票： 300348.SZA 出现止损状况
日期： 2015-07-07 股票： 300309.SZA 出现止损状况
日期： 2015-07-07 股票： 002112.SZA 出现止损状况
日期： 2015-07-07 股票： 000939.SZA 出现止损状况
日期： 2015-07-07 股票： 600105.SHA 出现止损状况
日期： 2015-07-07 股票： 600385.SHA 出现止损状况
日期： 2015-07-07 股票： 002515.SZA 出现止损状况
日期： 2015-07-07 股票： 002341.SZA 出现止损状况
日期： 2015-07-07 股票： 002322.SZA 出现止损状况
日期： 2015-07-07 股票： 600556.SHA 出现止损状况
日期： 2015-07-08 股票： 000939.SZA 出现止损状况
日期： 2015-07-08 股票： 000662.SZA 出现止损状况
日期： 2015-07-08 股票： 000971.SZA 出现止损状况
日期： 2015-07-08 股票： 300304.SZA 出现止损状况
日期： 2015-07-08 股票： 600385.SHA 出现止损状况
日期： 2015-07-08 股票： 300348.SZA 出现止损状况
日期： 2015-07-08 股票： 300309.SZA 出现止损状况
日期： 2015-07-08 股票： 600105.SHA 出现止损状况
日期： 2015-07-08 股票： 600148.SHA 出现止损状况
日期： 2015-07-08 股票： 002515.SZA 出现止损状况
日期： 2015-07-08 股票： 002341.SZA 出现止损状况
日期： 2015-07-08 股票： 002322.SZA 出现止损状况
日期： 2015-07-08 股票： 600556.SHA 出现止损状况
日期： 2015-07-09 股票： 000939.SZA 出现止损状况
日期： 2015-07-09 股票： 000662.SZA 出现止损状况
日期： 2015-07-09 股票： 000971.SZA 出现止损状况
日期： 2015-07-09 股票： 002341.SZA 出现止损状况
日期： 2015-07-09 股票： 300348.SZA 出现止损状况
日期： 2015-07-09 股票： 300309.SZA 出现止损状况
日期： 2015-07-09 股票： 300304.SZA 出现止损状况
日期： 2015-07-09 股票： 002515.SZA 出现止损状况
日期： 2015-07-09 股票： 002322.SZA 出现止损状况
日期： 2015-07-09 股票： 600105.SHA 出现止损状况
日期： 2015-07-10 股票： 000662.SZA 出现止损状况
日期： 2015-07-10 股票： 000971.SZA 出现止损状况
日期： 2015-07-10 股票： 300304.SZA 出现止损状况
日期： 2015-07-10 股票： 300348.SZA 出现止损状况
日期： 2015-07-10 股票： 300309.SZA 出现止损状况
日期： 2015-07-10 股票： 000939.SZA 出现止损状况
日期： 2015-07-10 股票： 002515.SZA 出现止损状况
日期： 2015-07-10 股票： 002341.SZA 出现止损状况
日期： 2015-07-10 股票： 002322.SZA 出现止损状况
日期： 2015-07-10 股票： 600105.SHA 出现止损状况
日期： 2015-07-13 股票： 000939.SZA 出现止损状况
日期： 2015-07-13 股票： 000662.SZA 出现止损状况
日期： 2015-07-13 股票： 000971.SZA 出现止损状况
日期： 2015-07-13 股票： 300304.SZA 出现止损状况
日期： 2015-07-13 股票： 300348.SZA 出现止损状况
日期： 2015-07-13 股票： 300309.SZA 出现止损状况
日期： 2015-07-13 股票： 002611.SZA 出现止损状况
日期： 2015-07-13 股票： 002335.SZA 出现止损状况
日期： 2015-07-13 股票： 002451.SZA 出现止损状况
日期： 2015-07-13 股票： 002515.SZA 出现止损状况
日期： 2015-07-13 股票： 002341.SZA 出现止损状况
日期： 2015-07-13 股票： 002322.SZA 出现止损状况
日期： 2015-07-13 股票： 600770.SHA 出现止损状况
日期： 2015-07-14 股票： 000662.SZA 出现止损状况
日期： 2015-07-14 股票： 000971.SZA 出现止损状况
日期： 2015-07-14 股票： 300304.SZA 出现止损状况
日期： 2015-07-14 股票： 300348.SZA 出现止损状况
日期： 2015-07-14 股票： 300309.SZA 出现止损状况
日期： 2015-07-14 股票： 002611.SZA 出现止损状况
日期： 2015-07-14 股票： 002335.SZA 出现止损状况
日期： 2015-07-14 股票： 002451.SZA 出现止损状况
日期： 2015-07-14 股票： 002515.SZA 出现止损状况
日期： 2015-07-14 股票： 002341.SZA 出现止损状况
日期： 2015-07-14 股票： 002322.SZA 出现止损状况
日期： 2015-07-15 股票： 000662.SZA 出现止损状况
日期： 2015-07-15 股票： 300348.SZA 出现止损状况
日期： 2015-07-15 股票： 300309.SZA 出现止损状况
日期： 2015-07-15 股票： 002611.SZA 出现止损状况
日期： 2015-07-15 股票： 600770.SHA 出现止损状况
日期： 2015-07-15 股票： 002451.SZA 出现止损状况
日期： 2015-07-15 股票： 002515.SZA 出现止损状况
日期： 2015-07-15 股票： 002341.SZA 出现止损状况
日期： 2015-07-15 股票： 002322.SZA 出现止损状况
日期： 2015-07-15 股票： 002576.SZA 出现止损状况
日期： 2015-07-16 股票： 000662.SZA 出现止损状况
日期： 2015-07-16 股票： 300348.SZA 出现止损状况
日期： 2015-07-16 股票： 002451.SZA 出现止损状况
日期： 2015-07-16 股票： 002515.SZA 出现止损状况
日期： 2015-07-16 股票： 002341.SZA 出现止损状况
日期： 2015-07-16 股票： 002322.SZA 出现止损状况
日期： 2015-07-17 股票： 000662.SZA 出现止损状况
日期： 2015-07-17 股票： 002322.SZA 出现止损状况
日期： 2015-07-17 股票： 002451.SZA 出现止损状况
日期： 2015-07-17 股票： 002515.SZA 出现止损状况
日期： 2015-07-17 股票： 002341.SZA 出现止损状况
日期： 2015-07-20 股票： 000662.SZA 出现止损状况
日期： 2015-07-20 股票： 002451.SZA 出现止损状况
日期： 2015-07-20 股票： 002515.SZA 出现止损状况
日期： 2015-07-20 股票： 002341.SZA 出现止损状况
日期： 2015-07-20 股票： 002322.SZA 出现止损状况
日期： 2015-07-21 股票： 002341.SZA 出现止损状况
日期： 2015-07-21 股票： 002451.SZA 出现止损状况
日期： 2015-07-21 股票： 002515.SZA 出现止损状况
日期： 2015-07-21 股票： 002322.SZA 出现止损状况
日期： 2015-07-22 股票： 002451.SZA 出现止损状况
日期： 2015-07-22 股票： 002515.SZA 出现止损状况
日期： 2015-07-22 股票： 002322.SZA 出现止损状况
日期： 2015-07-22 股票： 002341.SZA 出现止损状况
日期： 2015-07-23 股票： 002515.SZA 出现止损状况
日期： 2015-07-23 股票： 002341.SZA 出现止损状况
日期： 2015-07-23 股票： 002322.SZA 出现止损状况
日期： 2015-07-24 股票： 002515.SZA 出现止损状况
日期： 2015-07-24 股票： 002322.SZA 出现止损状况
日期： 2015-07-27 股票： 000517.SZA 出现止损状况
日期： 2015-07-27 股票： 002217.SZA 出现止损状况
日期： 2015-07-27 股票： 000975.SZA 出现止损状况
日期： 2015-07-27 股票： 300431.SZA 出现止损状况
日期： 2015-07-27 股票： 600130.SHA 出现止损状况
日期： 2015-07-27 股票： 000090.SZA 出现止损状况
日期： 2015-07-27 股票： 002515.SZA 出现止损状况
日期： 2015-07-27 股票： 002322.SZA 出现止损状况
日期： 2015-07-27 股票： 002284.SZA 出现止损状况
日期： 2015-07-28 股票： 002217.SZA 出现止损状况
日期： 2015-07-28 股票： 300431.SZA 出现止损状况
日期： 2015-07-28 股票： 600130.SHA 出现止损状况
日期： 2015-07-28 股票： 600242.SHA 出现止损状况
日期： 2015-07-28 股票： 002515.SZA 出现止损状况
日期： 2015-07-28 股票： 002322.SZA 出现止损状况
日期： 2015-07-28 股票： 002284.SZA 出现止损状况
日期： 2015-07-29 股票： 002515.SZA 出现止损状况
日期： 2015-07-29 股票： 002322.SZA 出现止损状况
日期： 2015-07-30 股票： 002322.SZA 出现止损状况
日期： 2015-07-30 股票： 002515.SZA 出现止损状况
日期： 2015-07-30 股票： 300069.SZA 出现止损状况
日期： 2015-07-31 股票： 002515.SZA 出现止损状况
日期： 2015-07-31 股票： 300212.SZA 出现止损状况
日期： 2015-08-03 股票： 300074.SZA 出现止损状况
日期： 2015-08-03 股票： 002664.SZA 出现止损状况
日期： 2015-08-03 股票： 000716.SZA 出现止损状况
日期： 2015-08-03 股票： 300120.SZA 出现止损状况
日期： 2015-08-03 股票： 002515.SZA 出现止损状况
日期： 2015-08-03 股票： 300339.SZA 出现止损状况
日期： 2015-08-03 股票： 600526.SHA 出现止损状况
日期： 2015-08-04 股票： 002515.SZA 出现止损状况
日期： 2015-08-04 股票： 000716.SZA 出现止损状况
日期： 2015-08-05 股票： 002515.SZA 出现止损状况
日期： 2015-08-06 股票： 002339.SZA 出现止损状况
日期： 2015-08-06 股票： 002515.SZA 出现止损状况
日期： 2015-08-07 股票： 002515.SZA 出现止损状况
日期： 2015-08-10 股票： 002515.SZA 出现止损状况
日期： 2015-08-11 股票： 002515.SZA 出现止损状况
日期： 2015-08-12 股票： 002515.SZA 出现止损状况
日期： 2015-08-13 股票： 002515.SZA 出现止损状况
日期： 2015-08-14 股票： 002515.SZA 出现止损状况
日期： 2015-08-17 股票： 002515.SZA 出现止损状况
日期： 2015-08-18 股票： 002487.SZA 出现止损状况
日期： 2015-08-18 股票： 002375.SZA 出现止损状况
日期： 2015-08-18 股票： 002515.SZA 出现止损状况
日期： 2015-08-18 股票： 000503.SZA 出现止损状况
日期： 2015-08-18 股票： 600094.SHA 出现止损状况
日期： 2015-08-19 股票： 002515.SZA 出现止损状况
日期： 2015-08-20 股票： 002515.SZA 出现止损状况
日期： 2015-08-21 股票： 300020.SZA 出现止损状况
日期： 2015-08-21 股票： 300380.SZA 出现止损状况
日期： 2015-08-21 股票： 300154.SZA 出现止损状况
日期： 2015-08-21 股票： 002515.SZA 出现止损状况
日期： 2015-08-24 股票： 300020.SZA 出现止损状况
日期： 2015-08-24 股票： 300155.SZA 出现止损状况
日期： 2015-08-24 股票： 300384.SZA 出现止损状况
日期： 2015-08-24 股票： 002612.SZA 出现止损状况
日期： 2015-08-24 股票： 300348.SZA 出现止损状况
日期： 2015-08-24 股票： 300431.SZA 出现止损状况
日期： 2015-08-24 股票： 300154.SZA 出现止损状况
日期： 2015-08-24 股票： 300378.SZA 出现止损状况
日期： 2015-08-24 股票： 000669.SZA 出现止损状况
日期： 2015-08-24 股票： 002081.SZA 出现止损状况
日期： 2015-08-25 股票： 300020.SZA 出现止损状况
日期： 2015-08-25 股票： 300155.SZA 出现止损状况
日期： 2015-08-25 股票： 300384.SZA 出现止损状况
日期： 2015-08-25 股票： 002612.SZA 出现止损状况
日期： 2015-08-25 股票： 300431.SZA 出现止损状况
日期： 2015-08-25 股票： 300348.SZA 出现止损状况
日期： 2015-08-25 股票： 300154.SZA 出现止损状况
日期： 2015-08-25 股票： 300378.SZA 出现止损状况
日期： 2015-08-25 股票： 002081.SZA 出现止损状况
日期： 2015-08-26 股票： 300020.SZA 出现止损状况
日期： 2015-08-26 股票： 002290.SZA 出现止损状况
日期： 2015-08-26 股票： 300348.SZA 出现止损状况
日期： 2015-08-26 股票： 300252.SZA 出现止损状况
日期： 2015-08-26 股票： 300380.SZA 出现止损状况
日期： 2015-08-26 股票： 300155.SZA 出现止损状况
日期： 2015-08-26 股票： 300152.SZA 出现止损状况
日期： 2015-08-26 股票： 300012.SZA 出现止损状况
日期： 2015-08-31 股票： 002288.SZA 出现止损状况
日期： 2015-08-31 股票： 600807.SHA 出现止损状况
日期： 2015-08-31 股票： 300460.SZA 出现止损状况
日期： 2015-09-01 股票： 002170.SZA 出现止损状况
日期： 2015-09-01 股票： 300065.SZA 出现止损状况
日期： 2015-09-01 股票： 002288.SZA 出现止损状况
日期： 2015-09-01 股票： 600376.SHA 出现止损状况
日期： 2015-09-01 股票： 600807.SHA 出现止损状况
日期： 2015-09-01 股票： 300460.SZA 出现止损状况
日期： 2015-09-01 股票： 001696.SZA 出现止损状况
日期： 2015-09-02 股票： 600145.SHA 出现止损状况
日期： 2015-09-02 股票： 300065.SZA 出现止损状况
日期： 2015-09-02 股票： 600807.SHA 出现止损状况
日期： 2015-09-02 股票： 002115.SZA 出现止损状况
日期： 2015-09-02 股票： 002288.SZA 出现止损状况
日期： 2015-09-02 股票： 600376.SHA 出现止损状况
日期： 2015-09-02 股票： 300212.SZA 出现止损状况
日期： 2015-09-02 股票： 300038.SZA 出现止损状况
日期： 2015-09-07 股票： 002617.SZA 出现止损状况
日期： 2015-09-07 股票： 600145.SHA 出现止损状况
日期： 2015-09-08 股票： 600145.SHA 出现止损状况
日期： 2015-09-14 股票： 000628.SZA 出现止损状况
日期： 2015-09-14 股票： 300277.SZA 出现止损状况
日期： 2015-09-14 股票： 600807.SHA 出现止损状况
日期： 2015-09-14 股票： 300032.SZA 出现止损状况
日期： 2015-09-14 股票： 002515.SZA 出现止损状况
日期： 2015-09-14 股票： 300388.SZA 出现止损状况
日期： 2015-09-14 股票： 600184.SHA 出现止损状况
日期： 2015-09-14 股票： 300432.SZA 出现止损状况
日期： 2015-09-14 股票： 002576.SZA 出现止损状况
日期： 2015-09-14 股票： 002190.SZA 出现止损状况
日期： 2015-09-14 股票： 300101.SZA 出现止损状况
日期： 2015-09-15 股票： 000628.SZA 出现止损状况
日期： 2015-09-15 股票： 300277.SZA 出现止损状况
日期： 2015-09-15 股票： 300032.SZA 出现止损状况
日期： 2015-09-15 股票： 002515.SZA 出现止损状况
日期： 2015-09-15 股票： 300388.SZA 出现止损状况
日期： 2015-09-15 股票： 600184.SHA 出现止损状况
日期： 2015-09-15 股票： 300432.SZA 出现止损状况
日期： 2015-09-15 股票： 002190.SZA 出现止损状况
日期： 2015-09-15 股票： 300101.SZA 出现止损状况
日期： 2015-09-23 股票： 000564.SZA 出现止损状况
日期： 2015-09-25 股票： 300128.SZA 出现止损状况
日期： 2015-09-29 股票： 603021.SHA 出现止损状况
日期： 2015-09-29 股票： 002759.SZA 出现止损状况
日期： 2015-10-08 股票： 002217.SZA 出现止损状况
日期： 2015-10-08 股票： 000709.SZA 出现止损状况
日期： 2015-10-08 股票： 000416.SZA 出现止损状况
日期： 2015-10-08 股票： 002592.SZA 出现止损状况
日期： 2015-10-21 股票： 600074.SHA 出现止损状况
日期： 2015-10-21 股票： 603600.SHA 出现止损状况
日期： 2015-10-21 股票： 000782.SZA 出现止损状况
日期： 2015-10-21 股票： 002272.SZA 出现止损状况
日期： 2015-10-21 股票： 600879.SHA 出现止损状况
日期： 2015-10-21 股票： 603017.SHA 出现止损状况
日期： 2015-11-27 股票： 600211.SHA 出现止损状况
日期： 2015-11-27 股票： 000759.SZA 出现止损状况
日期： 2015-11-27 股票： 000920.SZA 出现止损状况
日期： 2015-11-30 股票： 600145.SHA 出现止损状况
日期： 2015-11-30 股票： 000590.SZA 出现止损状况
日期： 2015-11-30 股票： 000611.SZA 出现止损状况
日期： 2015-11-30 股票： 000018.SZA 出现止损状况
日期： 2015-12-09 股票： 000908.SZA 出现止损状况
日期： 2015-12-10 股票： 002577.SZA 出现止损状况
日期： 2015-12-10 股票： 002301.SZA 出现止损状况
日期： 2015-12-10 股票： 002210.SZA 出现止损状况
日期： 2015-12-30 股票： 600643.SHA 出现止损状况
日期： 2016-01-04 股票： 300294.SZA 出现止损状况
日期： 2016-01-04 股票： 000155.SZA 出现止损状况
日期： 2016-01-04 股票： 002135.SZA 出现止损状况
日期： 2016-01-04 股票： 300418.SZA 出现止损状况
日期： 2016-01-04 股票： 000688.SZA 出现止损状况
日期： 2016-01-05 股票： 000155.SZA 出现止损状况
日期： 2016-01-05 股票： 600408.SHA 出现止损状况
日期： 2016-01-06 股票： 000155.SZA 出现止损状况
日期： 2016-01-07 股票： 000155.SZA 出现止损状况
日期： 2016-01-07 股票： 002668.SZA 出现止损状况
日期： 2016-01-07 股票： 300441.SZA 出现止损状况
日期： 2016-01-07 股票： 300467.SZA 出现止损状况
日期： 2016-01-07 股票： 300449.SZA 出现止损状况
日期： 2016-01-07 股票： 600768.SHA 出现止损状况
日期： 2016-01-07 股票： 002741.SZA 出现止损状况
日期： 2016-01-08 股票： 300094.SZA 出现止损状况
日期： 2016-01-11 股票： 002326.SZA 出现止损状况
日期： 2016-01-11 股票： 300094.SZA 出现止损状况
日期： 2016-01-11 股票： 002355.SZA 出现止损状况
日期： 2016-01-11 股票： 300189.SZA 出现止损状况
日期： 2016-01-11 股票： 000502.SZA 出现止损状况
日期： 2016-01-11 股票： 002625.SZA 出现止损状况
日期： 2016-01-11 股票： 002592.SZA 出现止损状况
日期： 2016-01-11 股票： 002481.SZA 出现止损状况
日期： 2016-01-11 股票： 300149.SZA 出现止损状况
日期： 2016-01-12 股票： 002326.SZA 出现止损状况
日期： 2016-01-13 股票： 002326.SZA 出现止损状况
日期： 2016-01-13 股票： 300339.SZA 出现止损状况
日期： 2016-01-14 股票： 002326.SZA 出现止损状况
日期： 2016-01-15 股票： 002326.SZA 出现止损状况
日期： 2016-01-18 股票： 002326.SZA 出现止损状况
日期： 2016-01-18 股票： 000917.SZA 出现止损状况
日期： 2016-01-18 股票： 000790.SZA 出现止损状况
日期： 2016-01-19 股票： 002326.SZA 出现止损状况
日期： 2016-01-20 股票： 002326.SZA 出现止损状况
日期： 2016-01-21 股票： 300384.SZA 出现止损状况
日期： 2016-01-21 股票： 002326.SZA 出现止损状况
日期： 2016-01-21 股票： 300092.SZA 出现止损状况
日期： 2016-01-21 股票： 300368.SZA 出现止损状况
日期： 2016-01-22 股票： 002326.SZA 出现止损状况
日期： 2016-01-25 股票： 002326.SZA 出现止损状况
日期： 2016-01-26 股票： 000517.SZA 出现止损状况
日期： 2016-01-26 股票： 002326.SZA 出现止损状况
日期： 2016-01-26 股票： 603600.SHA 出现止损状况
日期： 2016-01-26 股票： 300309.SZA 出现止损状况
日期： 2016-01-26 股票： 600881.SHA 出现止损状况
日期： 2016-01-26 股票： 600683.SHA 出现止损状况
日期： 2016-01-27 股票： 002260.SZA 出现止损状况
日期： 2016-01-27 股票： 002326.SZA 出现止损状况
日期： 2016-01-27 股票： 600694.SHA 出现止损状况
日期： 2016-01-28 股票： 002045.SZA 出现止损状况
日期： 2016-01-28 股票： 002326.SZA 出现止损状况
日期： 2016-01-28 股票： 600866.SHA 出现止损状况
日期： 2016-01-28 股票： 600146.SHA 出现止损状况
日期： 2016-01-29 股票： 002326.SZA 出现止损状况
日期： 2016-02-01 股票： 600432.SHA 出现止损状况
日期： 2016-02-01 股票： 002739.SZA 出现止损状况
日期： 2016-02-01 股票： 002326.SZA 出现止损状况
日期： 2016-02-01 股票： 600881.SHA 出现止损状况
日期： 2016-02-01 股票： 601106.SHA 出现止损状况
日期： 2016-02-01 股票： 000519.SZA 出现止损状况
日期： 2016-02-02 股票： 002326.SZA 出现止损状况
日期： 2016-02-03 股票： 002326.SZA 出现止损状况
日期： 2016-02-04 股票： 002326.SZA 出现止损状况
日期： 2016-02-05 股票： 002326.SZA 出现止损状况
日期： 2016-02-15 股票： 600760.SHA 出现止损状况
日期： 2016-02-15 股票： 600160.SHA 出现止损状况
日期： 2016-02-15 股票： 002326.SZA 出现止损状况
日期： 2016-02-15 股票： 601918.SHA 出现止损状况
日期： 2016-02-15 股票： 000606.SZA 出现止损状况
日期： 2016-02-15 股票： 600226.SHA 出现止损状况
日期： 2016-02-15 股票： 000519.SZA 出现止损状况
日期： 2016-02-15 股票： 300215.SZA 出现止损状况
日期： 2016-02-15 股票： 002205.SZA 出现止损状况
日期： 2016-02-16 股票： 002326.SZA 出现止损状况
日期： 2016-02-17 股票： 002326.SZA 出现止损状况
日期： 2016-02-18 股票： 002326.SZA 出现止损状况
日期： 2016-02-19 股票： 002326.SZA 出现止损状况
日期： 2016-02-22 股票： 002326.SZA 出现止损状况
日期： 2016-02-23 股票： 002326.SZA 出现止损状况
日期： 2016-02-24 股票： 002326.SZA 出现止损状况
日期： 2016-02-25 股票： 300355.SZA 出现止损状况
日期： 2016-02-25 股票： 002326.SZA 出现止损状况
日期： 2016-02-25 股票： 000889.SZA 出现止损状况
日期： 2016-02-25 股票： 300011.SZA 出现止损状况
日期： 2016-02-25 股票： 002373.SZA 出现止损状况
日期： 2016-02-25 股票： 002308.SZA 出现止损状况
日期： 2016-02-25 股票： 002568.SZA 出现止损状况
日期： 2016-02-25 股票： 002261.SZA 出现止损状况
日期： 2016-02-26 股票： 002326.SZA 出现止损状况
日期： 2016-02-29 股票： 002326.SZA 出现止损状况
日期： 2016-02-29 股票： 300310.SZA 出现止损状况
日期： 2016-02-29 股票： 002368.SZA 出现止损状况
日期： 2016-02-29 股票： 002473.SZA 出现止损状况
日期： 2016-02-29 股票： 300245.SZA 出现止损状况
日期： 2016-03-01 股票： 002326.SZA 出现止损状况
日期： 2016-03-02 股票： 002326.SZA 出现止损状况
日期： 2016-03-03 股票： 002326.SZA 出现止损状况
日期： 2016-03-04 股票： 300365.SZA 出现止损状况
日期： 2016-03-04 股票： 002326.SZA 出现止损状况
日期： 2016-03-04 股票： 002228.SZA 出现止损状况
日期： 2016-03-07 股票： 002326.SZA 出现止损状况
日期： 2016-03-08 股票： 002326.SZA 出现止损状况
日期： 2016-03-09 股票： 000973.SZA 出现止损状况
日期： 2016-03-09 股票： 002326.SZA 出现止损状况
日期： 2016-03-10 股票： 002326.SZA 出现止损状况
日期： 2016-03-11 股票： 002326.SZA 出现止损状况
日期： 2016-03-14 股票： 002326.SZA 出现止损状况
日期： 2016-03-15 股票： 002326.SZA 出现止损状况
日期： 2016-03-16 股票： 002326.SZA 出现止损状况
日期： 2016-03-17 股票： 002326.SZA 出现止损状况
日期： 2016-03-18 股票： 002326.SZA 出现止损状况
日期： 2016-03-21 股票： 002326.SZA 出现止损状况
日期： 2016-03-22 股票： 002326.SZA 出现止损状况
日期： 2016-03-23 股票： 002326.SZA 出现止损状况
日期： 2016-03-24 股票： 002326.SZA 出现止损状况
日期： 2016-03-25 股票： 002326.SZA 出现止损状况
日期： 2016-03-28 股票： 002326.SZA 出现止损状况
日期： 2016-03-29 股票： 002326.SZA 出现止损状况
日期： 2016-03-30 股票： 002326.SZA 出现止损状况
日期： 2016-03-31 股票： 002326.SZA 出现止损状况
日期： 2016-04-01 股票： 002326.SZA 出现止损状况
日期： 2016-04-05 股票： 002326.SZA 出现止损状况
日期： 2016-04-06 股票： 002326.SZA 出现止损状况
日期： 2016-04-07 股票： 002326.SZA 出现止损状况
日期： 2016-04-08 股票： 002326.SZA 出现止损状况
日期： 2016-04-11 股票： 002326.SZA 出现止损状况
日期： 2016-04-12 股票： 002326.SZA 出现止损状况
日期： 2016-04-12 股票： 000066.SZA 出现止损状况
日期： 2016-04-13 股票： 002326.SZA 出现止损状况
日期： 2016-04-14 股票： 002326.SZA 出现止损状况
日期： 2016-04-15 股票： 002326.SZA 出现止损状况
日期： 2016-04-18 股票： 002326.SZA 出现止损状况
日期： 2016-04-19 股票： 002326.SZA 出现止损状况
日期： 2016-04-20 股票： 002326.SZA 出现止损状况
日期： 2016-04-21 股票： 300028.SZA 出现止损状况
日期： 2016-04-21 股票： 002326.SZA 出现止损状况
日期： 2016-04-25 股票： 600654.SHA 出现止损状况
日期： 2016-05-09 股票： 600265.SHA 出现止损状况
日期： 2016-05-09 股票： 002326.SZA 出现止损状况
日期： 2016-05-09 股票： 600745.SHA 出现止损状况
日期： 2016-05-10 股票： 600265.SHA 出现止损状况
日期： 2016-05-11 股票： 600265.SHA 出现止损状况
日期： 2016-05-12 股票： 600265.SHA 出现止损状况
日期： 2016-05-18 股票： 002018.SZA 出现止损状况
日期： 2016-06-13 股票： 600247.SHA 出现止损状况
日期： 2016-06-13 股票： 600365.SHA 出现止损状况
日期： 2016-06-14 股票： 600247.SHA 出现止损状况
日期： 2016-06-20 股票： 600250.SHA 出现止损状况
日期： 2016-07-22 股票： 600556.SHA 出现止损状况
日期： 2016-07-25 股票： 600581.SHA 出现止损状况
日期： 2016-07-27 股票： 002034.SZA 出现止损状况
日期： 2016-08-01 股票： 600556.SHA 出现止损状况
日期： 2016-08-02 股票： 600556.SHA 出现止损状况
日期： 2016-08-03 股票： 600556.SHA 出现止损状况
日期： 2016-08-04 股票： 600556.SHA 出现止损状况
日期： 2016-08-05 股票： 600556.SHA 出现止损状况
日期： 2016-08-08 股票： 600556.SHA 出现止损状况
日期： 2016-09-26 股票： 300372.SZA 出现止损状况
日期： 2016-09-27 股票： 300372.SZA 出现止损状况
日期： 2016-09-28 股票： 300372.SZA 出现止损状况
日期： 2016-09-29 股票： 300372.SZA 出现止损状况
日期： 2016-09-30 股票： 300372.SZA 出现止损状况
日期： 2016-10-10 股票： 300372.SZA 出现止损状况
日期： 2016-10-11 股票： 300372.SZA 出现止损状况
日期： 2016-10-12 股票： 300372.SZA 出现止损状况
日期： 2016-10-13 股票： 300372.SZA 出现止损状况
日期： 2016-10-14 股票： 300372.SZA 出现止损状况
日期： 2016-10-17 股票： 300372.SZA 出现止损状况
日期： 2016-10-18 股票： 300372.SZA 出现止损状况
日期： 2016-10-19 股票： 300372.SZA 出现止损状况
日期： 2016-10-20 股票： 300372.SZA 出现止损状况
日期： 2016-10-21 股票： 300372.SZA 出现止损状况
日期： 2016-10-24 股票： 300372.SZA 出现止损状况
日期： 2016-10-25 股票： 300372.SZA 出现止损状况
日期： 2016-10-26 股票： 300372.SZA 出现止损状况
日期： 2016-10-27 股票： 300372.SZA 出现止损状况
日期： 2016-10-28 股票： 300372.SZA 出现止损状况
日期： 2016-10-31 股票： 300372.SZA 出现止损状况
日期： 2016-11-01 股票： 300372.SZA 出现止损状况
日期： 2016-11-02 股票： 300372.SZA 出现止损状况
日期： 2016-11-03 股票： 300372.SZA 出现止损状况
日期： 2016-11-04 股票： 300372.SZA 出现止损状况
日期： 2016-11-07 股票： 300372.SZA 出现止损状况
日期： 2016-11-08 股票： 300372.SZA 出现止损状况
日期： 2016-11-09 股票： 300372.SZA 出现止损状况
日期： 2016-11-10 股票： 300372.SZA 出现止损状况
日期： 2016-11-11 股票： 300372.SZA 出现止损状况
日期： 2016-11-14 股票： 300372.SZA 出现止损状况
日期： 2016-11-15 股票： 300372.SZA 出现止损状况
日期： 2016-11-16 股票： 300372.SZA 出现止损状况
日期： 2016-11-17 股票： 300372.SZA 出现止损状况
日期： 2016-11-18 股票： 300372.SZA 出现止损状况
日期： 2016-11-21 股票： 300372.SZA 出现止损状况
日期： 2016-11-22 股票： 300372.SZA 出现止损状况
日期： 2016-11-23 股票： 300372.SZA 出现止损状况
日期： 2016-11-24 股票： 300372.SZA 出现止损状况
日期： 2016-11-25 股票： 300372.SZA 出现止损状况
日期： 2016-11-28 股票： 300372.SZA 出现止损状况
日期： 2016-11-29 股票： 300372.SZA 出现止损状况
日期： 2016-11-30 股票： 300372.SZA 出现止损状况
日期： 2016-12-01 股票： 300372.SZA 出现止损状况
日期： 2016-12-02 股票： 300372.SZA 出现止损状况
日期： 2016-12-05 股票： 300372.SZA 出现止损状况
日期： 2016-12-06 股票： 300372.SZA 出现止损状况
日期： 2016-12-07 股票： 300372.SZA 出现止损状况
日期： 2016-12-08 股票： 300372.SZA 出现止损状况
日期： 2016-12-09 股票： 300372.SZA 出现止损状况
日期： 2016-12-12 股票： 300211.SZA 出现止损状况
日期： 2016-12-12 股票： 002703.SZA 出现止损状况
日期： 2016-12-12 股票： 300372.SZA 出现止损状况
日期： 2016-12-13 股票： 300372.SZA 出现止损状况
日期： 2016-12-14 股票： 300372.SZA 出现止损状况
日期： 2016-12-15 股票： 300372.SZA 出现止损状况
日期： 2016-12-16 股票： 300372.SZA 出现止损状况
日期： 2016-12-19 股票： 300372.SZA 出现止损状况
日期： 2016-12-20 股票： 300372.SZA 出现止损状况
日期： 2016-12-21 股票： 300372.SZA 出现止损状况
日期： 2016-12-22 股票： 300372.SZA 出现止损状况
日期： 2016-12-23 股票： 300372.SZA 出现止损状况
日期： 2016-12-26 股票： 300372.SZA 出现止损状况
日期： 2016-12-27 股票： 300372.SZA 出现止损状况
日期： 2016-12-28 股票： 300372.SZA 出现止损状况
日期： 2016-12-29 股票： 300372.SZA 出现止损状况
日期： 2016-12-30 股票： 300372.SZA 出现止损状况

收益率302.33%
年化收益率105.21%
基准收益率-6.33%
阿尔法0.8
贝塔0.97
夏普比率1.78
胜率0.62
盈亏比0.93
收益波动率44.26%
信息比率0.16
最大回撤52.06%

bigcharts-data-start/{"__id":"bigchart-a9f5d12c55804599a0dbdd8bd03b1e63","__type":"tabs"}/bigcharts-data-end