{"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 #------------------------------------------止赢模块START---------------------------------#\n date = data.current_dt.strftime('%Y-%m-%d')\n positions = {e.symbol: p.cost_basis for e, p in context.portfolio.positions.items()}\n # 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\n current_stopwin_stock = [] \n if len(positions) > 0:\n for i in positions.keys():\n stock_cost = positions[i] \n stock_market_price = data.current(context.symbol(i), 'price') \n # 赚3元就止赢\n if stock_market_price - stock_cost >= 3: \n context.order_target_percent(context.symbol(i),0) \n current_stopwin_stock.append(i)\n print('日期：',date,'股票：',i,'出现止盈状况')\n #-------------------------------------------止赢模块END-------------------------------#\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 #-----------这里加入逻辑判断，如果止盈止损了就不再执行轮仓卖出------------\n if instrument in current_stopwin_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='1037,751,200,200'/></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}

# 本代码由可视化策略环境自动生成 2021年7月26日10:06
# 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):

 #------------------------------------------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3元就止赢
            if stock_market_price - stock_cost  >= 3:   
                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-------------------------------#
    
    
    # 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:
            #-----------这里加入逻辑判断，如果止盈止损了就不再执行轮仓卖出------------
            if instrument in current_stopwin_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'
)

[2021-07-26 10:04:49.657732] INFO: moduleinvoker: instruments.v2 开始运行..

[2021-07-26 10:04:49.679939] INFO: moduleinvoker: 命中缓存

[2021-07-26 10:04:49.681693] INFO: moduleinvoker: instruments.v2 运行完成[0.023992s].

[2021-07-26 10:04:49.714591] INFO: moduleinvoker: advanced_auto_labeler.v2 开始运行..

[2021-07-26 10:04:49.721218] INFO: moduleinvoker: 命中缓存

[2021-07-26 10:04:49.751893] INFO: moduleinvoker: advanced_auto_labeler.v2 运行完成[0.037287s].

[2021-07-26 10:04:49.814820] INFO: moduleinvoker: input_features.v1 开始运行..

[2021-07-26 10:04:49.821856] INFO: moduleinvoker: 命中缓存

[2021-07-26 10:04:49.823262] INFO: moduleinvoker: input_features.v1 运行完成[0.008463s].

[2021-07-26 10:04:51.775862] INFO: moduleinvoker: general_feature_extractor.v7 开始运行..

[2021-07-26 10:04:51.781650] INFO: moduleinvoker: 命中缓存

[2021-07-26 10:04:51.783469] INFO: moduleinvoker: general_feature_extractor.v7 运行完成[0.007637s].

[2021-07-26 10:04:51.854018] INFO: moduleinvoker: derived_feature_extractor.v3 开始运行..

[2021-07-26 10:04:51.865723] INFO: moduleinvoker: 命中缓存

[2021-07-26 10:04:51.869022] INFO: moduleinvoker: derived_feature_extractor.v3 运行完成[0.015028s].

[2021-07-26 10:04:51.876098] INFO: moduleinvoker: join.v3 开始运行..

[2021-07-26 10:04:51.926348] INFO: moduleinvoker: 命中缓存

[2021-07-26 10:04:51.928382] INFO: moduleinvoker: join.v3 运行完成[0.052271s].

[2021-07-26 10:04:51.995653] INFO: moduleinvoker: dropnan.v1 开始运行..

[2021-07-26 10:04:52.036461] INFO: moduleinvoker: 命中缓存

[2021-07-26 10:04:52.039880] INFO: moduleinvoker: dropnan.v1 运行完成[0.044243s].

[2021-07-26 10:04:52.124078] INFO: moduleinvoker: stock_ranker_train.v5 开始运行..

[2021-07-26 10:04:52.161484] INFO: moduleinvoker: 命中缓存

[2021-07-26 10:04:52.648067] INFO: moduleinvoker: stock_ranker_train.v5 运行完成[0.52398s].

[2021-07-26 10:04:52.653044] INFO: moduleinvoker: instruments.v2 开始运行..

[2021-07-26 10:04:52.659188] INFO: moduleinvoker: 命中缓存

[2021-07-26 10:04:52.661120] INFO: moduleinvoker: instruments.v2 运行完成[0.008079s].

[2021-07-26 10:04:52.682504] INFO: moduleinvoker: general_feature_extractor.v7 开始运行..

[2021-07-26 10:04:56.367905] INFO: 基础特征抽取: 年份 2015, 特征行数=569698

[2021-07-26 10:05:00.755564] INFO: 基础特征抽取: 年份 2016, 特征行数=641546

[2021-07-26 10:05:03.093939] INFO: 基础特征抽取: 年份 2017, 特征行数=0

[2021-07-26 10:05:03.283322] INFO: 基础特征抽取: 总行数: 1211244

[2021-07-26 10:05:03.288833] INFO: moduleinvoker: general_feature_extractor.v7 运行完成[10.606334s].

[2021-07-26 10:05:03.295005] INFO: moduleinvoker: derived_feature_extractor.v3 开始运行..

[2021-07-26 10:05:08.062036] INFO: derived_feature_extractor: 提取完成 avg_amount_0/avg_amount_5, 0.006s

[2021-07-26 10:05:08.070731] INFO: derived_feature_extractor: 提取完成 avg_amount_5/avg_amount_20, 0.006s

[2021-07-26 10:05:08.075635] INFO: derived_feature_extractor: 提取完成 rank_avg_amount_0/rank_avg_amount_5, 0.003s

[2021-07-26 10:05:08.080293] INFO: derived_feature_extractor: 提取完成 rank_avg_amount_5/rank_avg_amount_10, 0.003s

[2021-07-26 10:05:08.084721] INFO: derived_feature_extractor: 提取完成 rank_return_0/rank_return_5, 0.003s

[2021-07-26 10:05:08.137810] INFO: derived_feature_extractor: 提取完成 rank_return_5/rank_return_10, 0.006s

[2021-07-26 10:05:10.418997] INFO: derived_feature_extractor: /y_2015, 569698

[2021-07-26 10:05:13.198375] INFO: derived_feature_extractor: /y_2016, 641546

[2021-07-26 10:05:15.394891] INFO: moduleinvoker: derived_feature_extractor.v3 运行完成[12.099865s].

[2021-07-26 10:05:15.400339] INFO: moduleinvoker: dropnan.v1 开始运行..

[2021-07-26 10:05:16.305798] INFO: dropnan: /y_2015, 565146/569698

[2021-07-26 10:05:17.386674] INFO: dropnan: /y_2016, 636912/641546

[2021-07-26 10:05:17.693025] INFO: dropnan: 行数: 1202058/1211244

[2021-07-26 10:05:17.718107] INFO: moduleinvoker: dropnan.v1 运行完成[2.317777s].

[2021-07-26 10:05:17.799390] INFO: moduleinvoker: stock_ranker_predict.v5 开始运行..

[2021-07-26 10:05:29.073078] INFO: StockRanker预测: /y_2015 ..

[2021-07-26 10:05:34.255693] INFO: StockRanker预测: /y_2016 ..

[2021-07-26 10:05:43.350809] INFO: moduleinvoker: stock_ranker_predict.v5 运行完成[25.551415s].

[2021-07-26 10:05:45.285548] INFO: moduleinvoker: backtest.v8 开始运行..

[2021-07-26 10:05:45.290074] INFO: backtest: biglearning backtest:V8.5.0

[2021-07-26 10:05:45.291413] INFO: backtest: product_type:stock by specified

[2021-07-26 10:05:46.475085] INFO: moduleinvoker: cached.v2 开始运行..

[2021-07-26 10:06:11.074957] INFO: backtest: 读取股票行情完成:2212017

[2021-07-26 10:06:19.094399] INFO: moduleinvoker: cached.v2 运行完成[32.619311s].

[2021-07-26 10:06:23.671329] INFO: algo: TradingAlgorithm V1.8.3

[2021-07-26 10:06:25.023787] INFO: algo: trading transform...

[2021-07-26 10:06:43.398349] INFO: Performance: Simulated 488 trading days out of 488.

[2021-07-26 10:06:43.400586] INFO: Performance: first open: 2015-01-05 09:30:00+00:00

[2021-07-26 10:06:43.402014] INFO: Performance: last close: 2016-12-30 15:00:00+00:00

bigcharts-data-start/{"__type":"tabs","__id":"bigchart-80ad3b99866d4eaf8719225ef8627a52"}/bigcharts-data-end

日期： 2015-01-06 股票： 300367.SZA 出现止盈状况
日期： 2015-01-06 股票： 300109.SZA 出现止盈状况
日期： 2015-01-07 股票： 600446.SHA 出现止盈状况
日期： 2015-01-08 股票： 300302.SZA 出现止盈状况
日期： 2015-01-08 股票： 300109.SZA 出现止盈状况
日期： 2015-01-08 股票： 300139.SZA 出现止盈状况
日期： 2015-01-09 股票： 300367.SZA 出现止盈状况
日期： 2015-01-09 股票： 300238.SZA 出现止盈状况
日期： 2015-01-09 股票： 603019.SHA 出现止盈状况
日期： 2015-01-12 股票： 300038.SZA 出现止盈状况
日期： 2015-01-12 股票： 300380.SZA 出现止盈状况
日期： 2015-01-12 股票： 300037.SZA 出现止盈状况
日期： 2015-01-13 股票： 300139.SZA 出现止盈状况
日期： 2015-01-14 股票： 002190.SZA 出现止盈状况
日期： 2015-01-16 股票： 600490.SHA 出现止盈状况
日期： 2015-01-16 股票： 000788.SZA 出现止盈状况
日期： 2015-01-21 股票： 000783.SZA 出现止盈状况
日期： 2015-01-21 股票： 600490.SHA 出现止盈状况
日期： 2015-01-28 股票： 600565.SHA 出现止盈状况
日期： 2015-02-02 股票： 002640.SZA 出现止盈状况
日期： 2015-02-05 股票： 600661.SHA 出现止盈状况
日期： 2015-02-26 股票： 000567.SZA 出现止盈状况
日期： 2015-03-02 股票： 600477.SHA 出现止盈状况
日期： 2015-03-02 股票： 000421.SZA 出现止盈状况
日期： 2015-03-03 股票： 600610.SHA 出现止盈状况
日期： 2015-03-04 股票： 300166.SZA 出现止盈状况
日期： 2015-03-11 股票： 000619.SZA 出现止盈状况
日期： 2015-03-17 股票： 002425.SZA 出现止盈状况
日期： 2015-03-17 股票： 300309.SZA 出现止盈状况
日期： 2015-03-18 股票： 002717.SZA 出现止盈状况
日期： 2015-03-20 股票： 002639.SZA 出现止盈状况
日期： 2015-03-25 股票： 300258.SZA 出现止盈状况
日期： 2015-03-25 股票： 600763.SHA 出现止盈状况
日期： 2015-03-26 股票： 600774.SHA 出现止盈状况
日期： 2015-03-27 股票： 600617.SHA 出现止盈状况
日期： 2015-03-27 股票： 300291.SZA 出现止盈状况
日期： 2015-03-30 股票： 600071.SHA 出现止盈状况
日期： 2015-04-01 股票： 002690.SZA 出现止盈状况
日期： 2015-04-01 股票： 000055.SZA 出现止盈状况
日期： 2015-04-01 股票： 002366.SZA 出现止盈状况
日期： 2015-04-01 股票： 300100.SZA 出现止盈状况
日期： 2015-04-01 股票： 600647.SHA 出现止盈状况
日期： 2015-04-02 股票： 002541.SZA 出现止盈状况
日期： 2015-04-02 股票： 000555.SZA 出现止盈状况
日期： 2015-04-02 股票： 002338.SZA 出现止盈状况
日期： 2015-04-03 股票： 000560.SZA 出现止盈状况
日期： 2015-04-03 股票： 300375.SZA 出现止盈状况
日期： 2015-04-03 股票： 300031.SZA 出现止盈状况
日期： 2015-04-07 股票： 300282.SZA 出现止盈状况
日期： 2015-04-13 股票： 002619.SZA 出现止盈状况
日期： 2015-04-13 股票： 600686.SHA 出现止盈状况
日期： 2015-04-13 股票： 300236.SZA 出现止盈状况
日期： 2015-04-17 股票： 600731.SHA 出现止盈状况
日期： 2015-04-17 股票： 300226.SZA 出现止盈状况
日期： 2015-04-21 股票： 603600.SHA 出现止盈状况
日期： 2015-04-23 股票： 300100.SZA 出现止盈状况
日期： 2015-04-24 股票： 000004.SZA 出现止盈状况
日期： 2015-04-27 股票： 600985.SHA 出现止盈状况
日期： 2015-04-27 股票： 600419.SHA 出现止盈状况
日期： 2015-04-29 股票： 600605.SHA 出现止盈状况
日期： 2015-05-04 股票： 300123.SZA 出现止盈状况
日期： 2015-05-04 股票： 300266.SZA 出现止盈状况
日期： 2015-05-04 股票： 300119.SZA 出现止盈状况
日期： 2015-05-05 股票： 300119.SZA 出现止盈状况
日期： 2015-05-06 股票： 300119.SZA 出现止盈状况
日期： 2015-05-07 股票： 300119.SZA 出现止盈状况
日期： 2015-05-08 股票： 300119.SZA 出现止盈状况
日期： 2015-05-11 股票： 300119.SZA 出现止盈状况
日期： 2015-05-11 股票： 300153.SZA 出现止盈状况
日期： 2015-05-11 股票： 002514.SZA 出现止盈状况
日期： 2015-05-11 股票： 000656.SZA 出现止盈状况
日期： 2015-05-11 股票： 601010.SHA 出现止盈状况
日期： 2015-05-11 股票： 002473.SZA 出现止盈状况
日期： 2015-05-11 股票： 600399.SHA 出现止盈状况
日期： 2015-05-11 股票： 002337.SZA 出现止盈状况
日期： 2015-05-12 股票： 300119.SZA 出现止盈状况
日期： 2015-05-13 股票： 300119.SZA 出现止盈状况
日期： 2015-05-14 股票： 300119.SZA 出现止盈状况
日期： 2015-05-14 股票： 601010.SHA 出现止盈状况
日期： 2015-05-14 股票： 002473.SZA 出现止盈状况
日期： 2015-05-14 股票： 300260.SZA 出现止盈状况
日期： 2015-05-15 股票： 300119.SZA 出现止盈状况
日期： 2015-05-18 股票： 300119.SZA 出现止盈状况
日期： 2015-05-18 股票： 002700.SZA 出现止盈状况
日期： 2015-05-18 股票： 600305.SHA 出现止盈状况
日期： 2015-05-19 股票： 300119.SZA 出现止盈状况
日期： 2015-05-19 股票： 002508.SZA 出现止盈状况
日期： 2015-05-20 股票： 300119.SZA 出现止盈状况
日期： 2015-05-20 股票： 600715.SHA 出现止盈状况
日期： 2015-05-20 股票： 000668.SZA 出现止盈状况
日期： 2015-05-21 股票： 300119.SZA 出现止盈状况
日期： 2015-05-22 股票： 300119.SZA 出现止盈状况
日期： 2015-05-22 股票： 002692.SZA 出现止盈状况
日期： 2015-05-22 股票： 600233.SHA 出现止盈状况
日期： 2015-05-25 股票： 300119.SZA 出现止盈状况
日期： 2015-05-25 股票： 600774.SHA 出现止盈状况
日期： 2015-05-26 股票： 300119.SZA 出现止盈状况
日期： 2015-05-26 股票： 600721.SHA 出现止盈状况
日期： 2015-05-26 股票： 002141.SZA 出现止盈状况
日期： 2015-05-26 股票： 002703.SZA 出现止盈状况
日期： 2015-05-26 股票： 300398.SZA 出现止盈状况
日期： 2015-05-26 股票： 002262.SZA 出现止盈状况
日期： 2015-05-26 股票： 002695.SZA 出现止盈状况
日期： 2015-05-27 股票： 300119.SZA 出现止盈状况
日期： 2015-05-27 股票： 600671.SHA 出现止盈状况
日期： 2015-05-27 股票： 600746.SHA 出现止盈状况
日期： 2015-05-27 股票： 002563.SZA 出现止盈状况
日期： 2015-05-28 股票： 300119.SZA 出现止盈状况
日期： 2015-05-29 股票： 300119.SZA 出现止盈状况
日期： 2015-06-01 股票： 300119.SZA 出现止盈状况
日期： 2015-06-01 股票： 300120.SZA 出现止盈状况
日期： 2015-06-01 股票： 000524.SZA 出现止盈状况
日期： 2015-06-01 股票： 000430.SZA 出现止盈状况
日期： 2015-06-01 股票： 002514.SZA 出现止盈状况
日期： 2015-06-01 股票： 600378.SHA 出现止盈状况
日期： 2015-06-01 股票： 002572.SZA 出现止盈状况
日期： 2015-06-01 股票： 600771.SHA 出现止盈状况
日期： 2015-06-01 股票： 300354.SZA 出现止盈状况
日期： 2015-06-01 股票： 600764.SHA 出现止盈状况
日期： 2015-06-01 股票： 000662.SZA 出现止盈状况
日期： 2015-06-02 股票： 300119.SZA 出现止盈状况
日期： 2015-06-02 股票： 002599.SZA 出现止盈状况
日期： 2015-06-02 股票： 002671.SZA 出现止盈状况
日期： 2015-06-03 股票： 300119.SZA 出现止盈状况
日期： 2015-06-03 股票： 002096.SZA 出现止盈状况
日期： 2015-06-04 股票： 300119.SZA 出现止盈状况
日期： 2015-06-04 股票： 000779.SZA 出现止盈状况
日期： 2015-06-05 股票： 300119.SZA 出现止盈状况
日期： 2015-06-05 股票： 600847.SHA 出现止盈状况
日期： 2015-06-05 股票： 600644.SHA 出现止盈状况
日期： 2015-06-05 股票： 300191.SZA 出现止盈状况
日期： 2015-06-05 股票： 002714.SZA 出现止盈状况
日期： 2015-06-08 股票： 300119.SZA 出现止盈状况
日期： 2015-06-08 股票： 600301.SHA 出现止盈状况
日期： 2015-06-08 股票： 300140.SZA 出现止盈状况
日期： 2015-06-08 股票： 600644.SHA 出现止盈状况
日期： 2015-06-08 股票： 603088.SHA 出现止盈状况
日期： 2015-06-08 股票： 002053.SZA 出现止盈状况
日期： 2015-06-09 股票： 300119.SZA 出现止盈状况
日期： 2015-06-09 股票： 300430.SZA 出现止盈状况
日期： 2015-06-10 股票： 300119.SZA 出现止盈状况
日期： 2015-06-10 股票： 300394.SZA 出现止盈状况
日期： 2015-06-10 股票： 300403.SZA 出现止盈状况
日期： 2015-06-10 股票： 600559.SHA 出现止盈状况
日期： 2015-06-10 股票： 300430.SZA 出现止盈状况
日期： 2015-06-10 股票： 300380.SZA 出现止盈状况
日期： 2015-06-10 股票： 300277.SZA 出现止盈状况
日期： 2015-06-10 股票： 002380.SZA 出现止盈状况
日期： 2015-06-11 股票： 300119.SZA 出现止盈状况
日期： 2015-06-11 股票： 300376.SZA 出现止盈状况
日期： 2015-06-11 股票： 300302.SZA 出现止盈状况
日期： 2015-06-12 股票： 300119.SZA 出现止盈状况
日期： 2015-06-12 股票： 300380.SZA 出现止盈状况
日期： 2015-06-12 股票： 300237.SZA 出现止盈状况
日期： 2015-06-12 股票： 002279.SZA 出现止盈状况
日期： 2015-06-12 股票： 002124.SZA 出现止盈状况
日期： 2015-06-15 股票： 300119.SZA 出现止盈状况
日期： 2015-06-16 股票： 300119.SZA 出现止盈状况
日期： 2015-06-17 股票： 300119.SZA 出现止盈状况
日期： 2015-06-17 股票： 300290.SZA 出现止盈状况
日期： 2015-06-17 股票： 600446.SHA 出现止盈状况
日期： 2015-06-17 股票： 300378.SZA 出现止盈状况
日期： 2015-06-18 股票： 300119.SZA 出现止盈状况
日期： 2015-06-19 股票： 300318.SZA 出现止盈状况
日期： 2015-06-19 股票： 002657.SZA 出现止盈状况
日期： 2015-06-23 股票： 300440.SZA 出现止盈状况
日期： 2015-06-25 股票： 300216.SZA 出现止盈状况
日期： 2015-06-30 股票： 300309.SZA 出现止盈状况
日期： 2015-06-30 股票： 600556.SHA 出现止盈状况
日期： 2015-06-30 股票： 002293.SZA 出现止盈状况
日期： 2015-06-30 股票： 002407.SZA 出现止盈状况
日期： 2015-07-01 股票： 000516.SZA 出现止盈状况
日期： 2015-07-09 股票： 000062.SZA 出现止盈状况
日期： 2015-07-09 股票： 300407.SZA 出现止盈状况
日期： 2015-07-09 股票： 600826.SHA 出现止盈状况
日期： 2015-07-09 股票： 300231.SZA 出现止盈状况
日期： 2015-07-10 股票： 600783.SHA 出现止盈状况
日期： 2015-07-10 股票： 000626.SZA 出现止盈状况
日期： 2015-07-10 股票： 300399.SZA 出现止盈状况
日期： 2015-07-13 股票： 600105.SHA 出现止盈状况
日期： 2015-07-13 股票： 600770.SHA 出现止盈状况
日期： 2015-07-13 股票： 600783.SHA 出现止盈状况
日期： 2015-07-13 股票： 600391.SHA 出现止盈状况
日期： 2015-07-14 股票： 002611.SZA 出现止盈状况
日期： 2015-07-15 股票： 000408.SZA 出现止盈状况
日期： 2015-07-16 股票： 300359.SZA 出现止盈状况
日期： 2015-07-16 股票： 002715.SZA 出现止盈状况
日期： 2015-07-16 股票： 000158.SZA 出现止盈状况
日期： 2015-07-17 股票： 002590.SZA 出现止盈状况
日期： 2015-07-17 股票： 300222.SZA 出现止盈状况
日期： 2015-07-17 股票： 002631.SZA 出现止盈状况
日期： 2015-07-17 股票： 000048.SZA 出现止盈状况
日期： 2015-07-17 股票： 002339.SZA 出现止盈状况
日期： 2015-07-20 股票： 002659.SZA 出现止盈状况
日期： 2015-07-21 股票： 300075.SZA 出现止盈状况
日期： 2015-07-21 股票： 600986.SHA 出现止盈状况
日期： 2015-07-21 股票： 000554.SZA 出现止盈状况
日期： 2015-07-21 股票： 002682.SZA 出现止盈状况
日期： 2015-07-21 股票： 300120.SZA 出现止盈状况
日期： 2015-07-23 股票： 000695.SZA 出现止盈状况
日期： 2015-07-23 股票： 600848.SHA 出现止盈状况
日期： 2015-07-23 股票： 600070.SHA 出现止盈状况
日期： 2015-07-23 股票： 600815.SHA 出现止盈状况
日期： 2015-07-23 股票： 300431.SZA 出现止盈状况
日期： 2015-07-23 股票： 002284.SZA 出现止盈状况
日期： 2015-07-23 股票： 000090.SZA 出现止盈状况
日期： 2015-07-28 股票： 000721.SZA 出现止盈状况
日期： 2015-07-28 股票： 300002.SZA 出现止盈状况
日期： 2015-07-29 股票： 002138.SZA 出现止盈状况
日期： 2015-07-29 股票： 002148.SZA 出现止盈状况
日期： 2015-08-04 股票： 300384.SZA 出现止盈状况
日期： 2015-08-04 股票： 600570.SHA 出现止盈状况
日期： 2015-08-04 股票： 002298.SZA 出现止盈状况
日期： 2015-08-04 股票： 002318.SZA 出现止盈状况
日期： 2015-08-04 股票： 002339.SZA 出现止盈状况
日期： 2015-08-05 股票： 300016.SZA 出现止盈状况
日期： 2015-08-06 股票： 002280.SZA 出现止盈状况
日期： 2015-08-06 股票： 300016.SZA 出现止盈状况
日期： 2015-08-06 股票： 300086.SZA 出现止盈状况
日期： 2015-08-07 股票： 000948.SZA 出现止盈状况
日期： 2015-08-07 股票： 002089.SZA 出现止盈状况
日期： 2015-08-07 股票： 600728.SHA 出现止盈状况
日期： 2015-08-07 股票： 300016.SZA 出现止盈状况
日期： 2015-08-07 股票： 300220.SZA 出现止盈状况
日期： 2015-08-10 股票： 300248.SZA 出现止盈状况
日期： 2015-08-13 股票： 300384.SZA 出现止盈状况
日期： 2015-08-13 股票： 002383.SZA 出现止盈状况
日期： 2015-08-14 股票： 002161.SZA 出现止盈状况
日期： 2015-08-17 股票： 300038.SZA 出现止盈状况
日期： 2015-08-17 股票： 600094.SHA 出现止盈状况
日期： 2015-08-19 股票： 300168.SZA 出现止盈状况
日期： 2015-08-19 股票： 300378.SZA 出现止盈状况
日期： 2015-08-19 股票： 300380.SZA 出现止盈状况
日期： 2015-08-19 股票： 300295.SZA 出现止盈状况
日期： 2015-08-27 股票： 600807.SHA 出现止盈状况
日期： 2015-08-27 股票： 002170.SZA 出现止盈状况
日期： 2015-08-28 股票： 002518.SZA 出现止盈状况
日期： 2015-08-28 股票： 300065.SZA 出现止盈状况
日期： 2015-08-28 股票： 000852.SZA 出现止盈状况
日期： 2015-08-28 股票： 001696.SZA 出现止盈状况
日期： 2015-08-28 股票： 300162.SZA 出现止盈状况
日期： 2015-08-28 股票： 002288.SZA 出现止盈状况
日期： 2015-09-08 股票： 600433.SHA 出现止盈状况
日期： 2015-09-08 股票： 000592.SZA 出现止盈状况
日期： 2015-09-08 股票： 300388.SZA 出现止盈状况
日期： 2015-09-08 股票： 000790.SZA 出现止盈状况
日期： 2015-09-08 股票： 300464.SZA 出现止盈状况
日期： 2015-09-09 股票： 000821.SZA 出现止盈状况
日期： 2015-09-09 股票： 002515.SZA 出现止盈状况
日期： 2015-09-11 股票： 300101.SZA 出现止盈状况
日期： 2015-09-21 股票： 000012.SZA 出现止盈状况
日期： 2015-09-21 股票： 000659.SZA 出现止盈状况
日期： 2015-09-21 股票： 000930.SZA 出现止盈状况
日期： 2015-09-21 股票： 001696.SZA 出现止盈状况
日期： 2015-09-21 股票： 000547.SZA 出现止盈状况
日期： 2015-09-21 股票： 000592.SZA 出现止盈状况
日期： 2015-09-22 股票： 002673.SZA 出现止盈状况
日期： 2015-09-25 股票： 600733.SHA 出现止盈状况
日期： 2015-09-28 股票： 300202.SZA 出现止盈状况
日期： 2015-09-28 股票： 300368.SZA 出现止盈状况
日期： 2015-10-08 股票： 600797.SHA 出现止盈状况
日期： 2015-10-08 股票： 000930.SZA 出现止盈状况
日期： 2015-10-08 股票： 000810.SZA 出现止盈状况
日期： 2015-10-09 股票： 600614.SHA 出现止盈状况
日期： 2015-10-12 股票： 002703.SZA 出现止盈状况
日期： 2015-10-12 股票： 002414.SZA 出现止盈状况
日期： 2015-10-12 股票： 000541.SZA 出现止盈状况
日期： 2015-10-12 股票： 603600.SHA 出现止盈状况
日期： 2015-10-12 股票： 000650.SZA 出现止盈状况
日期： 2015-10-12 股票： 000720.SZA 出现止盈状况
日期： 2015-10-15 股票： 600074.SHA 出现止盈状况
日期： 2015-10-19 股票： 000782.SZA 出现止盈状况
日期： 2015-10-19 股票： 300089.SZA 出现止盈状况
日期： 2015-10-19 股票： 600075.SHA 出现止盈状况
日期： 2015-10-19 股票： 300112.SZA 出现止盈状况
日期： 2015-10-20 股票： 600879.SHA 出现止盈状况
日期： 2015-10-20 股票： 000887.SZA 出现止盈状况
日期： 2015-10-22 股票： 000426.SZA 出现止盈状况
日期： 2015-10-23 股票： 000887.SZA 出现止盈状况
日期： 2015-10-23 股票： 603686.SHA 出现止盈状况
日期： 2015-10-23 股票： 600202.SHA 出现止盈状况
日期： 2015-10-26 股票： 002353.SZA 出现止盈状况
日期： 2015-11-04 股票： 300135.SZA 出现止盈状况
日期： 2015-11-04 股票： 600634.SHA 出现止盈状况
日期： 2015-11-04 股票： 002516.SZA 出现止盈状况
日期： 2015-11-04 股票： 300310.SZA 出现止盈状况
日期： 2015-11-05 股票： 300135.SZA 出现止盈状况
日期： 2015-11-06 股票： 002348.SZA 出现止盈状况
日期： 2015-11-06 股票： 000566.SZA 出现止盈状况
日期： 2015-11-09 股票： 300184.SZA 出现止盈状况
日期： 2015-11-09 股票： 600634.SHA 出现止盈状况
日期： 2015-11-09 股票： 300316.SZA 出现止盈状况
日期： 2015-11-09 股票： 300135.SZA 出现止盈状况
日期： 2015-11-09 股票： 300263.SZA 出现止盈状况
日期： 2015-11-10 股票： 600634.SHA 出现止盈状况
日期： 2015-11-10 股票： 600071.SHA 出现止盈状况
日期： 2015-11-11 股票： 300135.SZA 出现止盈状况
日期： 2015-11-11 股票： 002721.SZA 出现止盈状况
日期： 2015-11-11 股票： 002671.SZA 出现止盈状况
日期： 2015-11-11 股票： 600499.SHA 出现止盈状况
日期： 2015-11-12 股票： 002563.SZA 出现止盈状况
日期： 2015-11-13 股票： 002183.SZA 出现止盈状况
日期： 2015-11-16 股票： 002032.SZA 出现止盈状况
日期： 2015-11-16 股票： 002611.SZA 出现止盈状况
日期： 2015-11-17 股票： 002588.SZA 出现止盈状况
日期： 2015-11-17 股票： 600987.SHA 出现止盈状况
日期： 2015-11-17 股票： 002304.SZA 出现止盈状况
日期： 2015-11-19 股票： 002216.SZA 出现止盈状况
日期： 2015-11-19 股票： 300207.SZA 出现止盈状况
日期： 2015-11-20 股票： 300384.SZA 出现止盈状况
日期： 2015-11-20 股票： 600476.SHA 出现止盈状况
日期： 2015-11-23 股票： 002238.SZA 出现止盈状况
日期： 2015-11-23 股票： 000411.SZA 出现止盈状况
日期： 2015-11-24 股票： 000025.SZA 出现止盈状况
日期： 2015-11-25 股票： 300357.SZA 出现止盈状况
日期： 2015-12-03 股票： 002690.SZA 出现止盈状况
日期： 2015-12-03 股票： 300356.SZA 出现止盈状况
日期： 2015-12-04 股票： 300420.SZA 出现止盈状况
日期： 2015-12-07 股票： 002301.SZA 出现止盈状况
日期： 2015-12-07 股票： 300308.SZA 出现止盈状况
日期： 2015-12-08 股票： 002577.SZA 出现止盈状况
日期： 2015-12-08 股票： 002210.SZA 出现止盈状况
日期： 2015-12-14 股票： 002221.SZA 出现止盈状况
日期： 2015-12-14 股票： 600737.SHA 出现止盈状况
日期： 2015-12-14 股票： 600148.SHA 出现止盈状况
日期： 2015-12-15 股票： 300404.SZA 出现止盈状况
日期： 2015-12-16 股票： 300269.SZA 出现止盈状况
日期： 2015-12-16 股票： 300299.SZA 出现止盈状况
日期： 2015-12-17 股票： 300134.SZA 出现止盈状况
日期： 2015-12-17 股票： 600615.SHA 出现止盈状况
日期： 2015-12-18 股票： 300131.SZA 出现止盈状况
日期： 2015-12-23 股票： 600643.SHA 出现止盈状况
日期： 2015-12-28 股票： 002729.SZA 出现止盈状况
日期： 2015-12-28 股票： 000985.SZA 出现止盈状况
日期： 2015-12-28 股票： 300100.SZA 出现止盈状况
日期： 2016-01-05 股票： 300449.SZA 出现止盈状况
日期： 2016-01-05 股票： 002668.SZA 出现止盈状况
日期： 2016-01-05 股票： 300467.SZA 出现止盈状况
日期： 2016-01-06 股票： 300441.SZA 出现止盈状况
日期： 2016-01-06 股票： 002741.SZA 出现止盈状况
日期： 2016-01-06 股票： 002758.SZA 出现止盈状况
日期： 2016-01-08 股票： 300441.SZA 出现止盈状况
日期： 2016-01-12 股票： 300016.SZA 出现止盈状况
日期： 2016-01-14 股票： 300147.SZA 出现止盈状况
日期： 2016-01-14 股票： 300174.SZA 出现止盈状况
日期： 2016-01-14 股票： 000790.SZA 出现止盈状况
日期： 2016-01-14 股票： 000938.SZA 出现止盈状况
日期： 2016-01-15 股票： 000813.SZA 出现止盈状况
日期： 2016-01-18 股票： 300076.SZA 出现止盈状况
日期： 2016-01-18 股票： 300389.SZA 出现止盈状况
日期： 2016-01-19 股票： 300096.SZA 出现止盈状况
日期： 2016-01-19 股票： 002173.SZA 出现止盈状况
日期： 2016-01-19 股票： 300368.SZA 出现止盈状况
日期： 2016-01-19 股票： 600288.SHA 出现止盈状况
日期： 2016-01-20 股票： 000566.SZA 出现止盈状况
日期： 2016-01-22 股票： 002739.SZA 出现止盈状况
日期： 2016-01-25 股票： 002702.SZA 出现止盈状况
日期： 2016-01-25 股票： 600866.SHA 出现止盈状况
日期： 2016-01-26 股票： 600866.SHA 出现止盈状况
日期： 2016-01-29 股票： 000006.SZA 出现止盈状况
日期： 2016-01-29 股票： 002191.SZA 出现止盈状况
日期： 2016-02-02 股票： 002414.SZA 出现止盈状况
日期： 2016-02-02 股票： 300037.SZA 出现止盈状况
日期： 2016-02-03 股票： 000693.SZA 出现止盈状况
日期： 2016-02-03 股票： 000564.SZA 出现止盈状况
日期： 2016-02-04 股票： 600416.SHA 出现止盈状况
日期： 2016-02-04 股票： 600226.SHA 出现止盈状况
日期： 2016-02-04 股票： 000606.SZA 出现止盈状况
日期： 2016-02-04 股票： 002301.SZA 出现止盈状况
日期： 2016-02-04 股票： 600160.SHA 出现止盈状况
日期： 2016-02-16 股票： 300215.SZA 出现止盈状况
日期： 2016-02-16 股票： 002568.SZA 出现止盈状况
日期： 2016-02-16 股票： 300368.SZA 出现止盈状况
日期： 2016-02-16 股票： 000626.SZA 出现止盈状况
日期： 2016-02-16 股票： 002622.SZA 出现止盈状况
日期： 2016-02-17 股票： 600706.SHA 出现止盈状况
日期： 2016-02-18 股票： 600346.SHA 出现止盈状况
日期： 2016-02-19 股票： 000503.SZA 出现止盈状况
日期： 2016-02-22 股票： 002261.SZA 出现止盈状况
日期： 2016-02-22 股票： 002373.SZA 出现止盈状况
日期： 2016-02-22 股票： 300032.SZA 出现止盈状况
日期： 2016-02-22 股票： 000667.SZA 出现止盈状况
日期： 2016-02-23 股票： 002782.SZA 出现止盈状况
日期： 2016-02-24 股票： 002308.SZA 出现止盈状况
日期： 2016-02-24 股票： 002124.SZA 出现止盈状况
日期： 2016-03-01 股票： 600682.SHA 出现止盈状况
日期： 2016-03-02 股票： 600446.SHA 出现止盈状况
日期： 2016-03-02 股票： 002465.SZA 出现止盈状况
日期： 2016-03-02 股票： 600734.SHA 出现止盈状况
日期： 2016-03-02 股票： 002373.SZA 出现止盈状况
日期： 2016-03-07 股票： 000785.SZA 出现止盈状况
日期： 2016-03-09 股票： 600645.SHA 出现止盈状况
日期： 2016-03-09 股票： 000901.SZA 出现止盈状况
日期： 2016-03-11 股票： 600603.SHA 出现止盈状况
日期： 2016-03-11 股票： 300061.SZA 出现止盈状况
日期： 2016-03-14 股票： 300379.SZA 出现止盈状况
日期： 2016-03-14 股票： 300065.SZA 出现止盈状况
日期： 2016-03-16 股票： 000748.SZA 出现止盈状况
日期： 2016-03-17 股票： 002049.SZA 出现止盈状况
日期： 2016-03-18 股票： 600490.SHA 出现止盈状况
日期： 2016-03-18 股票： 000901.SZA 出现止盈状况
日期： 2016-03-18 股票： 000066.SZA 出现止盈状况
日期： 2016-03-18 股票： 000748.SZA 出现止盈状况
日期： 2016-03-21 股票： 600490.SHA 出现止盈状况
日期： 2016-03-21 股票： 000748.SZA 出现止盈状况
日期： 2016-03-21 股票： 002049.SZA 出现止盈状况
日期： 2016-03-21 股票： 600610.SHA 出现止盈状况
日期： 2016-03-30 股票： 002049.SZA 出现止盈状况
日期： 2016-03-30 股票： 600892.SHA 出现止盈状况
日期： 2016-03-31 股票： 000066.SZA 出现止盈状况
日期： 2016-03-31 股票： 002049.SZA 出现止盈状况
日期： 2016-04-05 股票： 002049.SZA 出现止盈状况
日期： 2016-04-05 股票： 300151.SZA 出现止盈状况
日期： 2016-04-06 股票： 300196.SZA 出现止盈状况
日期： 2016-04-07 股票： 300028.SZA 出现止盈状况
日期： 2016-04-07 股票： 600654.SHA 出现止盈状况
日期： 2016-04-12 股票： 600200.SHA 出现止盈状况
日期： 2016-04-14 股票： 600200.SHA 出现止盈状况
日期： 2016-04-15 股票： 300028.SZA 出现止盈状况
日期： 2016-04-15 股票： 000811.SZA 出现止盈状况
日期： 2016-04-19 股票： 600654.SHA 出现止盈状况
日期： 2016-04-19 股票： 600724.SHA 出现止盈状况
日期： 2016-04-25 股票： 600452.SHA 出现止盈状况
日期： 2016-04-25 股票： 600615.SHA 出现止盈状况
日期： 2016-05-03 股票： 300431.SZA 出现止盈状况
日期： 2016-05-03 股票： 600654.SHA 出现止盈状况
日期： 2016-05-03 股票： 300392.SZA 出现止盈状况
日期： 2016-05-04 股票： 002326.SZA 出现止盈状况
日期： 2016-05-05 股票： 600654.SHA 出现止盈状况
日期： 2016-05-05 股票： 002312.SZA 出现止盈状况
日期： 2016-05-05 股票： 600656.SHA 出现止盈状况
日期： 2016-05-06 股票： 600745.SHA 出现止盈状况
日期： 2016-05-11 股票： 002757.SZA 出现止盈状况
日期： 2016-05-12 股票： 600654.SHA 出现止盈状况
日期： 2016-05-13 股票： 000838.SZA 出现止盈状况
日期： 2016-05-17 股票： 000034.SZA 出现止盈状况
日期： 2016-05-19 股票： 300162.SZA 出现止盈状况
日期： 2016-05-19 股票： 300431.SZA 出现止盈状况
日期： 2016-05-20 股票： 300443.SZA 出现止盈状况
日期： 2016-05-30 股票： 002312.SZA 出现止盈状况
日期： 2016-05-31 股票： 300437.SZA 出现止盈状况
日期： 2016-05-31 股票： 002312.SZA 出现止盈状况
日期： 2016-05-31 股票： 000982.SZA 出现止盈状况
日期： 2016-06-01 股票： 300117.SZA 出现止盈状况
日期： 2016-06-01 股票： 000796.SZA 出现止盈状况
日期： 2016-06-01 股票： 002044.SZA 出现止盈状况
日期： 2016-06-02 股票： 300410.SZA 出现止盈状况
日期： 2016-06-03 股票： 002208.SZA 出现止盈状况
日期： 2016-06-15 股票： 300366.SZA 出现止盈状况
日期： 2016-06-15 股票： 600647.SHA 出现止盈状况
日期： 2016-06-27 股票： 600122.SHA 出现止盈状况
日期： 2016-06-28 股票： 002219.SZA 出现止盈状况
日期： 2016-06-29 股票： 600153.SHA 出现止盈状况
日期： 2016-07-01 股票： 000652.SZA 出现止盈状况
日期： 2016-07-08 股票： 600556.SHA 出现止盈状况
日期： 2016-07-13 股票： 600153.SHA 出现止盈状况
日期： 2016-07-15 股票： 600556.SHA 出现止盈状况
日期： 2016-08-03 股票： 300508.SZA 出现止盈状况
日期： 2016-08-03 股票： 300516.SZA 出现止盈状况
日期： 2016-08-03 股票： 300513.SZA 出现止盈状况
日期： 2016-08-08 股票： 300513.SZA 出现止盈状况
日期： 2016-08-09 股票： 600556.SHA 出现止盈状况
日期： 2016-08-09 股票： 300428.SZA 出现止盈状况
日期： 2016-08-10 股票： 603131.SHA 出现止盈状况
日期： 2016-08-12 股票： 600603.SHA 出现止盈状况
日期： 2016-08-12 股票： 300410.SZA 出现止盈状况
日期： 2016-08-16 股票： 600452.SHA 出现止盈状况
日期： 2016-08-16 股票： 600608.SHA 出现止盈状况
日期： 2016-08-17 股票： 600265.SHA 出现止盈状况
日期： 2016-08-18 股票： 002569.SZA 出现止盈状况
日期： 2016-09-06 股票： 300419.SZA 出现止盈状况
日期： 2016-09-06 股票： 600617.SHA 出现止盈状况
日期： 2016-09-13 股票： 000042.SZA 出现止盈状况
日期： 2016-09-21 股票： 000638.SZA 出现止盈状况
日期： 2016-09-29 股票： 002522.SZA 出现止盈状况
日期： 2016-10-10 股票： 300242.SZA 出现止盈状况
日期： 2016-10-13 股票： 000526.SZA 出现止盈状况
日期： 2016-10-13 股票： 600641.SHA 出现止盈状况
日期： 2016-10-24 股票： 002380.SZA 出现止盈状况
日期： 2016-11-03 股票： 300215.SZA 出现止盈状况
日期： 2016-11-10 股票： 000616.SZA 出现止盈状况
日期： 2016-11-16 股票： 002575.SZA 出现止盈状况
日期： 2016-11-25 股票： 300278.SZA 出现止盈状况
日期： 2016-12-02 股票： 000511.SZA 出现止盈状况
日期： 2016-12-05 股票： 000525.SZA 出现止盈状况
日期： 2016-12-06 股票： 600671.SHA 出现止盈状况
日期： 2016-12-07 股票： 600149.SHA 出现止盈状况
日期： 2016-12-07 股票： 300230.SZA 出现止盈状况
日期： 2016-12-16 股票： 300300.SZA 出现止盈状况
日期： 2016-12-19 股票： 603518.SHA 出现止盈状况
日期： 2016-12-20 股票： 300510.SZA 出现止盈状况
日期： 2016-12-21 股票： 000002.SZA 出现止盈状况
日期： 2016-12-22 股票： 000002.SZA 出现止盈状况
日期： 2016-12-28 股票： 300507.SZA 出现止盈状况
日期： 2016-12-28 股票： 000503.SZA 出现止盈状况