# 回测起始时间
start_date = '2017-11-01'
# 回测结束时间
end_date = '2018-04-01'
# 策略比较参考标准
benchmark = 'BTC_USDT.HBI'
# 交易标的 
instruments = ['BTC_USDT.HBI']
# 起始资金
capital_base = 1000000

# 初始化虚拟账户状态，只在第一个交易日运行
def initialize(context):
    # context.set_commission是设置手续费，这里作演示不考虑手续费，股票的手续费设置如下，作为参考。
    # context.set_commission(PerOrder(buy_cost=0.0003, sell_cost=0.0013, min_cost=5))
    #短均线参数
    context.short_period = 5
    #长均线参数
    context.long_period = 20

def handle_data(context, data):
    # 当前支持的K线数量还达不到长均线时直接返回
    if context.trading_day_index < context.long_period:
        return
    # 投资标的字符串格式
    instr = instruments[0]
    # 将标的转化为equity格式
    sid = context.symbol(instr)    
    # 最新价格
    price = data.current(sid, 'price')
    # 短周期均线值
    short_mavg = data.history(sid, 'price', context.short_period, '1d').mean()
    # 长周期均线值
    long_mavg = data.history(sid, 'price', context.long_period, '1d').mean()
    # 账户资金
    cash = context.portfolio.cash;
    # 账户持仓
    cur_pos = context.portfolio.positions[sid].amount
    
    # 策略逻辑部分
    # 空仓状态下，短周期均线上穿（大于）长周期均线形成金叉，且该股票可以交易，买入
    # 持仓状态下，短周期均线下穿（小于）长周期均线形成死叉，且该股票可以交易，卖出
    if (short_mavg > long_mavg and cur_pos == 0 and data.can_trade(sid)):
        context.order_target_percent(sid,1)
    elif (short_mavg < long_mavg and cur_pos > 0 and data.can_trade(sid)):
        context.order_target_percent(sid, 0)

# history_ds=DataSource('bar1d_HBI').read(instruments,start='2017-05-01', end=end_date)
# benchmark_ds = DataSource('bar1d_HBI').read([benchmark],start='2017-05-01', end=end_date)

m = M.trade.v4(
    instruments=instruments,
    start_date=start_date,
    end_date=end_date,
    initialize=initialize,
    handle_data=handle_data,
    # 买入的时候，假设以次日开盘价成交
    order_price_field_buy='open',
    # 卖出的时候，假设以次日开盘价成交
    order_price_field_sell='close',
    capital_base=capital_base+1,
)