{"Description":"实验创建于2017/8/26","Summary":"","Graph":{"EdgesInternal":[{"DestinationInputPortId":"-50:features","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-24:data"},{"DestinationInputPortId":"-57:features","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-24:data"},{"DestinationInputPortId":"-50:instruments","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-62:data"},{"DestinationInputPortId":"-102:instruments","SourceOutputPortId":"287d2cb0-f53c-4101-bdf8-104b137c8601-62:data"},{"DestinationInputPortId":"-102:options_data","SourceOutputPortId":"-86:data"},{"DestinationInputPortId":"-57:input_data","SourceOutputPortId":"-50:data"},{"DestinationInputPortId":"-86:input_data","SourceOutputPortId":"-57:data"}],"ModuleNodes":[{"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\nbuy_condition=where(mean(close_0,5)>mean(close_0,50),1,0)\nsell_condition=where(mean(close_0,5)<mean(close_0,50),1,0)","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":false,"moduleIdForCode":1,"IsPartOfPartialRun":null,"Comment":"","CommentCollapsed":true},{"Id":"287d2cb0-f53c-4101-bdf8-104b137c8601-62","ModuleId":"BigQuantSpace.instruments.instruments-v2","ModuleParameters":[{"Name":"start_date","Value":"2012-05-29","ValueType":"Literal","LinkedGlobalParameter":"交易日期"},{"Name":"end_date","Value":"2017-11-08","ValueType":"Literal","LinkedGlobalParameter":"交易日期"},{"Name":"market","Value":"CN_STOCK_A","ValueType":"Literal","LinkedGlobalParameter":null},{"Name":"instrument_list","Value":"600519.SHA","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":2,"IsPartOfPartialRun":null,"Comment":"预测数据，用于回测和模拟","CommentCollapsed":false},{"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":6,"IsPartOfPartialRun":null,"Comment":"","CommentCollapsed":true},{"Id":"-50","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":"30","ValueType":"Literal","LinkedGlobalParameter":null}],"InputPortsInternal":[{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"instruments","NodeId":"-50"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"features","NodeId":"-50"}],"OutputPortsInternal":[{"Name":"data","NodeId":"-50","OutputType":null}],"UsePreviousResults":true,"moduleIdForCode":7,"IsPartOfPartialRun":null,"Comment":"","CommentCollapsed":true},{"Id":"-57","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":"-57"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"features","NodeId":"-57"}],"OutputPortsInternal":[{"Name":"data","NodeId":"-57","OutputType":null}],"UsePreviousResults":true,"moduleIdForCode":8,"IsPartOfPartialRun":null,"Comment":"","CommentCollapsed":true},{"Id":"-102","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 # 获取今日的日期\n today = data.current_dt.strftime('%Y-%m-%d') \n # 通过positions对象，使用列表生成式的方法获取目前持仓的股票列表\n stock_hold_now = {e.symbol: p.amount * p.last_sale_price\n for e, p in context.portfolio.positions.items()}\n\n # 记录用于买入股票的可用现金,因为是早盘卖股票，需要记录卖出的股票市值并在买入下单前更新可用现金；\n # 如果是早盘买尾盘卖，则卖出时不需更新可用现金，因为尾盘卖出股票所得现金无法使用\n cash_for_buy = context.portfolio.cash \n \n try:\n buy_stock = context.daily_stock_buy[today] # 当日符合买入条件的股票\n except:\n buy_stock=[] # 如果没有符合条件的股票，就设置为空\n \n try:\n sell_stock = context.daily_stock_sell[today] # 当日符合卖出条件的股票\n except:\n sell_stock=[] # 如果没有符合条件的股票，就设置为空\n \n # 需要卖出的股票:已有持仓中符合卖出条件的股票\n stock_to_sell = [ i for i in stock_hold_now if i in sell_stock ]\n # 需要买入的股票:没有持仓且符合买入条件的股票\n stock_to_buy = [ i for i in buy_stock if i not in stock_hold_now ] \n # 需要调仓的股票：已有持仓且不符合卖出条件的股票\n stock_to_adjust=[ i for i in stock_hold_now if i not in sell_stock ]\n \n # 如果有卖出信号\n if len(stock_to_sell)>0:\n for instrument in stock_to_sell:\n if instrument in current_stopwin_stock:\n continue\n sid = context.symbol(instrument) # 将标的转化为equity格式\n cur_position = context.portfolio.positions[sid].amount # 持仓\n if cur_position > 0 and data.can_trade(sid):\n context.order_target_percent(sid, 0) # 全部卖出 \n # 因为设置的是早盘卖出早盘买入，需要根据卖出的股票更新可用现金；如果设置尾盘卖出早盘买入，则不需更新可用现金(可以删除下面的语句)\n cash_for_buy += stock_hold_now[instrument]\n \n # 如果有买入信号/有持仓\n if len(stock_to_buy)>0:\n weight = 1/len(set(stock_to_buy+stock_to_adjust)) # 每只股票的比重为等资金比例持有\n for instrument in set(stock_to_buy+stock_to_adjust):\n sid = context.symbol(instrument) # 将标的转化为equity格式\n if data.can_trade(sid):\n context.order_target_value(sid, weight*cash_for_buy) # 买入","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 # 加载预测数据\n df = context.options['data'].read_df()\n\n # 函数：求满足开仓条件的股票列表\n def open_pos_con(df):\n return list(df[df['buy_condition']>0].instrument)\n\n # 函数：求满足平仓条件的股票列表\n def close_pos_con(df):\n return list(df[df['sell_condition']>0].instrument)\n\n # 每日买入股票的数据框\n context.daily_stock_buy= df.groupby('date').apply(open_pos_con)\n # 每日卖出股票的数据框\n context.daily_stock_sell= df.groupby('date').apply(close_pos_con)","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\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","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":"open","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":"","ValueType":"Literal","LinkedGlobalParameter":null}],"InputPortsInternal":[{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"instruments","NodeId":"-102"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"options_data","NodeId":"-102"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"history_ds","NodeId":"-102"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"benchmark_ds","NodeId":"-102"},{"DataSourceId":null,"TrainedModelId":null,"TransformModuleId":null,"Name":"trading_calendar","NodeId":"-102"}],"OutputPortsInternal":[{"Name":"raw_perf","NodeId":"-102","OutputType":null}],"UsePreviousResults":false,"moduleIdForCode":3,"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-bdf8-104b137c8601-24' Position='765,20,200,200'/><NodePosition Node='287d2cb0-f53c-4101-bdf8-104b137c8601-62' Position='1073,124,200,200'/><NodePosition Node='-86' Position='1078,418,200,200'/><NodePosition Node='-50' Position='1078,232,200,200'/><NodePosition Node='-57' Position='1076,327,200,200'/><NodePosition Node='-102' Position='1048,529,200,200'/></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":true}

# 本代码由可视化策略环境自动生成 2019年1月24日 10:23
# 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 m3_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---------------------------------------------

       
    # 获取今日的日期
    today = data.current_dt.strftime('%Y-%m-%d')  
    # 通过positions对象，使用列表生成式的方法获取目前持仓的股票列表
    stock_hold_now = {e.symbol: p.amount * p.last_sale_price
                 for e, p in context.portfolio.positions.items()}

    # 记录用于买入股票的可用现金,因为是早盘卖股票，需要记录卖出的股票市值并在买入下单前更新可用现金；
    # 如果是早盘买尾盘卖，则卖出时不需更新可用现金，因为尾盘卖出股票所得现金无法使用
    cash_for_buy = context.portfolio.cash    
    
    try:
        buy_stock = context.daily_stock_buy[today]  # 当日符合买入条件的股票
    except:
        buy_stock=[]  # 如果没有符合条件的股票，就设置为空
    
    try:
        sell_stock = context.daily_stock_sell[today]  # 当日符合卖出条件的股票
    except:
        sell_stock=[] # 如果没有符合条件的股票，就设置为空
    
    # 需要卖出的股票:已有持仓中符合卖出条件的股票
    stock_to_sell = [ i for i in stock_hold_now if i in sell_stock ]
    # 需要买入的股票:没有持仓且符合买入条件的股票
    stock_to_buy = [ i for i in buy_stock if i not in stock_hold_now ]  
    # 需要调仓的股票：已有持仓且不符合卖出条件的股票
    stock_to_adjust=[ i for i in stock_hold_now if i not in sell_stock ]
    
    # 如果有卖出信号
    if len(stock_to_sell)>0:
        for instrument in stock_to_sell:
            if instrument in current_stopwin_stock:
                continue
            sid = context.symbol(instrument) # 将标的转化为equity格式
            cur_position = context.portfolio.positions[sid].amount # 持仓
            if cur_position > 0 and data.can_trade(sid):
                context.order_target_percent(sid, 0) # 全部卖出 
                # 因为设置的是早盘卖出早盘买入，需要根据卖出的股票更新可用现金；如果设置尾盘卖出早盘买入，则不需更新可用现金(可以删除下面的语句)
                cash_for_buy += stock_hold_now[instrument]
    
    # 如果有买入信号/有持仓
    if len(stock_to_buy)>0:
        weight = 1/len(set(stock_to_buy+stock_to_adjust)) # 每只股票的比重为等资金比例持有
        for instrument in set(stock_to_buy+stock_to_adjust):
            sid = context.symbol(instrument) # 将标的转化为equity格式
            if  data.can_trade(sid):
                context.order_target_value(sid, weight*cash_for_buy) # 买入
# 回测引擎：准备数据，只执行一次
def m3_prepare_bigquant_run(context):
    # 加载预测数据
    df = context.options['data'].read_df()

    # 函数：求满足开仓条件的股票列表
    def open_pos_con(df):
        return list(df[df['buy_condition']>0].instrument)

    # 函数：求满足平仓条件的股票列表
    def close_pos_con(df):
        return list(df[df['sell_condition']>0].instrument)

    # 每日买入股票的数据框
    context.daily_stock_buy= df.groupby('date').apply(open_pos_con)
    # 每日卖出股票的数据框
    context.daily_stock_sell= df.groupby('date').apply(close_pos_con)
# 回测引擎：初始化函数，只执行一次
def m3_initialize_bigquant_run(context):

    # 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))


m1 = 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
buy_condition=where(mean(close_0,5)>mean(close_0,50),1,0)
sell_condition=where(mean(close_0,5)<mean(close_0,50),1,0)""",
    m_cached=False
)

m2 = M.instruments.v2(
    start_date=T.live_run_param('trading_date', '2012-05-29'),
    end_date=T.live_run_param('trading_date', '2017-11-08'),
    market='CN_STOCK_A',
    instrument_list='600519.SHA',
    max_count=0
)

m7 = M.general_feature_extractor.v7(
    instruments=m2.data,
    features=m1.data,
    start_date='',
    end_date='',
    before_start_days=30
)

m8 = M.derived_feature_extractor.v3(
    input_data=m7.data,
    features=m1.data,
    date_col='date',
    instrument_col='instrument',
    drop_na=False,
    remove_extra_columns=False
)

m6 = M.dropnan.v1(
    input_data=m8.data
)

m3 = M.trade.v4(
    instruments=m2.data,
    options_data=m6.data,
    start_date='',
    end_date='',
    handle_data=m3_handle_data_bigquant_run,
    prepare=m3_prepare_bigquant_run,
    initialize=m3_initialize_bigquant_run,
    volume_limit=0.025,
    order_price_field_buy='open',
    order_price_field_sell='open',
    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=''
)

[2019-01-24 10:21:03.229337] INFO: bigquant: input_features.v1 开始运行..
[2019-01-24 10:21:03.237439] INFO: bigquant: input_features.v1 运行完成[0.008104s].
[2019-01-24 10:21:03.240759] INFO: bigquant: instruments.v2 开始运行..
[2019-01-24 10:21:03.246090] INFO: bigquant: 命中缓存
[2019-01-24 10:21:03.247002] INFO: bigquant: instruments.v2 运行完成[0.006273s].
[2019-01-24 10:21:03.253295] INFO: bigquant: general_feature_extractor.v7 开始运行..
[2019-01-24 10:21:03.258747] INFO: bigquant: 命中缓存
[2019-01-24 10:21:03.259789] INFO: bigquant: general_feature_extractor.v7 运行完成[0.006449s].
[2019-01-24 10:21:03.262993] INFO: bigquant: derived_feature_extractor.v3 开始运行..
[2019-01-24 10:21:03.360734] INFO: derived_feature_extractor: 提取完成 buy_condition=where(mean(close_0,5)>mean(close_0,50),1,0), 0.011s
[2019-01-24 10:21:03.371789] INFO: derived_feature_extractor: 提取完成 sell_condition=where(mean(close_0,5)<mean(close_0,50),1,0), 0.010s
[2019-01-24 10:21:03.392186] INFO: derived_feature_extractor: /y_2012, 165
[2019-01-24 10:21:03.416805] INFO: derived_feature_extractor: /y_2013, 238
[2019-01-24 10:21:03.443336] INFO: derived_feature_extractor: /y_2014, 245
[2019-01-24 10:21:03.467377] INFO: derived_feature_extractor: /y_2015, 244
[2019-01-24 10:21:03.492467] INFO: derived_feature_extractor: /y_2016, 244
[2019-01-24 10:21:03.518638] INFO: derived_feature_extractor: /y_2017, 207
[2019-01-24 10:21:03.556622] INFO: bigquant: derived_feature_extractor.v3 运行完成[0.293596s].
[2019-01-24 10:21:03.559887] INFO: bigquant: dropnan.v1 开始运行..
[2019-01-24 10:21:03.632438] INFO: dropnan: /y_2012, 165/165
[2019-01-24 10:21:03.658496] INFO: dropnan: /y_2013, 238/238
[2019-01-24 10:21:03.684874] INFO: dropnan: /y_2014, 245/245
[2019-01-24 10:21:03.710760] INFO: dropnan: /y_2015, 244/244
[2019-01-24 10:21:03.739511] INFO: dropnan: /y_2016, 244/244
[2019-01-24 10:21:03.776395] INFO: dropnan: /y_2017, 207/207
[2019-01-24 10:21:03.788098] INFO: dropnan: 行数: 1343/1343
[2019-01-24 10:21:03.790329] INFO: bigquant: dropnan.v1 运行完成[0.230434s].
[2019-01-24 10:21:03.805786] INFO: bigquant: backtest.v8 开始运行..
[2019-01-24 10:21:03.808036] INFO: bigquant: biglearning backtest:V8.1.6
[2019-01-24 10:21:06.070987] INFO: bigquant: product_type:stock by specified
[2019-01-24 10:21:17.359534] INFO: bigquant: 读取股票行情完成:1568
[2019-01-24 10:21:17.407634] INFO: algo: TradingAlgorithm V1.4.2
[2019-01-24 10:21:17.639002] INFO: algo: trading transform...
日期： 2012-07-13 股票： 600519.SHA 出现止盈状况
日期： 2012-08-09 股票： 600519.SHA 出现止盈状况
日期： 2012-10-09 股票： 600519.SHA 出现止盈状况
日期： 2012-10-12 股票： 600519.SHA 出现止盈状况
日期： 2012-10-16 股票： 600519.SHA 出现止盈状况
日期： 2012-10-18 股票： 600519.SHA 出现止盈状况
日期： 2013-05-07 股票： 600519.SHA 出现止盈状况
日期： 2013-05-09 股票： 600519.SHA 出现止盈状况
日期： 2013-05-22 股票： 600519.SHA 出现止盈状况
日期： 2014-01-27 股票： 600519.SHA 出现止盈状况
日期： 2014-02-14 股票： 600519.SHA 出现止盈状况
日期： 2014-02-28 股票： 600519.SHA 出现止盈状况
日期： 2014-03-04 股票： 600519.SHA 出现止盈状况
日期： 2014-03-06 股票： 600519.SHA 出现止盈状况
日期： 2014-03-17 股票： 600519.SHA 出现止盈状况
日期： 2014-03-19 股票： 600519.SHA 出现止盈状况
日期： 2014-03-21 股票： 600519.SHA 出现止盈状况
日期： 2014-04-10 股票： 600519.SHA 出现止盈状况
日期： 2014-04-18 股票： 600519.SHA 出现止盈状况
日期： 2014-04-23 股票： 600519.SHA 出现止盈状况
日期： 2014-06-30 股票： 600519.SHA 出现止盈状况
日期： 2014-07-03 股票： 600519.SHA 出现止盈状况
日期： 2014-07-07 股票： 600519.SHA 出现止盈状况
日期： 2014-07-14 股票： 600519.SHA 出现止盈状况
日期： 2014-07-16 股票： 600519.SHA 出现止盈状况
日期： 2014-07-18 股票： 600519.SHA 出现止盈状况
日期： 2014-07-22 股票： 600519.SHA 出现止盈状况
日期： 2014-07-28 股票： 600519.SHA 出现止盈状况
日期： 2014-08-01 股票： 600519.SHA 出现止盈状况
日期： 2014-08-05 股票： 600519.SHA 出现止盈状况
日期： 2014-09-03 股票： 600519.SHA 出现止盈状况
日期： 2014-09-05 股票： 600519.SHA 出现止盈状况
日期： 2014-12-02 股票： 600519.SHA 出现止盈状况
日期： 2014-12-04 股票： 600519.SHA 出现止盈状况
日期： 2014-12-08 股票： 600519.SHA 出现止盈状况
日期： 2014-12-10 股票： 600519.SHA 出现止盈状况
日期： 2014-12-15 股票： 600519.SHA 出现止盈状况
日期： 2014-12-19 股票： 600519.SHA 出现止盈状况
日期： 2014-12-23 股票： 600519.SHA 出现止盈状况
日期： 2014-12-25 股票： 600519.SHA 出现止盈状况
日期： 2014-12-31 股票： 600519.SHA 出现止盈状况
日期： 2015-02-16 股票： 600519.SHA 出现止盈状况
日期： 2015-02-25 股票： 600519.SHA 出现止盈状况
日期： 2015-02-27 股票： 600519.SHA 出现止盈状况
日期： 2015-03-09 股票： 600519.SHA 出现止盈状况
日期： 2015-03-11 股票： 600519.SHA 出现止盈状况
日期： 2015-03-16 股票： 600519.SHA 出现止盈状况
日期： 2015-03-18 股票： 600519.SHA 出现止盈状况
日期： 2015-03-23 股票： 600519.SHA 出现止盈状况
日期： 2015-03-26 股票： 600519.SHA 出现止盈状况
日期： 2015-03-30 股票： 600519.SHA 出现止盈状况
日期： 2015-04-03 股票： 600519.SHA 出现止盈状况
日期： 2015-04-08 股票： 600519.SHA 出现止盈状况
日期： 2015-04-13 股票： 600519.SHA 出现止盈状况
日期： 2015-04-16 股票： 600519.SHA 出现止盈状况
日期： 2015-04-20 股票： 600519.SHA 出现止盈状况
日期： 2015-05-22 股票： 600519.SHA 出现止盈状况
日期： 2015-10-19 股票： 600519.SHA 出现止盈状况
日期： 2015-10-22 股票： 600519.SHA 出现止盈状况
日期： 2015-10-26 股票： 600519.SHA 出现止盈状况
日期： 2015-11-05 股票： 600519.SHA 出现止盈状况
日期： 2015-12-21 股票： 600519.SHA 出现止盈状况
日期： 2016-02-26 股票： 600519.SHA 出现止盈状况
日期： 2016-03-01 股票： 600519.SHA 出现止盈状况
日期： 2016-03-03 股票： 600519.SHA 出现止盈状况
日期： 2016-03-24 股票： 600519.SHA 出现止盈状况
日期： 2016-03-28 股票： 600519.SHA 出现止盈状况
日期： 2016-04-06 股票： 600519.SHA 出现止盈状况
日期： 2016-05-03 股票： 600519.SHA 出现止盈状况
日期： 2016-05-05 股票： 600519.SHA 出现止盈状况
日期： 2016-05-09 股票： 600519.SHA 出现止盈状况
日期： 2016-05-11 股票： 600519.SHA 出现止盈状况
日期： 2016-05-31 股票： 600519.SHA 出现止盈状况
日期： 2016-06-02 股票： 600519.SHA 出现止盈状况
日期： 2016-06-27 股票： 600519.SHA 出现止盈状况
日期： 2016-06-29 股票： 600519.SHA 出现止盈状况
日期： 2016-07-04 股票： 600519.SHA 出现止盈状况
日期： 2016-07-06 股票： 600519.SHA 出现止盈状况
日期： 2016-07-11 股票： 600519.SHA 出现止盈状况
日期： 2016-10-18 股票： 600519.SHA 出现止盈状况
日期： 2016-10-25 股票： 600519.SHA 出现止盈状况
日期： 2016-10-27 股票： 600519.SHA 出现止盈状况
日期： 2016-11-08 股票： 600519.SHA 出现止盈状况
日期： 2016-11-29 股票： 600519.SHA 出现止盈状况
日期： 2016-12-01 股票： 600519.SHA 出现止盈状况
日期： 2016-12-06 股票： 600519.SHA 出现止盈状况
日期： 2016-12-08 股票： 600519.SHA 出现止盈状况
日期： 2017-01-04 股票： 600519.SHA 出现止盈状况
日期： 2017-01-06 股票： 600519.SHA 出现止盈状况
日期： 2017-01-10 股票： 600519.SHA 出现止盈状况
日期： 2017-01-12 股票： 600519.SHA 出现止盈状况
日期： 2017-01-17 股票： 600519.SHA 出现止盈状况
日期： 2017-02-20 股票： 600519.SHA 出现止盈状况
日期： 2017-02-22 股票： 600519.SHA 出现止盈状况
日期： 2017-02-24 股票： 600519.SHA 出现止盈状况
日期： 2017-03-06 股票： 600519.SHA 出现止盈状况
日期： 2017-03-09 股票： 600519.SHA 出现止盈状况
日期： 2017-03-13 股票： 600519.SHA 出现止盈状况
日期： 2017-03-15 股票： 600519.SHA 出现止盈状况
日期： 2017-03-17 股票： 600519.SHA 出现止盈状况
日期： 2017-03-21 股票： 600519.SHA 出现止盈状况
日期： 2017-04-07 股票： 600519.SHA 出现止盈状况
日期： 2017-04-12 股票： 600519.SHA 出现止盈状况
日期： 2017-04-18 股票： 600519.SHA 出现止盈状况
日期： 2017-04-20 股票： 600519.SHA 出现止盈状况
日期： 2017-04-25 股票： 600519.SHA 出现止盈状况
日期： 2017-04-27 股票： 600519.SHA 出现止盈状况
日期： 2017-05-02 股票： 600519.SHA 出现止盈状况
日期： 2017-05-04 股票： 600519.SHA 出现止盈状况
日期： 2017-05-15 股票： 600519.SHA 出现止盈状况
日期： 2017-05-18 股票： 600519.SHA 出现止盈状况
日期： 2017-05-22 股票： 600519.SHA 出现止盈状况
日期： 2017-06-07 股票： 600519.SHA 出现止盈状况
日期： 2017-06-09 股票： 600519.SHA 出现止盈状况
日期： 2017-06-14 股票： 600519.SHA 出现止盈状况
日期： 2017-06-16 股票： 600519.SHA 出现止盈状况
日期： 2017-06-26 股票： 600519.SHA 出现止盈状况
日期： 2017-07-24 股票： 600519.SHA 出现止盈状况
日期： 2017-07-28 股票： 600519.SHA 出现止盈状况
日期： 2017-08-02 股票： 600519.SHA 出现止盈状况
日期： 2017-08-07 股票： 600519.SHA 出现止盈状况
日期： 2017-08-09 股票： 600519.SHA 出现止盈状况
日期： 2017-08-14 股票： 600519.SHA 出现止盈状况
日期： 2017-09-18 股票： 600519.SHA 出现止盈状况
日期： 2017-09-21 股票： 600519.SHA 出现止盈状况
日期： 2017-09-25 股票： 600519.SHA 出现止盈状况
日期： 2017-09-28 股票： 600519.SHA 出现止盈状况
日期： 2017-10-09 股票： 600519.SHA 出现止盈状况
日期： 2017-10-11 股票： 600519.SHA 出现止盈状况
日期： 2017-10-13 股票： 600519.SHA 出现止盈状况
日期： 2017-10-19 股票： 600519.SHA 出现止盈状况
日期： 2017-10-26 股票： 600519.SHA 出现止盈状况
日期： 2017-11-06 股票： 600519.SHA 出现止盈状况
日期： 2017-11-08 股票： 600519.SHA 出现止盈状况
[2019-01-24 10:21:22.140459] INFO: Performance: Simulated 1327 trading days out of 1327.
[2019-01-24 10:21:22.141598] INFO: Performance: first open: 2012-05-29 09:30:00+00:00
[2019-01-24 10:21:22.142406] INFO: Performance: last close: 2017-11-08 15:00:00+00:00

[2019-01-24 10:21:24.860551] INFO: bigquant: backtest.v8 运行完成[21.054745s].