%%backtest
start = '2020-01-01' # 回测起始时间
end = '2022-02-21' # 回测结束时间
# universe = StockUniverse('HS300') # 证券池
# benchmark = 'HS300' # 策略参考标准
# freq = 'd' # 策略类型，'d'表示日间策略使用日线回测，'m'表示日内策略使用分钟线回测
# refresh_rate = Weekly(1)
dir()
['AccountConfig', 'AssetType', 'BacktestDetailObject', 'BondUniverse', 'Commission', 'DataAPI', 'DynamicUniverse', 'FUNDDY', 'Factor', 'FundFactor', 'FundUniverse', 'IdxCN', 'In', 'IndSW', 'IndZJH', 'IndZZ', 'Monthly', 'OptionsUniverse', 'OrderObject', 'OrderState', 'OrderStatus', 'Out', 'PRESET_KEYARGS', 'PortfolioObject', 'PositionObject', 'SecurityObject', 'Signal', 'SignalGenerator', 'Slippage', 'StockFactor', 'StockScreener', 'StockUniverse', 'Weekly', '_', '__', '___', '__builtin__', '__builtins__', '__doc__', '__loader__', '__name__', '__orders__', '__package__', '__positions__', '__reduce_date_items__', '__spec__', '__start_time__', '_dh', '_i', '_i1', '_i2', '_i3', '_i4', '_i5', '_ih', '_ii', '_iii', '_oh', 'accounts', 'backtest', 'benchmark', 'bt', 'bt_by_account', 'bt_detail_define_code', 'bt_detail_format_code', 'cancel_order', 'capital_base', 'contest', 'datetime', 'dp', 'e', 'end', 'exit', 'f', 'format_multi_asset_bt', 'freq', 'get_account', 'get_asset', 'get_attribute_history', 'get_env', 'get_ipython', 'get_order', 'get_orders', 'get_symbol_history', 'get_universe', 'handle_data', 'history', 'initialize', 'json', 'last_perf', 'log', 'logging', 'max_history_window', 'normalize_code', 'np', 'observe', 'order', 'order_pct', 'order_pct_to', 'order_to', 'os', 'pd', 'perf', 'perf_chart', 'perf_parse', 'pyuqer', 'quit', 're', 'refresh_rate', 'register_cell_magic', 'requests', 'result', 'security_base', 'security_cost', 'set_universe', 'show_order', 'show_position', 'simulation_parameter', 'start', 'sys', 'threaded', 'time', 'universe', 'variables', 'warnings', 'with_post_trading_day']
?refresh_rate
Type: int String form: 1 Docstring: int([x]) -> integer int(x, base=10) -> integer Convert a number or string to an integer, or return 0 if no arguments are given. If x is a number, return x.__int__(). For floating point numbers, this truncates towards zero. If x is not a number or if base is given, then x must be a string, bytes, or bytearray instance representing an integer literal in the given base. The literal can be preceded by '+' or '-' and be surrounded by whitespace. The base defaults to 10. Valid bases are 0 and 2-36. Base 0 means to interpret the base from the string as an integer literal. >>> int('0b100', base=0) 4
?show_order
Signature: show_order(start='', end='') Docstring: 查看回测的订单详情 :param start: [string] 订单的起始日期，默认是回测结束日期的向前30个自然日或者是end日期的向前30个自然日,格式: YYYY-MM-DD :param end: [string] 订单的结束日期，默认是回测结束日期或者是start日期的向后30个自然日, 格式： YYYY-MM-DD :return: 返回start和end之间的订单列表 File: /srv/data/notes_py3/<ipython-input-4-328cc4dea1fc> Type: function
逻辑：
细节：
%%backtest
start = '2020-01-01'
end = '2022-02-21'
universe = StockUniverse('SH50')
benchmark = 'HS300'
freq = 'd'
refresh_rate = Weekly(2)
accounts = {
'stock_account': AccountConfig(account_type='security', capital_base=1e6)
}
def initialize(context):
"""
[帮助文档-->initialize策略初始化函数]
策略初始化函数，用于配置策略运行环境context对象的属性或自定义各种变量。在策略运行周期中只执行一次。您可以通过给context添加新的
属性，自定义各种变量。
context在策略运行（回测或模拟交易）启动时被创建，持续整个策略的生命周期。策略运行时可以读取context的已有系统属性或者自定义属
性。
[帮助文档-->策略运行环境Context]
context表示策略运行环境，包含运行时间、行情数据等内容，还可以用于存储策略中生成的临时数据。
策略框架会在启动时创建context的对象示例，并以参数形式传递给initialize(context)和handle_data(context)，用于策略调度。
回测时，context包含运行时间、回测参数、回测运行时数据等。模拟交易时，包含运行时间、模拟交易参数、实时运行数据等。
"""
# context.amount = 300
pass
def handle_data(context):
"""
[帮助文档-->handle_data策略运行主函数]
策略算法函数，策略运行时（回测或模拟交易），会根据初始化配置的策略算法运行频率调用该函数。策略算法可以通过context获取运行时的行
情数据、K线图、因子数据、订单簿等数据，并根据分析的结果，通过交易账户进行订单委托。
策略框架会根据实时的市场情况，进行订单撮合执行，在每日结束还会完成清算的操作。
"""
current_universe = context.get_universe(exclude_halt=True)
# print(current_universe)
# print(len(current_universe))
# pe_df = context.history(symbol='all', time_range=20, attribute=['PE'], freq='d', style='sat')
# display(pe_df)
price_dict = context.history(symbol='all', time_range=20, attribute=['closePrice'], freq='d', style='sat')
# print(price_dict)
# display(price_dict[list(price_dict.keys())[0]])
momentum = {'symbol':[], 'cum_ret':[]}
for stock in current_universe:
if price_dict[stock].iloc[0,0]:
momentum['symbol'].append(stock)
momentum['cum_ret'].append(price_dict[stock].iloc[-1,0] / price_dict[stock].iloc[0,0])
# print(momentum)
momentum_df = pd.DataFrame(momentum).sort_values('cum_ret').reset_index()
# display(momentum_df)
buy_list = momentum_df.loc[np.floor(momentum_df.shape[0]*0.8):, 'symbol'].tolist() # momentum
# print(buy_list)
# # buy_list = momentum_df.loc[:np.ceil(momentum_df.shape[0]*0.1), 'symbol'].tolist() # reversal
stock_account = context.get_account('stock_account')
# print(stock_account)
current_positions = stock_account.get_positions(exclude_halt=True)
# print(current_positions)
for stock in current_positions:
if stock not in buy_list:
stock_account.order_to(stock, 0)
for stock in buy_list:
stock_account.order_pct_to(stock, 0.15)
%%backtest
start = '2020-01-01' # 回测起始时间
end = '2022-02-21' # 回测结束时间
universe = StockUniverse('HS300') # 证券池
benchmark = 'HS300' # 策略参考标准
freq = 'd' # 策略类型，'d'表示日间策略使用日线回测，'m'表示日内策略使用分钟线回测
refresh_rate = Weekly(1) # 调仓频率，表示执行handle_data的时间间隔，若freq = 'd'时间间隔的单位为交易日，若freq = 'm'时间间隔为分钟
# 配置账户信息，支持多资产多账户
accounts = {
'stock_account': AccountConfig(account_type='security', capital_base=10000000)
}
def initialize(context):
pass
# 每个单位时间(如果按天回测,则每天调用一次,如果按分钟,则每分钟调用一次)调用一次
def handle_data(context):
previous_date = context.previous_date.strftime('%Y-%m-%d')
# 获取当天的可交易证券列表
universe = context.get_universe(exclude_halt=True)
# 获取因子PE的的历史数据，得到前一个交易日的横截面PE值
history_data = context.history(symbol=universe, attribute='PE', time_range=1, style='tas')
data = history_data.get(previous_date)
# 将因子值从小到大排序，并取前10支股票作为目标持仓
signal = data['PE'].sort_values(ascending=True)
signal = signal[signal > 0]
target_positions = signal[:10].index
# 获取当前账户信息
account = context.get_account('stock_account')
current_position = account.get_positions(exclude_halt=True)
for stock in set(current_position).difference(target_positions):
account.order_to(stock, 0)
for stock in target_positions:
account.order_pct_to(stock, 1.0 / len(target_positions))
# #查看调仓记录
show_order(start,end)
# #查看持仓记录
show_position(start,end)