量化策略——市盈率策略选股源码
市盈率是我们选股的一个和重要参考，本文以市盈率为选股模型，运用python实现选股：import talib
import numpy as np
import math
import pandas
import time
import datetime
from functools import reduce
#init方法是您的初始化逻辑，context对象可以在任何函数之间传递
def init(context):
#滑点默认值为2‰
context.set_slippage(0.002)
#交易费默认值为0.25‰
context.set_commission(0.00025)
#基准默认为沪深300
context.set_benchmark("000300.SH")
#调仓周期
task.weekly(option_stock, weekday=2, time_rule=market_open(minute=5))
#下面为几个定时执行的策略代码，可放开注释替换上面的执行时间
#task.daily(option_stock, time_rule=market_close(minute=5)) #每天收盘前5分钟运行
#task.weekly(option_stock, weekday=2, time_rule=market_open(minute=5)) #每周周二开盘后5分钟运行
#task.monthly(option_stock, tradingday=1 ,time_rule=market_open(minute=5)) #每月第1个交易日开盘后5分运行
#每天开盘前进行选股
def before_trade(context):
context.stock_list = choose_stock_finance()
#日或分钟或实时数据更新，将会调用这个函数
def handle_data(context,data_dict):
pass
#操作股票
def option_stock(context,data_dict):
stock_list = context.stock_list
sell_stock(context,stock_list,data_dict) #先卖出股票再买入
for stock in stock_list:
buy_stock(context,stock) #买入股票
#策略买入信号函数
def buy_stock(context, stock):
context.percentage = 1 #设置单支股票最大买入仓位
stock_buy_num = 10 #最多买入股票数量
stock_percentage = 0.99/stock_buy_num #每支股票买入的最大仓位
if len(context.portfolio.positions) < stock_buy_num:
if stock_percentage > context.percentage: #设置单支股票最大买入仓位
stock_percentage = context.percentage #更换买入仓位
order_percent(stock, stock_percentage) #买入股票
#策略卖出信号函数
def sell_stock(context,stock_list,data_dict):
for stock in list(context.portfolio.positions.keys()):
if not (stock in stock_list):
order_target_value(stock,0) #如果不在股票列表中则全部卖出
#选股函数
def choose_stock_finance():
dataframe = get_fundamentals(
query(
fundamentals.equity_valuation_indicator.pe_ratio_ttm, fundamentals.equity_valuation_indicator.pe_ratio_nobtest, fundamentals.equity_valuation_indicator.pe_ratio, fundamentals.financial_analysis_indicator.inc_gross_profit, fundamentals.equity_valuation_indicator.market_cap_2
).filter(
fundamentals.equity_valuation_indicator.pe_ratio_ttm > 10
).filter(
fundamentals.equity_valuation_indicator.pe_ratio_ttm < 40
).filter(
fundamentals.equity_valuation_indicator.pe_ratio_nobtest > 10
).filter(
fundamentals.equity_valuation_indicator.pe_ratio_nobtest < 40
).filter(
fundamentals.equity_valuation_indicator.pe_ratio > 10
).filter(
fundamentals.equity_valuation_indicator.pe_ratio < 40
).filter(
fundamentals.financial_analysis_indicator.inc_gross_profit > 1
).filter(
fundamentals.financial_analysis_indicator.inc_gross_profit < 100
).filter(
fundamentals.equity_valuation_indicator.market_cap_2 > 10000000000
).filter(
fundamentals.equity_valuation_indicator.market_cap_2 < 30000000000
)
)
stock_list = dataframe.columns.values
return stock_list
页:
[1]