量化策略——市盈率策略选股源码

geek001

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：

1. import talib
   
2. 
   
3. import numpy as np
   
4. 
   
5. import math
   
6. 
   
7. import pandas
   
8. 
   
9. import time
   
10. 
    
11. import datetime
    
12. 
    
13. from functools import reduce
    
14. 
    
15. #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
    
16. 
    
17. def init(context):
    
18. 
    
19. #滑点默认值为2‰
    
20. 
    
21. context.set_slippage(0.002)
    
22. 
    
23. #交易费默认值为0.25‰
    
24. 
    
25. context.set_commission(0.00025)
    
26. 
    
27. #基准默认为沪深300
    
28. 
    
29. context.set_benchmark("000300.SH")
    
30. 
    
31. #调仓周期
    
32. 
    
33. task.weekly(option_stock, weekday=2, time_rule=market_open(minute=5))
    
34. 
    
35. #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
    
36. 
    
37. #task.daily(option_stock, time_rule=market_close(minute=5)) #每天收盘前5分钟运行
    
38. 
    
39. #task.weekly(option_stock, weekday=2, time_rule=market_open(minute=5)) #每周周二开盘后5分钟运行
    
40. 
    
41. #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
    
42. 
    
43. #每天开盘前进行选股
    
44. 
    
45. def before_trade(context):
    
46. 
    
47. context.stock_list = choose_stock_finance()
    
48. 
    
49. #日或分钟或实时数据更新，将会调用这个函数
    
50. 
    
51. def handle_data(context,data_dict):
    
52. 
    
53. pass
    
54. 
    
55. #操作股票
    
56. 
    
57. def option_stock(context,data_dict):
    
58. 
    
59. stock_list = context.stock_list
    
60. 
    
61. sell_stock(context,stock_list,data_dict) #先卖出股票再买入
    
62. 
    
63. for stock in stock_list:
    
64. 
    
65. buy_stock(context,stock) #买入股票
    
66. 
    
67. #策略买入信号函数
    
68. 
    
69. def buy_stock(context, stock):
    
70. 
    
71. context.percentage = 1 #设置单支股票最大买入仓位
    
72. 
    
73. stock_buy_num = 10 #最多买入股票数量
    
74. 
    
75. stock_percentage = 0.99/stock_buy_num #每支股票买入的最大仓位
    
76. 
    
77. if len(context.portfolio.positions) < stock_buy_num:
    
78. 
    
79. if stock_percentage > context.percentage: #设置单支股票最大买入仓位
    
80. 
    
81. stock_percentage = context.percentage #更换买入仓位
    
82. 
    
83. order_percent(stock, stock_percentage) #买入股票
    
84. 
    
85. #策略卖出信号函数
    
86. 
    
87. def sell_stock(context,stock_list,data_dict):
    
88. 
    
89. for stock in list(context.portfolio.positions.keys()):
    
90. 
    
91. if not (stock in stock_list):
    
92. 
    
93. order_target_value(stock,0) #如果不在股票列表中则全部卖出
    
94. 
    
95. #选股函数
    
96. 
    
97. def choose_stock_finance():
    
98. 
    
99. dataframe = get_fundamentals(
    
100. 
     
101. query(
     
102. 
     
103. 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
     
104. 
     
105. ).filter(
     
106. 
     
107. fundamentals.equity_valuation_indicator.pe_ratio_ttm > 10
     
108. 
     
109. ).filter(
     
110. 
     
111. fundamentals.equity_valuation_indicator.pe_ratio_ttm < 40
     
112. 
     
113. ).filter(
     
114. 
     
115. fundamentals.equity_valuation_indicator.pe_ratio_nobtest > 10
     
116. 
     
117. ).filter(
     
118. 
     
119. fundamentals.equity_valuation_indicator.pe_ratio_nobtest < 40
     
120. 
     
121. ).filter(
     
122. 
     
123. fundamentals.equity_valuation_indicator.pe_ratio > 10
     
124. 
     
125. ).filter(
     
126. 
     
127. fundamentals.equity_valuation_indicator.pe_ratio < 40
     
128. 
     
129. ).filter(
     
130. 
     
131. fundamentals.financial_analysis_indicator.inc_gross_profit > 1
     
132. 
     
133. ).filter(
     
134. 
     
135. fundamentals.financial_analysis_indicator.inc_gross_profit < 100
     
136. 
     
137. ).filter(
     
138. 
     
139. fundamentals.equity_valuation_indicator.market_cap_2 > 10000000000
     
140. 
     
141. ).filter(
     
142. 
     
143. fundamentals.equity_valuation_indicator.market_cap_2 < 30000000000
     
144. 
     
145. )
     
146. 
     
147. )
     
148. 
     
149. stock_list = dataframe.columns.values
     
150. 
     
151. return stock_list
     
152. 
     

复制代码