文章声明:本内容为个人的业余研究，和任何单位，机构没有关系，文章出现的股票代码，全部只是测试例子，不做投资参考，投资有风险，代码学习使用，不做商业用途
qmt方面我也比较熟悉，最近在看ptrade感觉比qmt简单太多了。qmt一个大qmt，一个miniqmt。写起来比较复杂，qmt，ptrade各有所长，给群友写量化教程，把全部qmt迁移到ptrade，方便大家研究使用，重点提示一下ptrade的实盘是不支持回测的，需要利用模拟盘
qmt时间运行函数比较少一个handle 一个run_time,ptrade时间运行函数比较多
网页链接我全部上线了可以看http://120.78.132.143:9999/xms_quants.html，也可以共众号里面看
里面就有我上线的ptrade教程
策略运行周期
回测支持日线级别、分钟级别运行，详见handle_data方法。
交易支持日线级别、分钟级别、tick级别运行，日线级别和分钟级别详见handle_data方法，tick级别运行详见run_interval和tick_data方法。
频率：日线级别
当选择日线频率时，回测和交易都是每天运行一次，运行时间为每天盘后。
频率：分钟级别
当选择分钟频率时，回测和交易都是每分钟运行一次，运行时间为每根分钟K线结束。
频率：tick级别
当选择tick频率时，交易最小频率可以达到3秒运行一次。
策略运行时间
盘前运行:
9:30分钟之前为盘前运行时间，交易环境支持运行在run_daily中指定交易时间(如time='09:15')运行的函数；回测环境和交易环境支持运行before_trading_start函数
盘中运行:
9:31(回测)/9:30(交易)~15:00分钟为盘中运行时间，分钟级别回测环境和交易环境支持运行在run_daily中指定交易时间(如time='14:30')运行的函数；回测环境和交易环境支持运行handle_data函数；交易环境支持运行run_interval函数
盘后运行:
15:30分钟为盘后运行时间，回测环境和交易环境支持运行after_trading_end函数(该函数为定时运行)；15:00之后交易环境支持运行在run_daily中指定交易时间(如time='15:10')运行的函数，
handle_data（函数1）
handle_data(context, data)使用场景
该函数仅在回测、交易模块可用
接口说明
该函数在交易时间内按指定的周期频率运行，是用于处理策略交易的主要模块，根据策略保存时的周期参数分为每分钟运行和每天运行，是策略运行的唯二必须定义函数之一。
注意事项：
-
该函数每个单位周期执行一次
-
如果是日线级别策略，每天执行一次。股票回测场景下，在15:00执行；股票交易场景下，执行时间为券商实际配置时间。
-
如果是分钟级别策略，每分钟执行一次，股票回测场景下，执行时间为9:31 -- 15:00，股票交易场景下，执行时间为9:30 -- 14:59。
-
回测与交易中，handle_data函数不会在非交易日触发（如回测或交易起始日期为2015年12月21日，则策略在2016年1月1日-3日时，handle_data不会运行，4日继续运行）。
例子代码
'''作者：西蒙斯量化微信：xms_quants1使用场景该函数仅在回测、交易模块可用接口说明该函数在交易时间内按指定的周期频率运行，是用于处理策略交易的主要模块，根据策略保存时的周期参数分为每分钟运行和每天运行，是策略运行的唯二必须定义函数之一。注意事项：该函数每个单位周期执行一次如果是日线级别策略，每天执行一次。股票回测场景下，在15:00执行；股票交易场景下，执行时间为券商实际配置时间。如果是分钟级别策略，每分钟执行一次，股票回测场景下，执行时间为9:31 -- 15:00，股票交易场景下，执行时间为9:30 -- 14:59。回测与交易中，handle_data函数不会在非交易日触发（如回测或交易起始日期为2015年12月21日，则策略在2016年1月1日-3日时，handle_data不会运行，4日继续运行）。'''import pandas as pddef initialize(context):g.security = "600570.SS"set_universe([g.security])def get_xms_account(context):'''获取西蒙斯账户数据'''df=pd.DataFrame()df['可用金额']=[context.portfolio.cash]df['总资产']=[context.portfolio.portfolio_value]df['持仓价值']=[context.portfolio.positions_value]df['已使用现金']=[context.portfolio.capital_used]df['当前收益比例']=[context.portfolio.returns]df['初始账户总资产']=[context.portfolio.pnl]df['开始时间']=[context.portfolio.start_date]return dfdef get_xms_position(context):'''获取西蒙斯持股数据'''data=pd.DataFrame()positions=context.portfolio.positionsstock_list=list(set(positions.keys()))print('持股数量{}'.format(len(stock_list)))for stock in stock_list:df=pd.DataFrame()df['证券代码']=[positions[stock].sid]df['可以数量']=[positions[stock].enable_amount]df['持有数量']=[positions[stock].amount]df['最新价']=[positions[stock].last_sale_price ]df['成本价']=[positions[stock].cost_basis ]df['今日买入']=[positions[stock].today_amount ]df['持股类型']=[positions[stock].business_type ]data=pd.concat([data,df],ignore_index=True)return datadef get_xms_order(context):'''获取西蒙斯委托数据'''orders=get_orders()print("委托数量{}".format(len(orders)))data=pd.DataFrame()if len(orders)>0:for ors in orders:df=pd.DataFrame()df['订单号']=[ors.id]df['订单产生时间']=[ors.dt]df['指定价格']=[ors.limit ]df['证券代码']=[ors.symbol ]df['委托数量']=[ors.amount ]df['订单生成时间']=[ors.created ]df['成交数量']=[ors.filled ]df['委托编号']=[ors.entrust_no]df['盘口档位']=[ors.priceGear ]df['订单状态']=[ors.status ]data=pd.concat([data,df],ignore_index=True)else:data=datareturn datadef get_xms_position_on(context,security=''):''''获取西蒙斯单股的持股情况'''pos=get_positions(security=security)df=pd.DataFrame()if len(pos)>0:df['证券代码']=[pos[security].sid]df['可以数量']=[pos[security].enable_amount]df['持有数量']=[pos[security].amount]df['最新价']=[pos[security].last_sale_price ]df['成本价']=[pos[security].cost_basis ]df['今日买入']=[pos[security].today_amount ]df['持股类型']=[pos[security].business_type ]else:df=dfreturn dfdef handle_data(context, data):'''每一个数据周期调用一次下面的函数，回测口语点击运行，实盘只有在交易时间会触发'''df=get_xms_account(context)print(df)df=get_xms_position(context)print(df)df=get_xms_order(context)print(df)df=get_xms_position_on(context,security='600031.SS')print(df)
run_interval -函数2 按设定周期处理
run_interval(context, func, seconds=10)使用场景
该函数仅在交易模块可用
接口说明
该函数用于以设定时间间隔（单位为秒）周期性运行指定函数，可对运行触发时间间隔进行指定。
注意事项：
1、该函数只能在初始化阶段initialize函数中调用。
2、该函数可以多次设定，会以多个线程并行运行，但要小心不同线程之间的逻辑关联处理
3、seconds设置最小时间间隔为3秒，小于3秒默认设定为3秒。
参数
context: Context对象，存放有当前的账户及持仓信息(Context)；
func：自定义函数名称，此函数必须以context作为参数(Callable[[Context], None])；
seconds：设定时间间隔（单位为秒），取值为正整数(int)。
例子
'''作者：西蒙斯量化微信：xms_quants1使用场景该函数仅在回测、交易模块可用接口说明该函数在交易时间内按指定的周期频率运行，是用于处理策略交易的主要模块，根据策略保存时的周期参数分为每分钟运行和每天运行，是策略运行的唯二必须定义函数之一。注意事项：该函数每个单位周期执行一次如果是日线级别策略，每天执行一次。股票回测场景下，在15:00执行；股票交易场景下，执行时间为券商实际配置时间。如果是分钟级别策略，每分钟执行一次，股票回测场景下，执行时间为9:31 -- 15:00，股票交易场景下，执行时间为9:30 -- 14:59。回测与交易中，handle_data函数不会在非交易日触发（如回测或交易起始日期为2015年12月21日，则策略在2016年1月1日-3日时，handle_data不会运行，4日继续运行）。'''import pandas as pddef initialize(context):g.security = "600570.SS"set_universe([g.security])def get_xms_account(context):'''获取西蒙斯账户数据'''df=pd.DataFrame()df['可用金额']=[context.portfolio.cash]df['总资产']=[context.portfolio.portfolio_value]df['持仓价值']=[context.portfolio.positions_value]df['已使用现金']=[context.portfolio.capital_used]df['当前收益比例']=[context.portfolio.returns]df['初始账户总资产']=[context.portfolio.pnl]df['开始时间']=[context.portfolio.start_date]return dfdef get_xms_position(context):'''获取西蒙斯持股数据'''data=pd.DataFrame()positions=context.portfolio.positionsstock_list=list(set(positions.keys()))print('持股数量{}'.format(len(stock_list)))for stock in stock_list:df=pd.DataFrame()df['证券代码']=[positions[stock].sid]df['可以数量']=[positions[stock].enable_amount]df['持有数量']=[positions[stock].amount]df['最新价']=[positions[stock].last_sale_price ]df['成本价']=[positions[stock].cost_basis ]df['今日买入']=[positions[stock].today_amount ]df['持股类型']=[positions[stock].business_type ]data=pd.concat([data,df],ignore_index=True)return datadef get_xms_order(context):'''获取西蒙斯委托数据'''orders=get_orders()print("委托数量{}".format(len(orders)))data=pd.DataFrame()if len(orders)>0:for ors in orders:df=pd.DataFrame()df['订单号']=[ors.id]df['订单产生时间']=[ors.dt]df['指定价格']=[ors.limit ]df['证券代码']=[ors.symbol ]df['委托数量']=[ors.amount ]df['订单生成时间']=[ors.created ]df['成交数量']=[ors.filled ]df['委托编号']=[ors.entrust_no]df['盘口档位']=[ors.priceGear ]df['订单状态']=[ors.status ]data=pd.concat([data,df],ignore_index=True)else:data=datareturn datadef get_xms_position_on(context,security=''):''''获取西蒙斯单股的持股情况'''pos=get_positions(security=security)df=pd.DataFrame()if len(pos)>0:df['证券代码']=[pos[security].sid]df['可以数量']=[pos[security].enable_amount]df['持有数量']=[pos[security].amount]df['最新价']=[pos[security].last_sale_price ]df['成本价']=[pos[security].cost_basis ]df['今日买入']=[pos[security].today_amount ]df['持股类型']=[pos[security].business_type ]else:df=dfreturn dfdef handle_data(context, data):'''每一个数据周期调用一次下面的函数，回测口语点击运行，实盘只有在交易时间会触发'''df=get_xms_account(context)print(df)df=get_xms_position(context)print(df)df=get_xms_order(context)print(df)df=get_xms_position_on(context,security='600031.SS')print(df)
tick_data（函数3）
tick_data(context, data)使用场景
该函数仅交易模块可用
接口说明
该函数可以用于处理tick级别策略的交易逻辑，每隔3秒执行一次，如无tick处理需求，该函数可以在策略中不做定义。
注意事项：
-
该函数执行时间为9:30 -- 14:59。
-
该函数中的data和handle_data函数中的data是不一样的，请勿混肴。
-
参数data中包含的逐笔委托，逐笔成交数据需开通level2行情才能获取到数据，否则对应数据返回None。
-
参数data中的tick数据取自get_snapshot()并转换为DataFrame格式，如要更快速的获取快照强烈建议直接使用get_snapshot()获取。
-
当调用set_parameters()并设置tick_data_no_l2="1"时，参数data中将不包含逐笔委托、逐笔成交字段，当券商有l2行情时配置该参数可提升data取速；
-
当策略执行时间超过3s时，将会丢弃中间堵塞的tick_data。
-
在收盘后，将会清空队列中未执行的tick_data。
-
参数data中包含的逐笔委托，逐笔成交数据正常返回DataFrame格式，异常时返回None。
例子
'''作者:西蒙斯量化微信:xms_quants1只处理tick数据tick_data（可选）tick_data(context, data)使用场景该函数仅交易模块可用接口说明该函数可以用于处理tick级别策略的交易逻辑，每隔3秒执行一次，如无tick处理需求，该函数可以在策略中不做定义。注意事项：该函数执行时间为9:30 -- 14:59。该函数中的data和handle_data函数中的data是不一样的，请勿混肴。参数data中包含的逐笔委托，逐笔成交数据需开通level2行情才能获取到数据，否则对应数据返回None。参数data中的tick数据取自get_snapshot()并转换为DataFrame格式，如要更快速的获取快照强烈建议直接使用get_snapshot()获取。当调用set_parameters()并设置tick_data_no_l2="1"时，参数data中将不包含逐笔委托、逐笔成交字段，当券商有l2行情时配置该参数可提升data取速；当策略执行时间超过3s时，将会丢弃中间堵塞的tick_data。在收盘后，将会清空队列中未执行的tick_data。参数data中包含的逐笔委托，逐笔成交数据正常返回DataFrame格式，异常时返回None。'''def initialize(context):g.security = '600570.SS'set_universe(g.security)def tick_data(context,data):# 获取买一价security = g.securitycurrent_price = eval(data[security]['tick']['bid_grp'][0])[1][0]log.info(current_price)# 获取买二价# current_price = eval(data[security]['tick']['bid_grp'][0])[2][0]# 获取买三量# current_amount = eval(data[security]['tick']['bid_grp'][0])[3][1]# 获取tick最高价# current_high_price = data[security]['tick']['high_px'][0]# 最近一笔逐笔成交的成交量# transaction = data[security]["transcation"]# business_amount = list(transaction["business_amount"])# if len(business_amount) > 0:# log.info("最近一笔逐笔成交的成交量：%s" % business_amount[0])# 最近一笔逐笔委托的委托类别# order = data[security]["order"]# trans_kind = list(order["trans_kind"])# if len(trans_kind) > 0:# log.info("最近一笔逐笔委托的委托类别：%s" % trans_kind[0])if current_price > 38.19:# 按买一档价格下单order_tick(security, 100, 1)def handle_data(context, data):pass
run_daily-函数4按日周期处理
run_daily(context, func, time='9:31')使用场景
该函数仅在回测、交易模块可用
接口说明
该函数用于以日为单位周期性运行指定函数，可对运行触发时间进行指定。
注意事项：
1、该函数只能在初始化阶段initialize函数中调用。
2、该函数可以多次设定，以实现多个定时任务。
3、股票策略回测中，当回测周期为分钟时，time的取值指定在09:31~11:30与13:00~15:00之间，当回测周期为日时，无论设定值是多少都只会在15:00执行；交易中不受此时间限制。
参数
context: Context对象，存放有当前的账户及持仓信息(Context)；
func：自定义函数名称，此函数必须以context作为参数(Callable[[Context], None])；
time：指定周期运行具体触发运行时间点，交易场景可设置范围：00:00~23:59，必传字段。
例子
'''作者：西蒙斯 量化微信：xms_quants1run_daily-按日周期处理run_daily(context, func, time='9:31')使用场景该函数仅在回测、交易模块可用接口说明该函数用于以日为单位周期性运行指定函数，可对运行触发时间进行指定。注意事项：1、该函数只能在初始化阶段initialize函数中调用。2、该函数可以多次设定，以实现多个定时任务。3、股票策略回测中，当回测周期为分钟时，time的取值指定在09:31~11:30与13:00~15:00之间，当回测周期为日时，无论设定值是多少都只会在15:00执行；交易中不受此时间限制。参数context: Context对象，存放有当前的账户及持仓信息(Context)；func：自定义函数名称，此函数必须以context作为参数(Callable[[Context], None])；time：指定周期运行具体触发运行时间点，交易场景可设置范围：00:00~23:59，必传字段。'''import pandas as pddef initialize(context):g.security = "600570.SS"set_universe([g.security])#每天10点获取账户数据run_daily(context,get_xms_account,time='10:00')#每天9点半获取持股数据，注意时间前面没有0，和qmt的c.run_time有0不一样run_daily(context,get_xms_position,time ='9:30')#每天下午买入run_daily(context,buy,time ='14:30')def buy(context):order(security='600570.SS', amount=100, limit_price=18.23)def get_xms_account(context):'''获取西蒙斯账户数据'''df=pd.DataFrame()df['可用金额']=[context.portfolio.cash]df['总资产']=[context.portfolio.portfolio_value]df['持仓价值']=[context.portfolio.positions_value]df['已使用现金']=[context.portfolio.capital_used]df['当前收益比例']=[context.portfolio.returns]df['初始账户总资产']=[context.portfolio.pnl]df['开始时间']=[context.portfolio.start_date]return dfdef get_xms_position(context):'''获取西蒙斯持股数据'''data=pd.DataFrame()positions=context.portfolio.positionsstock_list=list(set(positions.keys()))print('持股数量{}'.format(len(stock_list)))for stock in stock_list:df=pd.DataFrame()df['证券代码']=[positions[stock].sid]df['可以数量']=[positions[stock].enable_amount]df['持有数量']=[positions[stock].amount]df['最新价']=[positions[stock].last_sale_price ]df['成本价']=[positions[stock].cost_basis ]df['今日买入']=[positions[stock].today_amount ]df['持股类型']=[positions[stock].business_type ]data=pd.concat([data,df],ignore_index=True)return datadef get_xms_order(context):'''获取西蒙斯委托数据'''orders=get_orders()print("委托数量{}".format(len(orders)))data=pd.DataFrame()if len(orders)>0:for ors in orders:df=pd.DataFrame()df['订单号']=[ors.id]df['订单产生时间']=[ors.dt]df['指定价格']=[ors.limit ]df['证券代码']=[ors.symbol ]df['委托数量']=[ors.amount ]df['订单生成时间']=[ors.created ]df['成交数量']=[ors.filled ]df['委托编号']=[ors.entrust_no]df['盘口档位']=[ors.priceGear ]df['订单状态']=[ors.status ]data=pd.concat([data,df],ignore_index=True)else:data=datareturn datadef get_xms_position_on(context,security=''):''''获取西蒙斯单股的持股情况'''pos=get_positions(security=security)df=pd.DataFrame()if len(pos)>0:df['证券代码']=[pos[security].sid]df['可以数量']=[pos[security].enable_amount]df['持有数量']=[pos[security].amount]df['最新价']=[pos[security].last_sale_price ]df['成本价']=[pos[security].cost_basis ]df['今日买入']=[pos[security].today_amount ]df['持股类型']=[pos[security].business_type ]else:df=dfreturn dfdef handle_data(context, data):'''每一个数据周期调用一次下面的函数，回测口语点击运行，实盘只有在交易时间会触发'''order(security='600570.SS', amount=100, limit_price=18.23)
其他的函数比如开票前，盘后，使用比较少
before_trading_start（可选）
before_trading_start(context, data)使用场景
该函数仅在回测、交易模块可用
接口说明
该函数在每天开始交易前被调用一次，用于添加每天都要初始化的信息，如无盘前初始化需求，该函数可以在策略中不做定义。
注意事项：
-
在回测中，该函数在每个回测交易日8:30分执行。
-
在交易中，该函数在开启交易时立即执行，从隔日开始每天9:10分(默认)执行。
-
当在9:10前开启交易时，受行情未更新原因在该函数内调用实时行情接口会导致数据有误。可通过在该函数内sleep至9:10分或调用实时行情接口改为run_daily执行等方式进行避免。
def initialize(context):#g为全局变量g.security = '600570.SS'set_universe(g.security)def before_trading_start(context, data):log.info(g.security)def handle_data(context, data):order('600570.SS',100)
after_trading_end（可选）
after_trading_end(context, data)使用场景
该函数仅在回测、交易模块可用
接口说明
该函数会在每天交易结束之后调用，用于处理每天收盘后的操作，如无盘后处理需求，该函数可以在策略中不做定义。
注意事项：
-
该函数只会执行一次
-
该函数执行时间为由券商配置决定，一般为15:30。
def initialize(context):#g为全局变量g.security = '600570.SS'set_universe(g.security)def handle_data(context, data):order('600570.SS',100)def after_trading_end(context, data):log.info(g.security)
文章详情
ptrade量化教程---策略运行周期例子
https://mp.weixin.qq.com/s/x6TKdDXXGr_BNtIfaQ6mQQ
'''作者：西蒙斯量化微信：xms_quants1'''import pandas as pddef initialize(context):g.security = "600570.SS"set_universe([g.security])def get_xg_account(context):'''获取西蒙斯账户数据'''df=pd.DataFrame()df['可用金额']=[context.portfolio.cash]df['总资产']=[context.portfolio.portfolio_value]df['持仓价值']=[context.portfolio.positions_value]df['已使用现金']=[context.portfolio.capital_used]df['当前收益比例']=[context.portfolio.returns]df['初始账户总资产']=[context.portfolio.pnl]df['开始时间']=[context.portfolio.start_date]return dfdef get_xg_position(context):'''获取西蒙斯持股数据'''data=pd.DataFrame()positions=context.portfolio.positionsstock_list=list(set(positions.keys()))print('持股数量{}'.format(len(stock_list)))for stock in stock_list:df=pd.DataFrame()df['证券代码']=[positions[stock].sid]df['可以数量']=[positions[stock].enable_amount]df['持有数量']=[positions[stock].amount]df['最新价']=[positions[stock].last_sale_price ]df['成本价']=[positions[stock].cost_basis ]df['今日买入']=[positions[stock].today_amount ]df['持股类型']=[positions[stock].business_type ]data=pd.concat([data,df],ignore_index=True)return datadef get_xg_order(context):'''获取西蒙斯委托数据'''orders=get_orders()print("委托数量{}".format(len(orders)))data=pd.DataFrame()if len(orders)>0:for ors in orders:df=pd.DataFrame()df['订单号']=[ors.id]df['订单产生时间']=[ors.dt]df['指定价格']=[ors.limit ]df['证券代码']=[ors.symbol ]df['委托数量']=[ors.amount ]df['订单生成时间']=[ors.created ]df['成交数量']=[ors.filled ]df['委托编号']=[ors.entrust_no]df['盘口档位']=[ors.priceGear ]df['订单状态']=[ors.status ]data=pd.concat([data,df],ignore_index=True)else:data=datareturn datadef get_xg_position_on(context,security=''):''''获取西蒙斯单股的持股情况'''pos=get_positions(security=security)df=pd.DataFrame()if len(pos)>0:df['证券代码']=[pos[security].sid]df['可以数量']=[pos[security].enable_amount]df['持有数量']=[pos[security].amount]df['最新价']=[pos[security].last_sale_price ]df['成本价']=[pos[security].cost_basis ]df['今日买入']=[pos[security].today_amount ]df['持股类型']=[pos[security].business_type ]else:df=dfreturn dfdef handle_data(context, data):order(security='600031.SS', amount=100, limit_price=None)order(security='600111.SS', amount=100, limit_price=None)df=get_xg_account(context)print(df)df=get_xg_position(context)print(df)df=get_xg_order(context)print(df)df=get_xg_position_on(context,security='600031.SS')print(df)
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
