看的第一个量化策略，闲的无聊，加了注释，共享一下

[thinkingmind]

大家可以看一下，来这里跑起来看看 ～

# 可以自己 import 我们平台支持的第三方 python 模块，比如 pandas 、 numpy 等。
import math
import numpy as np
import pandas as pd
import talib
# 在这个方法中编写任何的初始化逻辑。 context 对象将会在你的算法策略的任何方法之间做传递。
def init(context):   #初始化全局变量，相当于 main()
    context.number=10       #选取十只股
    context.period = 20        #定义 XXXXX 周期为 20
    context.SMAPERIOD = 5     #定义 XXXXX 周期为 5
    context.marketval = context.portfolio.market_value
    context.stocks = sector('信息技术')     #定义所选板块
    update_universe(context.stocks)     #更新股票池
    scheduler.run_monthly(get_head,monthday=1)         #get_head 函数每月 1 日运行一次，选股算法
    scheduler.run_monthly(position,monthday=1)           #position 函数每月 1 日运行一次，调整持仓
    scheduler.run_daily(stoploss)             #stoploss 函数每天运行一次，止损函数
    
def get_head(context,bar_dict):                #选股算法！找龙头， get_head （），每月运行一次
    prices = history(context.period+1,'1d','close')    #将历史数据放入 prices 中， pandas 类型。 context.period 是回溯的数量、 1d 是按照日线回溯、 close 是收盘价。 context.period 是回溯的时间周期 20 天
    b_prices = history(6, '1d', 'close')[context.benchmark].values     #回溯当前时间往后推 6 天，
    volumes = history(context.period+1,'1d','volume')        #成交量放入 volumes
    score = {}            #初始化 score{}
    for stock in prices.columns:       #逐一轮询 prices 的行， stock 是行号
        p = prices[stock]
        v = volumes[stock]
        temp = 0
        for i in list(range(1,context.period)):       #1 到 20 ，轮询 20 天
            if p[i] > p[i-1]:                                        
                if v[i] > v[i-1]:
                    temp = temp + 2         #价升量升 +2
                else:
                    temp = temp + 1         #价升量跌 +1
            else:
                if v[i] < v[i-1]:
                    temp = temp - 1           #价跌量升 -1    
                else:
                    temp = temp - 2            #价跌量跌 -2 
        score[stock] = temp                   #将决策值存入 score 的序列中
    s = pd.Series(score,name = 'scores')        #把 score 和 name 放入 series 中
    s.sort(ascending=False)         #按照降序排列
    context.to_buy = s.index[0:context.number]   #to_buy ， 1 到 10 号的股票放入
    if b_prices[0]/b_prices[4] <= 0.92:          #大盘调整 8%，将 context.to_buy 值为空
        context.to_buy = []
        
def position(context,bar_dict):        #仓位变更算法，每月运行一次，
    stocks = set(context.to_buy)        #将 get_head 选出的股票 set 到 stocks 中
    holdings = set(get_holdings(context))      #读取持有的股票
    to_buy = stocks - holdings                #读取要买入的股票
    holdings = set(get_holdings(context))            #读取持有的股票
    to_sell = holdings - stocks            #读取要卖出的股票
    for stock in to_sell:            #卖出
        if bar_dict[stock].is_trading:        #判断 stock 是否可以交易（停牌）
            order_target_percent(stock , 0)    #将 stock 的仓位调整为“ 0%” order_target_percent 按照百分比调整仓位
    to_buy = get_trading_stocks(to_buy, context, bar_dict)      #调用下文中的函数 get_trading_stocks ，去除不能交易的票
    cash = context.portfolio.cash        #cash 是现在投资组合中的剩余的金额
    average_value = 0
    if len(to_buy) > 0:
        average_value = 0.98 * cash / len(to_buy)                #98%的仓位平均到 to_buy 的所有股票， len(to_buy)
    for stock in to_buy:            #买入 to_buy 的股票
        if bar_dict[stock].is_trading:            #判断 stock 是否可以交易（停牌）
            order_value(stock ,average_value)     #将 stock 的仓位调整至 average_value 数
    context.marketval = context.portfolio.market_value     #当前投资组合的市值
    
def get_trading_stocks(to_buy, context, bar_dict):       #重新计算 to_buy 中的股票，去掉不能交易的股票
    trading_stocks = []
    for stock in to_buy:       # 在 to_buy 中循环
        if bar_dict[stock].is_trading:       #判断 stock 是否可以交易（停牌）
            trading_stocks.append(stock)            
    return trading_stocks

def get_holdings(context):                #读取持有的股票
    positions = context.portfolio.positions    #读取当前持仓， positions    所有仓位的字典
    
    holdings = []
    for position in positions:
        if positions[position].quantity > 0:            #quantity 未平仓部分的全部股数大于零
            holdings.append(position)
    return holdings
    
def stoploss(context,bar_dict):         #止损策略
    if context.portfolio.market_value < context.marketval * 0.95:      #context.marketval 当月初市值， context.portfolio.market_value 当前市值
        for stock in context.portfolio.positions:      #清仓， context.portfolio.positions 所有持仓
            if bar_dict[stock].is_trading:
                order_target_value(stock,0)            #将 stock 的仓位调整为“ 0%”

[GreatMartial]

前排关注一波

[zingl]

上真金白银成交图

[bigtan]

回测时间短，大部分涨幅由股灾之前的泡沫贡献，从净值曲线看，目前应该还在回撤里面没有出来。结论就是，看看就行。

[sunnyGo]

我认为 目前 A 股市场 完全不适合做量化，期货市场 更适合些。就策略而言，趋势策略万变不离趋势跟踪 这个类型，经典的例子 就是 海龟交易法， 圣杯是天天变换形态的。不要迷信 算法 方法，适应市场规律 才是王道。类似的策略我在 BotVS 量化平台上 写过好多， 不论模拟盘测试 还是 回测，甚至 实盘，发现 和海龟 都是一个模式。 趋势来了只要是 趋势跟踪类型的都会开仓，早晚而已。 有行情来了，就是个简单的双均线一样 可以赚钱。