使用 JoinQuant 编写一个策略

这是什么

JQ 策略 API 手册式的实操页。它回答四个问题：行情/财务数据怎么取、股票池怎么设、买卖怎么下、止盈止损怎么写，并给出 API 文档里的两个示例策略。原素材标注为个人整理，多处代码有笔误（见「不确定 / 待验证」），适合当概念地图，不适合照抄运行。

核心要点

数据：行情与财务

• 行情数据存在 SecurityUnitData 里，基本属性：open/close/low/high（开收低高）、volume/money（成交量/额）、factor（前复权因子）、high_limit/low_limit（涨停价/跌停价）、price（段内均价）、pre_close（前收）、paused（是否停牌）。
• 行情获取五种方式（对比表）：
  1. 回测里从 data 直接读：只能在策略中用，只能取当期数据，只能在 handle_data 里用；好处是能拿额外属性（security、returns、isnan、vwap 等）。
  2. attribute_history(证券, n, 单位, 字段, ...)：只能在策略中用；取当前时间前 n 个单位；一次一只股票、可多字段；可选跳过停牌日。
  3. history(n, 单位, 字段, 股票列表)：只能在策略中用；取前 n 个单位；可多只股票但只能同一个字段；不能跳停牌日。
  4. get_current_data：只能取当期数据；只能拿涨跌停价、是否停牌、开盘价等；可多股票多字段；只能在策略中用。
  5. get_price：使用较难；策略与研究中都能用；可取任意时间段；可多股票多字段；不能跳停牌日。原素材说会单独讲，但本篇未展开 → 见「待验证」。
• 财务数据用 get_fundamentals：返回基本面数据（含股票财务数据、市值数据）。链式写法： query(查询字段).filter(筛选条件).order_by(排序).limit(数量)，最后带 date='2015-10-15' 指定取哪一天。 示例字段：valuation.code（市值表.代码）、valuation.market_cap（市值）、valuation.pe_ratio（动态市盈率）、income.total_operation_revenue（利润表.营业总收入）；示例条件：市值 > 1000、PE < 10、营业总收入 > 2e10、按市值降序、limit 100。

股票池

• 三种设池方式，都要 set_universe(stocks) 落地：
  • 按指数：get_index_stocks('000300.XSHG') 取沪深 300 成分（raw 示例代码里误写成 0003000，见待验证）。
  • 按行业：get_industry_stocks('I64')（I64 = 计算机/互联网行业）。
  • 自定义：stocks = ['000009.XSHE', '002222.XSHE', '000005.XSHE', '000002.XSHE']。
• 注意：raw 说 API 文档里 set_universe 被称为「老函数」，用法是否仍正确需要验证。

下单与订单

• 四种下单：order（按股数）、order_target（调整到目标股数）、order_value（按金额）、order_target_value（调整到目标金额）。
• 订单相关操作：cancel_order（撤单）、get_open_orders（当天未完成订单）、get_orders（当天所有订单）、get_trades（当天成交记录）。
• 下单成功返回 Order 对象（属性：add_time 添加时间、is_buy 买/卖、amount 下单数量恒正、filled 已成交数量、security 代码、order_id、price 平均成交价、status 状态——未成交/部分成交/已撤销/交易所拒绝/全部成交）。
• 成交返回 Trade 对象（time、amount、price、trade_id）。

止盈止损写法

• 持仓信息在 context.portfolio.positions[股票]：avg_cost = 持仓成本、price = 现价。
• 用「现价/成本」比例判断：price/avg_cost >= 1.5 → 收益 50% 止盈，order_target(stock, 0) 清仓；price/avg_cost <= 0.9 → 亏损 10% 止损清仓。

示例一：双均线策略（最基础的策略）

• 规则：5 日均线高于 10 日均线买入；低于且有空头可卖则卖出。
• 初始化：g.security='000001.XSHE'（平安银行）；set_benchmark('000300.XSHG')（以沪深 300 为基准）；set_option('use_real_price', True)（开启动态复权，即用真实价格）。
• 每周期：attribute_history(security, 10, 'ld', ['close'], df=False) 取过去 10 天收盘；ma5 = ...[-5].mean()、ma10 = 全部.mean()；cash = context.portfolio.cash。
• 买卖：ma5 > ma10 → order_value(security, cash)，log.info 记录；ma5 < ma10 且 positions[security].closeable_amount > 0 → order_target(security, 0)。
• 用 record(ma5=ma5) 把均线画到回测图上。
• initialize 还能配置：set_commission(PerTrade(buy_cost=0.0001, sell_cost=0.001, min_cost=5)) 设手续费；set_slippage(PriceRelatedSlippage(0.002)) 设滑点。

示例二：多股票追涨策略（按分钟回测）

• 规则：当日收盘前 30 分钟内涨幅到 9.5%–9.9% 的股票买入（最多 5 只），第二天开盘全卖。逻辑是追接近涨停但没封板的强势股。
• initialize：set_option('use_real_price', True)；g.daily_buy_count = 5；g.stocks = get_industry_stocks('I64') + get_industry_stocks('I65')（计算机 + 信息技术板块）后 set(...) 去重；run_daily(morning_sell_all, 'open') 注册开盘卖光函数。
• morning_sell_all（自定义函数）：开盘遍历 positions，每只 order_target(security, 0) 全卖。
• before_trading_start：每个交易日开盘前被调用一次。这里重置 g.today_bought_stocks = set()，并取 g.last_df = history(1, 'ld', 'close', g.stocks)（全部股票昨日收盘价，每天只取一次）。
• handle_data：context.current_dt.hour < 13 直接 return（只做最后两小时）；已买满 daily_buy_count 也 return；对未买股票判断 price/last_close > 1.095 且 < 1.099 且 high_limit - last_close >= 1.0（涨停区间大于 1 元，还有上冲空间）→ 现金分成 need_count 份，order_value(security, buy_cash) 买入并记入 g.today_bought_stocks。

机制 / 论证

• 五个入口的职责划分（本篇对框架的增量）：
  • initialize：整个回测/模拟盘开始时执行一次——设基准、手续费、滑点、股票池、调 run_daily。
  • before_trading_start：每个交易日开盘前执行一次，开盘后当天不再执行；适合放「每天取一次的昨日数据」。
  • handle_data：每个周期执行（按天=每天 9:30 后，按分钟=每分钟）；实时决策都在这。
  • run_daily(函数, 'open')：把自定义函数挂到指定时点（如开盘）循环执行——追涨示例用它做「开盘卖光」，卖出动作不必挤在 handle_data 里。
• 为什么追涨只做最后两小时：只有接近收盘仍接近涨停的才算强势确认，避免盘中假信号；为什么每天只买 5 只：控制当日敞口。这是把「规则」翻译成「代码里能表达的约束」（时间窗口、数量上限、涨幅区间）。
• 双均线示例用 closeable_amount > 0 判断「有没有可卖头寸」，避免空仓时也触发卖出——是「卖出前先查持仓」的标准姿势。

可操作

• 取数选型口诀：策略内要「当期单股多字段」用 data；「历史单股多字段」用 attribute_history；「历史多股单字段」用 history；「只看停牌/涨跌停」用 get_current_data；「研究环境或任意区间」用 get_price。
• get_fundamentals 模板（提炼参数与逻辑）：query(valuation.code, valuation.market_cap, valuation.pe_ratio, income.total_operation_revenue).filter(市值>1000, PE<10, 营收>2e10).order_by(市值降序).limit(100) + date='2015-10-15'。
• 股票池：指数 get_index_stocks('000300.XSHG')、行业 get_industry_stocks('I64')、自定义 list，最后 set_universe(stocks)；行业板块编号（I64、I65）从平台取。
• 止盈止损一行式：price/avg_cost >= 1.5 清仓（止盈 50%）；<= 0.9 清仓（止损 10%）；比例可改。
• 追涨策略可复用参数：涨幅区间 9.5%–9.9%；涨停空间 high_limit - last_close >= 1.0 元；每天 5 只；下午 13:00 后才进 handle_data；按分钟回测；run_daily(morning_sell_all, 'open') 开盘卖光。
• 可配置项：基准 set_benchmark、手续费 set_commission(PerTrade(buy_cost=…, sell_cost=…, min_cost=…))、滑点 set_slippage(PriceRelatedSlippage(0.002))、动态复权 set_option('use_real_price', True)。

术语

• SecurityUnitData：行情数据对象；前复权因子 factor。
• attribute_history / history / get_current_data / get_price：四种行情取数。
• get_fundamentals：财务/基本面取数；valuation / income 表（市值表 / 利润表）。
• set_universe / get_index_stocks / get_industry_stocks：股票池。
• order 系列、Order / Trade 对象、closeable_amount（可卖数量）。
• avg_cost、set_benchmark、set_commission、set_slippage、run_daily、before_trading_start。

不确定 / 待验证

• 大量代码笔误：沪深 300 写成 '0003000.XSHG'（多一个 0）；Python 判断里出现 AND（应为 and）；示例一用 close_data 但前面变量名是 close_price（会 NameError）；context.protfolio 拼错。→ 全部按语义修正后理解，落地前必须对照官方 API。
• set_universe 在 API 文档被称「老函数」，raw 自问用法是否正确 → [需要验证] 现行推荐写法（可能已改为在 initialize 里直接 get_index_stocks 等，无需 set_universe）。
• raw 承诺「get_price 会单独列出来介绍」但本篇没有展开 → [需要验证] 具体用法，见后续股票数据篇。
• 示例一里 record(ma5=ma5) 之后画图用的是 close_data——同上为笔误。
• 手续费示例 buy_cost 0.0001 / sell_cost 0.001 / min_cost 5 是文档示例值，不是推荐值。

相关

• 十行代码带你量化交易入门 — 前篇最小框架
• 聚宽行情与财务数据获取 API — 行情与财务取数方式汇总
• 股票池（交易对象范围与过滤） — 股票池设置
• 聚宽下单 API 与订单对象 — 下单与订单对象
• 聚宽新手入门教程（JoinQuant 平台实操） — 本教程总览