多股票策略

把第 1 章的单股票均线策略推广到多只股票：用 for 循环对股票池里每只股票执行同一套判断，并指出一个新手必踩的坑——每只股票都用全部资金买，第一只就买光了；正确做法是把资金平均分。素材见 raw/collections/jq-getting-started/04-22-多股票策略md.md。

量化多股票for循环资金分配均线策略

这是什么

从「盯一只股票」到「同时盯多只股票」的过渡篇。动机很朴素：人精力有限，同时追踪多只股票困难；计算机强在数据处理，可以同时监视多只股票。做法是列出股票清单，每只执行与单股票相同的均线规则。

沿用同一规则：昨日收盘价高出过去 20 日平均价 → 开盘买入；低于 → 开盘卖出（与第 1 章完全相同的单股均线逻辑，套到每只股票上）。
人做事也要拆两步：先确定股票范围（是哪些股票）；每天对每只观察昨收 vs 20 日均价决定买卖。
初始化：g.security = ['002043.XSHE', '002582.XSHE']——从单字符串变成 list，一次放两只股票（002043 兔宝宝 + 002582 好想你）。
周期循环用 for：for security in g.security: 对每只股票分别取价、算均线、判断买卖。
新手错误：循环里对每只股票都用全部资金 order_value(security, cash) → 买完第一只就没钱了，后面全是空单。
资金要平均分配：per_cash = cash / len(g.security)，把现金按股票数平分；每只用 order_value(security, per_cash) 买。
为什么必须分散：多股票策略相对于单股票的意义就是分散风险。资金集中在第一只上 = 名义多股、实际还是单股重仓。

核心论证：多股票 ≠ 多写几遍单股票代码。股票多时逐只手写不可行，必须用「股票清单（数据）+ for 循环（结构）」表达「对每一只都做同样的事」——这是程序化交易相对人力的第一个结构性优势。
资金分配的教训链：规则上「多只股票」要成立，资金上也要「真分散」。平均分配是按数量均分（最简单）；它引出下一课的深层问题——均分「当前现金」会随时间导致持仓失衡（见市值轮动 2.0 篇的 order_target_value 解法）。

可复用骨架（参数与逻辑）：
1. initialize(context)：g.security = ['002043.XSHE', '002582.XSHE']（list 形式列股票）。
2. handle_data(context, data)：for security in g.security: 内做三件事——取 last_price = data[security].close；取 average_price = data[security].mavg(20, 'close')；取 cash = context.portfolio.cash 并算 per_cash = cash / len(g.security)。
3. 判断：last_price > average_price → order_value(security, per_cash)；elif last_price < average_price → order_target(security, 0)。
参数要点：股票 2 只、均线窗口 20 日、每只预算 = 总现金 ÷ 股票数。
规则教训：资金分几份永远要跟「同时在买的标的数」挂钩，不能每次都拿全部现金去下循环里的单。

raw 代码里 data[i].mavg(20,'close')、order_target(i, 0) 中的 i 应为循环变量 security（笔误）；最后整合代码里 order_value(security, cash) 又退回用全部现金而非 per_cash——与正文「要平均分配」矛盾，属整合时的笔误。→ 以正文逻辑为准（用 per_cash），落地需自查。
raw 用 mavg(20,'close') 表述 20 日均价（与第 1 章一致）。