聚宽(JoinQuant)、优矿(Uqer)等等都是非常好的量化交易平台，本文记录在JoinQuant上进行基础的策略框架。
首先，肯定先要注册一个JoinQuant账号，这个不废话。
在聚宽选择【策略研究】->【策略列表】
接下来，点击【新建策略】
接下来，就是这样一个页面：
- 左边是代码区
- 右边的设定包括回测的时间、初始资金、显示频率、Python版本
现在把里面内容都删了，写自己的东西。
最简单的交易策略
首先，要执行一个非常简单的交易策略
初始资金设置为10万，每天买100股平安银行
为了这个策略能执行，首先策略要符合“初始化+周期循环”框架：
初始化：选定要交易的股票为平安银行
每天循环：买100股的平安银行
初始化与循环，可以用以下方法写成代码(这是最新的方法)：
def initialize(context):
run_daily(period,time='every_bar')
这里是用来写初始化代码的地方,例子中就是选定要交易的股票为平安银行
def period(context):
这里是用来写周期循环代码的地方,例子中就是买100股的平安银行关于context和period的内容，会在后面讲到。
接下来，如何基于这个框架来写代码？。
首先，要选定要交易的股票是平安银行：
g.security = '000001.XSHE'买入100股平安银行(市价单写法)：
order(g.security, 100)完整代码为：
# 导入函数库
from jqdata import *
def initialize(context):
run_daily(period,time='every_bar')
g.security = '000001.XSHE'
def period(context):
order(g.security, 100)第一次回测
接下来，把右边的频率设置成天，点击右边的回测按钮，就可以进行回测了，结果如下
其中，红线是基准收益(默认是沪深300指数，代表整个市场增长水平)，蓝线是我们跑的。
周期循环具体是什么时候开始的呢？
- 如果策略频率为天，是每个交易日开始生效，从9:30直到15:00（从股市开市到收市），所以例子中是每个交易日9:30开市循环就开始，一天一次地循环执行买入股票的操作。
- 如果策略频率为分钟，是每个分钟开始时执行，所以例子中的买入股票的操作是每个交易日从9:30:00开始，然后9:31:00，直到14:59:00。接着下一天9:30:00，如此一分钟一次地循环执行的。
下单、函数、API
下面，来深入理解这些框架：
想了解它们怎么用，可以在API文档中查找，比如order - API按股价下单)
可以看到，order(security, amount, style=None, side='long', pindex=0, close_today=False)，一共可以接收6个参数，其中：
security是标的代码；amount是数量，单位为100，负数为卖出；style决定下的是市价单还是限价单，默认None是市价单；side决定是开空单还是开多单，股票只能开多pindex是在多资金仓位时选择资金仓位，股票一般用不到
order函数是有返回值的，如果创建订单成功则返回Order对象，失败则返回None。
常见下单函数：
order(security,amount)，这个刚才说了，就不讲了order_target(security,amount)，通过买卖，将股票仓位调到一定数量(单位：股)order_value(security,value)，买卖一定价值量(单位：元)股票。order_target_value(security,value)，通过买卖，将股票仓位调整至一定价值量(单位：元)
股票的拆分合并、分红，交易的税费，下单导致成交价向不利的方向波动，这些JoinQuant都考虑并且仿真处理了，这些暂时不关心。
context
首先，什么是context?
context顾名思义，就是上下文对象，存储了当前策略运行的时间点、所持股票、数量、持仓成本等等数据。
摘一张非常好的图片：
常用的context数据写法如下。
- 当前时间
context.current_dt - 当前时间的“年-月-日”的字符串格式
context.current_dt.strftime("%Y-%m-%d") - 前一个交易日
context.previous_date - 当前可用资金
context.portfolio.available_cash - 持仓价值
context.portfolio.positions_value - 累计收益
context.portfolio.returns - 当前持有股票
context.portfolio.positions.keys() - 当前持有的某股票的开仓均价
context.portfolio.positions['xxxxxx.xxxx'].avg_cost - 当前持有的某股票的可卖持仓量
context.portfolio.positions['xxxxxx.xxxx'].closeable_amount
止损
当亏损到一定程度，就需要卖出止损，减少进一步的损失。
可以先根据context的数据得到持有股票的成本和现价，计算出该股票的盈亏程度，根据盈亏情况决定是否卖出股票，下面是个例子(跌出10%就止损)：
# 导入函数库
from jqdata import *
def initialize(context):
run_daily(period,time='every_bar')
g.security = '000001.XSHE'
def period(context):
# 买入股票
order(g.security, 100)
#获得持仓成本
cost = context.portfolio.positions['000001.XSHE'].avg_cost
#获得股票现价
price = context.portfolio.positions['000001.XSHE'].price
ret = price / cost - 1
print('成本价:', cost)
print('现价',price)
if ret < - 0.05:
order_target('000001.XSHE', 0)
print('触发止损')再做个试验，在2016年6月13日买入，在2016年12月12日卖出
# 导入函数库
from jqdata import *
def initialize(context):
run_daily(period,time='every_bar')
g.security = '000001.XSHE'
def period(context):
current_dt = context.current_dt.strftime("%Y%m%d")
if current_dt == '20160613':
order_target_value(g.security, 100000)
if current_dt == '20161212':
order_target_value(g.security, 0)
循环、多股票策略
用list数据类型存储多个股票
可以用之前所学的内容，写多个股票的策略，把g.security弄成列表形式就OK了。
# 导入函数库
from jqdata import *
def initialize(context):
run_daily(period,time='every_bar')
g.security = '000001.XSHE'
def period(context):
order(g.security, 100)因此，可以写一个简单的多股票策略：
# 导入函数库
from jqdata import *
def initialize(context):
run_daily(period,time='every_bar')
g.security = ['000001.XSHE','000002.XSHE']
def period(context):
for stk in g.security:
order(stk, 100)
加上止损：
# 导入函数库
from jqdata import *
def initialize(context):
run_daily(period,time='every_bar')
g.security = ['000001.XSHE','000002.XSHE']
def period(context):
for stk in g.security:
order(stk, 100)
cost=context.portfolio.positions[stk].avg_cost
price=context.portfolio.positions[stk].price
if cost == 0:
continue
ret=price/cost-1
if ret<-0.05:
order_target(stk,0)
print('触发止损')
学习交流：
微信:ElijahMingLiu