chan-Victor

维克多缠论 import pandas as pd from datetime import timedelta, date

def initialize(context): g.security = ['510050.XSHG'] set_universe(g.security) set_benchmark('510050.XSHG')#设置基准 #设置交易费 set_order_cost(OrderCost(open_tax=0, close_tax=0.001, open_commission=0.0003, close_commission=0.0003, close_today_commission=0, min_commission=5), type='stock') #设置滑点 set_slippage(FixedSlippage(0.002))#如果您没有调用 set_slippage 函数, 系统默认 PriceRelatedSlippage(0.00246) g.n = 30 #获取几分钟k线 ## 获取前几日的趋势 ''' temp_data 包含处理后最后一个k线的数据 zoushi 包含关系处理中关于走势的记录 after_baohan 合并后的k线''' g.temp_data, g.zoushi, g.after_baohan = k_initialization(security=g.security[0],num = 10*48,n=g.n)#运行k_initialization函数得到前面历史数据的状态 ## 每日运行一次"根据跌幅止损"、"根据大盘跌幅止损" #run_daily(dapan_stoploss) #根据大盘止损，如不想加入大盘止损，注释此句即可 # run_daily(sell) # 根据跌幅卖出 # run_daily(sell2) # 按天亏损率止损 & 固定止盈

def handle_data(context, data): security = g.security Cash = context.portfolio.cash#portfolio账户当前的资金，标的信息，即所有标的操作仓位的信息汇总，cash已过时等价于 available_cash可用资金, 可用来购买证券的资金

hour = context.current_dt.hour #获得当前回测相关时间
minute = context.current_dt.minute
n = g.n
if (hour==9 and minute ==30) or (hour==13 and minute ==00):
    pass
else:
    if minute%n==0: #%求余运算
        print ('time: %s:%s' %(hour,minute))
        # 获得前n分钟的k线
        x = '%sm'%n
        #获取历史数据
        temp_hist = attribute_history(security, 1, str(x),['high', 'low'], df=False)#获取最新k线的最高价和最低价
        # 包含关系处理
        Input_k = {'high':[],'low':[]}
        Input_k['high'].append(g.temp_data['high'])#在一个list里面尾部插入一个数据，temp_data是包含处理后最后一个k线的数据
        Input_k['low'].append(g.temp_data['low'])
        Input_k['high'].append(temp_hist['high'][0])#temp_hist['high'][0]历史数据里面的最高价的第一个数据
        Input_k['low'].append(temp_hist['low'][0]) 
        g.temp_data, g.zoushi, g.after_baohan = recognition_baohan(Input_k, g.zoushi, g.after_baohan) #按位置对应

        # 分型
        fenxing_type, fenxing_time, fenxing_plot, fenxing_data = recognition_fenxing(g.after_baohan)
        '''
        fenxing_type 记录分型点的类型，1为顶分型，-1为底分型
        fenxing_time 记录分型点的时间
        fenxing_plot 记录点的数值，为顶分型去high值，为底分型去low值
        fenxing_data 分型点的DataFrame值（系列数据）
        '''
        # print fenxing_type, fenxing_time, fenxing_plot, fenxing_data
        # 判断趋势是否反转，并买进
        if len(fenxing_type)>7:
            if fenxing_type[0] == -1:#最新的一个分形是底分型（因为是从后往回找的）
                location_1 = [i for i,a in enumerate(fenxing_type) if a==1] # 找出1在列表中的所有位置，enumerate 函数用于遍历序列中的元素以及它们的下标
                location_2 = [i for i,a in enumerate(fenxing_type) if a==-1] # 找出-1在列表中的所有位置
                # 线段破坏
                case1 = fenxing_data['low'][location_2[0]] > fenxing_data['low'][location_2[1]] 
                # 线段形成
                case2 = fenxing_data['high'][location_1[1]] < fenxing_data['high'][location_1[2]] < fenxing_data['high'][location_1[3]]
                case3 = fenxing_data['low'][location_2[1]] < fenxing_data['low'][location_2[2]] < fenxing_data['low'][location_2[3]]
                # 第i笔中底比第i+2笔顶高(辅助判断条件，根据实测加入之后条件太苛刻，很难有买入机会)
                case4 = fenxing_data['low'][location_2[1]] > fenxing_data['high'][location_1[3]]
                if case1 and case2 and case3 :
                    # 买入
                    order_value(security[0],Cash)

        # 每分钟亏损率止损 & 固定止盈
        if len(context.portfolio.positions) > 0:#context.portfolio.positions是账号多头头寸
            for stock in list(context.portfolio.positions.keys()):
                price = data[stock].pre_close
                avg_cost = context.portfolio.positions[stock].avg_cost
                # if (price-avg_cost)/avg_cost >= 0.2 :
                #     order_target(stock, 0)
                if (price-avg_cost)/avg_cost <= -0.1 :
                    order_target(stock, 0)
                elif (price-avg_cost)/avg_cost >= 0.18 :
                    order_target(stock, 0)

'''下面为各类函数''' ################################################################

def sell2(context): ## 亏损率止损 & 固定止盈 if len(context.portfolio.positions) > 0: #len（）返回字符串长度 for stock in list(context.portfolio.positions.keys()):#keys？？ hist = attribute_history(stock, 1, '1d', 'close',df=False) price = hist['close'][0] avg_cost = context.portfolio.positions[stock].avg_cost #avg_cost是开仓均价 if (price-avg_cost)/avg_cost <= -0.1 : #下跌10%止损 order_target(stock, 0) elif (price-avg_cost)/avg_cost >= 0.2 : #上涨20%止盈 order_target(stock, 0)

def dapan_stoploss(context): ## 根据局大盘止损，具体用法详见dp_stoploss函数说明 stoploss = dp_stoploss(kernel=2, n=10, zs=0.05) if stoploss: if len(context.portfolio.positions)>0: for stock in list(context.portfolio.positions.keys()): order_target(stock, 0) # return

def sell(context): # 根据跌幅卖出 if len(context.portfolio.positions)>0: for stock in list(context.portfolio.positions.keys()): hist = attribute_history(stock, 3, '1d', 'close',df=False)#获取前三天的收盘价 if ((1-float(hist['close'][-1]/hist['close'][0])) >= 0.15):#T-1日相对于T-3日跌幅超过15% order_target(stock,0)

def recognition_fenxing(after_baohan): ''' 从后往前找返回值： fenxing_type 记录分型点的类型，1为顶分型，-1为底分型 fenxing_time 记录分型点的时间 fenxing_plot 记录点的数值，为顶分型去high值，为底分型去low值 fenxing_data 分型点的DataFrame值 after_baohan是合并后每个zoushi（k线）点对应的最高价和最低价 ''' ## 找出顶和底 temp_num = 0 #上一个顶或底的位置 temp_high = 0 #上一个顶的high值 temp_low = 0 #上一个底的low值 temp_type = 0 # 上一个记录位置的类型 end = len(after_baohan['high']) #返回字符串长度，有多少个最高价数据 i = end-2#合并k线个数-2 fenxing_type = [] # 记录分型点的类型，1为顶分型，-1为底分型 fenxing_time = [] # 记录分型点的时间 fenxing_plot = [] # 记录点的数值，为顶分型去high值，为底分型去low值 fenxing_data = {'high':[],'low':[]} # 分型点的DataFrame值 while (i >= 1): if len(fenxing_type)>8:#分型点的类型的个数 break else: case1 = after_baohan['high'][i-1]<after_baohan['high'][i] and after_baohan['high'][i]>after_baohan['high'][i+1] #i是顶分型，i+1=end-1 case2 = after_baohan['low'][i-1]>after_baohan['low'][i] and after_baohan['low'][i]<after_baohan['low'][i+1] #底分型 if case1: if temp_type == 1: # 如果上一个分型为顶分型，则进行比较，选取高点更高的分型 if after_baohan['high'][i] <= temp_high:#i时刻的最高价小于i+1时刻的最高价 i -= 1#进行下一个比较 else:#i时刻的最高价大于i+1时刻的最高价 temp_high = after_baohan['high'][i]#i时刻最高价记入temp_high? temp_num = i#记录这个顶的位置 temp_type = 1#记录这是个顶分型 i -= 4#? elif temp_type == 2: # 如果上一个分型为底分型，则记录上一个分型，用当前分型与后面的分型比较，选取同向更极端的分型 if temp_low >= after_baohan['high'][i]: # 如果上一个底分型的底比当前顶分型的顶高，则跳过当前顶分型。 i -= 1 else: fenxing_type.append(-1) # fenxing_time.append(after_baohan.index[temp_num].strftime("%Y-%m-%d %H:%M:%S")) fenxing_data['high'].append(after_baohan['high'][temp_num]) fenxing_data['low'].append(after_baohan['low'][temp_num]) fenxing_plot.append(after_baohan['high'][i]) temp_high = after_baohan['high'][i] temp_num = i temp_type = 1 i -= 4 else:#case1，i时刻是顶分型最开始的时候这样处理 if (after_baohan['low'][i-2]>after_baohan['low'][i-1] and after_baohan['low'][i-1]<after_baohan['low'][i]):#i-1是底分型 temp_low = after_baohan['low'][i] temp_num = i-1 temp_type = 2 i -= 4 else: temp_high = after_baohan['high'][i] temp_num = i temp_type = 1 i -= 4

        elif case2:
            if temp_type == 2: # 如果上一个分型为底分型，则进行比较，选取低点更低的分型 
                if after_baohan['low'][i] >= temp_low:
                    i -= 1
                else:
                    temp_low = after_baohan['low'][i]
                    temp_num = i
                    temp_type = 2
                    i -= 4
            elif temp_type == 1: # 如果上一个分型为顶分型，则记录上一个分型，用当前分型与后面的分型比较，选取同向更极端的分型
                if temp_high <= after_baohan['low'][i]: # 如果上一个顶分型的底比当前底分型的底低，则跳过当前底分型。
                    i -= 1
                else:
                    fenxing_type.append(1)
                    # fenxing_time.append(after_baohan.index[temp_num].strftime("%Y-%m-%d %H:%M:%S"))
                    fenxing_data['high'].append(after_baohan['high'][temp_num])
                    fenxing_data['low'].append(after_baohan['low'][temp_num])
                    fenxing_plot.append(after_baohan['low'][i])
                    temp_low = after_baohan['low'][i]
                    temp_num = i
                    temp_type = 2
                    i -= 4
            else:
                if (after_baohan['high'][i-2]<after_baohan['high'][i-1] and after_baohan['high'][i-1]>after_baohan['high'][i]):
                    temp_high = after_baohan['high'][i]
                    temp_num = i-1
                    temp_type = 1
                    i -= 4
                else:
                    temp_low = after_baohan['low'][i]
                    temp_num = i
                    temp_type = 2
                    i -= 4
        else:
            i -= 1
return fenxing_type, fenxing_time, fenxing_plot, fenxing_data

def recognition_baohan(Input_k, zoushi, after_baohan): ''' 判断两根k线的包含关系 temp_data 包含处理后最后一个k线的数据 zoushi 包含关系处理中关于走势的记录是一个dict Input_k 是temp_data与新n分钟k线的合集（其实只有两个数据，历史数据最后的数据和最新日期的数据） zoushi： 3-持平 4-向下 5-向上 after_baohan 处理之后的k线 ''' import pandas as pd

temp_data = {}
temp_data['high'] = Input_k['high'][0]# 实际是k_initialization得出的temp_data的第一个数据
temp_data['low'] = Input_k['low'][0]

case1_1 = temp_data['high'] > Input_k['high'][1] and temp_data['low'] < Input_k['low'][1]# 第1根包含第2根（开始的时候i-1时刻k线包含i时刻k线）
case1_2 = temp_data['high'] > Input_k['high'][1] and temp_data['low'] == Input_k['low'][1]# 第1根包含第2根
case1_3 = temp_data['high'] == Input_k['high'][1] and temp_data['low'] < Input_k['low'][1]# 第1根包含第2根
case2_1 = temp_data['high'] < Input_k['high'][1] and temp_data['low'] > Input_k['low'][1] # 第2根包含第1根
case2_2 = temp_data['high'] < Input_k['high'][1] and temp_data['low'] == Input_k['low'][1] # 第2根包含第1根（开始的时候i时刻k线包含i-1时刻k线）
case2_3 = temp_data['high'] == Input_k['high'][1] and temp_data['low'] > Input_k['low'][1] # 第2根包含第1根
case3 = temp_data['high'] == Input_k['high'][1] and temp_data['low'] == Input_k['low'][1] # 第1根等于第2根
case4 = temp_data['high'] > Input_k['high'][1] and temp_data['low'] > Input_k['low'][1] # 向下趋势
case5 = temp_data['high'] < Input_k['high'][1] and temp_data['low'] < Input_k['low'][1] # 向上趋势
if case1_1 or case1_2 or case1_3: 
    if zoushi[-1] == 4:#向下趋势
        temp_data['high'] = Input_k['high'][1]
    else:
        temp_data['low'] = Input_k['low'][1]
        
elif case2_1 or case2_2 or case2_3: 
    temp_temp = {}
    temp_temp['high'] = temp_data['high']
    temp_temp['low'] = temp_data['low']
    temp_data['high'] = Input_k['high'][1]
    temp_data['low'] = Input_k['low'][1]
    if zoushi[-1] == 4:#向下趋势
        temp_data['high'] = temp_temp['high']
    else:
        temp_data['low'] = temp_temp['low']
        
elif case3:
    zoushi.append(3)#持平
    pass

elif case4:#向下趋势
    zoushi.append(4)
    after_baohan['high'].append(temp_data['high'])
    after_baohan['low'].append(temp_data['low'])
    temp_data['high'] = Input_k['high'][1]
    temp_data['low'] = Input_k['low'][1]
elif case5:#向上趋势
    zoushi.append(5)
    after_baohan['high'].append(temp_data['high'])
    after_baohan['low'].append(temp_data['low'])
    temp_data['high'] = Input_k['high'][1]
    temp_data['low'] = Input_k['low'][1]

return temp_data, zoushi, after_baohan

def k_initialization(security,num = 10*48,n=5): ''' 读入回测日期之前的多日k线用以判断之前的趋势返回值： temp_data 包含处理后最后一个k线的数据 zoushi 包含关系处理中关于走势的记录 after_baohan 合并后的k线原文内容：在向上时，把两K线的最高点当高点，而两K线低点中的较高者当成低点，这样就把两K线合并成一新的K线；反之，当向下时，把两K线的最低点当低点，而两K线高点中的较低者当成高点，这样就把两K线合并成一新的K线。经过这样的处理，所有K线图都可以处理成没有包含关系的图形。 ''' import pandas as pd

x = '%sm'%n
temp_data = {}
# zoushi = {}
after_baohan = {}
t = {}
stock=security
k_data = attribute_history(stock, num, str(x),['high', 'low'], df=False) #读入回测日期之前的历史数据，0位置放时间最早的k线数据
    
## 判断包含关系
after_baohan = {'high':[],'low':[]} #创建一个dict 合并后的k线的最高价、最低价
t['high'] = k_data['high'][0]
t['low'] = k_data['low'][0]

temp_data = t #temp_data初始值是k_data,即0位置的k线的最高价、最低价
zoushi = [3] # 3-持平 4-向下 5-向上
for i in xrange(num): #i取从0到num-1，xrange 用法与 range 完全相同，所不同的是生成的不是一个list对象，而是一个生成器generator,效率比较高
    case1_1 = temp_data['high'] > k_data['high'][i] and temp_data['low'] < k_data['low'][i]# 第1根包含第2根（开始的时候i-1时刻k线包含i时刻k线）
    case1_2 = temp_data['high'] > k_data['high'][i] and temp_data['low'] == k_data['low'][i]# 第1根包含第2根
    case1_3 = temp_data['high'] == k_data['high'][i] and temp_data['low'] < k_data['low'][i]# 第1根包含第2根
    case2_1 = temp_data['high'] < k_data['high'][i] and temp_data['low'] > k_data['low'][i] # 第2根包含第1根（开始的时候i时刻k线包含i-1时刻k线）
    case2_2 = temp_data['high'] < k_data['high'][i] and temp_data['low'] == k_data['low'][i] # 第2根包含第1根
    case2_3 = temp_data['high'] == k_data['high'][i] and temp_data['low'] > k_data['low'][i] # 第2根包含第1根
    case3 = temp_data['high'] == k_data['high'][i] and temp_data['low'] == k_data['low'][i] # 第1根等于第2根
    case4 = temp_data['high'] > k_data['high'][i] and temp_data['low'] > k_data['low'][i] # 向下趋势
    case5 = temp_data['high'] < k_data['high'][i] and temp_data['low'] < k_data['low'][i] # 向上趋势
    if case1_1 or case1_2 or case1_3:
        if zoushi[-1] == 4:
            temp_data['high'] = k_data['high'][i]
        else:
            temp_data['low'] = k_data['low'][i]

    elif case2_1 or case2_2 or case2_3:
        temp_temp = {} #临时存储上一次判定后的最高价和最低价
        temp_temp['high'] = temp_data['high']
        temp_temp['low'] = temp_data['low']
        temp_data['high'] = k_data['high'][i]
        temp_data['low'] = k_data['low'][i]
        if zoushi[-1] == 4:
            temp_data['high'] = temp_temp['high']
        else:
            temp_data['low'] = temp_temp['low']

    elif case3:
        zoushi.append(3)
        pass

    elif case4:
        zoushi.append(4)
        after_baohan['high'].append(temp_data['high'])
        after_baohan['low'].append(temp_data['low'])
        temp_data['high'] = k_data['high'][i]
        temp_data['low'] = k_data['low'][i]

    elif case5:
        zoushi.append(5)
        after_baohan['high'].append(temp_data['high'])
        after_baohan['low'].append(temp_data['low'])
        temp_data['high'] = k_data['high'][i]
        temp_data['low'] = k_data['low'][i]
return temp_data, zoushi, after_baohan#得到最后的最高价和最低价、走势的集合、走势每个数据对应的最高价和最低价

def dp_stoploss(kernel=2, n=10, zs=0.03): ''' 方法1：当大盘N日均线(默认60日)与昨日收盘价构成“死叉”，则发出True信号方法2：当大盘N日内跌幅超过zs，则发出True信号 ''' # 止损方法1：根据大盘指数N日均线进行止损 if kernel == 1: t = n+2 hist = attribute_history('510050.XSHG', t, '1d', 'close', df=False) temp1 = sum(hist['close'][1:-1])/float(n) temp2 = sum(hist['close'][0:-2])/float(n) close1 = hist['close'][-1]#历史数据最后时刻的收盘价 close2 = hist['close'][-2] if (close2 > temp2) and (close1 < temp1):#首次低于10日均线 return True else: return False # 止损方法2：根据大盘指数跌幅进行止损 elif kernel == 2: hist1 = attribute_history('510050.XSHG', n, '1d', 'close',df=False) if ((1-float(hist1['close'][-1]/hist1['close'][0])) >= zs):#10日跌幅大于zs（3%） return True else: return False

teeger / chan-victor Goto Github PK

chan-victor's Introduction

chan-Victor

chan-victor's People

Contributors

Recommend Projects

React

Vue.js

Typescript

TensorFlow

Django

Laravel

D3

Recommend Topics

javascript

web

server

Machine learning

Visualization

Game

Recommend Org

Facebook

Microsoft

Google

Alibaba

D3

Tencent