本文采用了聚宽平台接口进行量化策略设置：
一、效果图
双均线策略：双均线策略，当五日均线位于十日均线上方则买入，反之卖出。
二、证券知识：
策略收益（Total Returns）
最容易理解的一个概念，策略收益也就是策略开始到结束，总资产的变化率。
----本文 选取的平安银行 这只股票，通过双均线策略来计算策略收益。
基准收益（Benchmark Returns）
如果一个策略一年赚了50%，而这一年来上证指数上涨了100%，所以要评判一个策略的好坏，不过是要看它的收益率，还需要一个基准来衡量它的优劣性，这个准基就是准基收益率。
对于股票的策略如果高于上证指数，那么就跑赢了基准收益率，也就是跑赢了大盘；低于上证指数，那么就是跑输了基准收益率。所以说一个好的策略至少要高于基准收益。
----本文 选取的沪深三百指数，获取某段时间的基本收益。
贝塔（Beta）
代表了策略表现对大盘变化的敏感性，也即是策略与大盘的相关性。
例如一个策略的Beta为1.5，则大盘涨1%的时候，策略可能涨1.5%，反之亦然；如果一个策略的Beta为-1.5，说明大盘涨1%的时候，策略可能跌1.5%，反之亦然。
分别是策略的每日收益和基准的每日收益
阿尔法（Alpha）
alpha是超额收益，它与市场波动无关，也就是说不是靠系统性的上涨而获得收益。
分别是策略年化收益率、基准年化收益率和无风险利率（默认0.04）。
通过预测方向或者其他可解释原因的策略也即是alpha策略；而通过波动率来带来利润的策略就是beta策略。
夏普比率（Sharpe）
描述的是策略在单位总风险下所能获得的超额收益。
是策略收益波动率，也即是策略收益率的年化标准差。
所提诺比率（Sortino）
描述的是策略在单位下行风险下所能获得的超额收益。
是策略下行波动率。
信息比率（Information Ratio）
描述的是策略在单位超额风险下的超额收益。
是策略与基准每日收益差值的年化标准差。
最大回撤（Max Drawdown）
描述的策略最大的亏损情况。最大回撤通常越小越好。
是策略两日的累计收益。
三、python代码
# 导入函数库
from jqdata import *
# 初始化函数，设定基准等等
def initialize(context):
# 设定沪深300作为基准
set_benchmark('000300.XSHG')
# 开启动态复权模式(真实价格)
set_option('use_real_price', True)
# 输出内容到日志 log.info()
log.info('初始函数开始运行且全局只运行一次')
# 过滤掉order系列API产生的比error级别低的log
# log.set_level('order', 'error')
### 股票相关设定 ###
# 股票类每笔交易时的手续费是：买入时佣金万分之三，卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱
set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
## 运行函数（reference_security为运行时间的参考标的；传入的标的只做种类区分，因此传入'000300.XSHG'或'510300.XSHG'是一样的）
# 开盘前运行
run_daily(before_market_open, time='before_open', reference_security='000300.XSHG')
# 开盘时运行
run_daily(market_open, time='open', reference_security='000300.XSHG')
# 收盘后运行
run_daily(after_market_close, time='after_close', reference_security='000300.XSHG')
## 开盘前运行函数
def before_market_open(context):
# 输出运行时间
log.info('函数运行时间(before_market_open)：'+str(context.current_dt.time()))
# 给微信发送消息（添加模拟交易，并绑定微信生效）
# send_message('美好的一天~')
# 要操作的股票：平安银行（g.为全局变量）
g.security = '000001.XSHE'
## 开盘时运行函数
def market_open(context):
log.info('函数运行时间(market_open):'+str(context.current_dt.time()))
security = g.security
# 获取股票的收盘价
close_data = get_bars(security, count=5, unit='1d', fields=['close'])
# 取得过去五天的平均价格
MA5 = close_data['close'].mean()
# 取得上一时间点价格
current_price = close_data['close'][-1]
# 取得当前的现金
cash = context.portfolio.available_cash
# 如果上一时间点价格高出五天平均价1%, 则全仓买入
if (current_price > 1.01*MA5) and (cash > 0):
# 记录这次买入
log.info("价格高于均价 1%%, 买入 %s" % (security))
print("当前可用资金为{0}, position_value为{0}".format(cash, context.portfolio.positions_value))
# 用所有 cash 买入股票
order_value(security, cash)
# 如果上一时间点价格低于五天平均价, 则空仓卖出
elif current_price < MA5 and context.portfolio.positions[security].closeable_amount > 0:
# 记录这次卖出
log.info("价格低于均价, 卖出 %s" % (security))
# 卖出所有股票,使这只股票的最终持有量为0
order_target(security, 0)
## 收盘后运行函数
def after_market_close(context):
log.info(str('函数运行时间(after_market_close):'+str(context.current_dt.time())))
#得到当天所有成交记录
trades = get_trades()
for _trade in trades.values():
log.info('成交记录：'+str(_trade))
log.info('一天结束')
log.info('##############################################################')四、最大回撤详细图
