用户问的比较多的关于ptrade基础问题

李魔佛 发表了文章 • 0 个评论 • 205 次浏览 • 2023-05-04 01:19 • 来自相关话题

一些星友（星球好友）问的比较多的问题： 
 
1. 国金的Ptrade 实盘交易客户端是无法进行回测的，在任何时间段；
而模拟客户端可以，可以找自己的经理申请一个Ptrade模拟客户端账户； 
 
2. 国盛的Ptrade实盘交易客户端仅在交易时间无法回测，但非交易时间可以回测；
主要是因为实盘回测和交易在同一个服务器，回测占用过多资源会影响实盘交易；模拟客户端没有这个问题；

任何时间段均可以回测； （之前某个券商的ptrade实盘服务器，因为某个用户开了40多个回测策略，一直在后台运行，而且是关于运算密集型的，导致实盘交易的程序也崩溃了）
 
3. 国金Ptrade无法回测星球上面的可转债实盘代码，实盘代码是基于当前的实时数据，用来进行回测没有意义，因为获取不到可转债的历史数据（溢价率，规模等），只有历史的价格数据； 
 
4. 国金Ptrade无法使用星球上的可转债代码进行实盘，因为无法访问外网，无法访问我部署的接口数据； 而国盛的Ptrade可以；如果国金Ptrade需要实盘交易可转债，需要手工上传一些基础数据，Ptrade提供上传功能，具体操作可查找星球相关文章； 
 
5. 在共享的Ptrade模拟试用账户上，不要保留个人代码记录，跑完后记得删除，否则其他共有同一个账户的人可以进去修改复制你的策略和代码；如果是单独的个人模拟账户，则没有这个问题。
  查看全部
一些星友（星球好友）问的比较多的问题： 
 
1. 国金的Ptrade 实盘交易客户端是无法进行回测的，在任何时间段；
而模拟客户端可以，可以找自己的经理申请一个Ptrade模拟客户端账户； 
 
2. 国盛的Ptrade实盘交易客户端仅在交易时间无法回测，但非交易时间可以回测；
主要是因为实盘回测和交易在同一个服务器，回测占用过多资源会影响实盘交易；模拟客户端没有这个问题；

任何时间段均可以回测； （之前某个券商的ptrade实盘服务器，因为某个用户开了40多个回测策略，一直在后台运行，而且是关于运算密集型的，导致实盘交易的程序也崩溃了）
 
3. 国金Ptrade无法回测星球上面的可转债实盘代码，实盘代码是基于当前的实时数据，用来进行回测没有意义，因为获取不到可转债的历史数据（溢价率，规模等），只有历史的价格数据； 
 
4. 国金Ptrade无法使用星球上的可转债代码进行实盘，因为无法访问外网，无法访问我部署的接口数据； 而国盛的Ptrade可以；如果国金Ptrade需要实盘交易可转债，需要手工上传一些基础数据，Ptrade提供上传功能，具体操作可查找星球相关文章； 
 
5. 在共享的Ptrade模拟试用账户上，不要保留个人代码记录，跑完后记得删除，否则其他共有同一个账户的人可以进去修改复制你的策略和代码；如果是单独的个人模拟账户，则没有这个问题。
 

如何下载Ptrade上的数据？

李魔佛 发表了文章 • 0 个评论 • 181 次浏览 • 2023-04-29 02:40 • 来自相关话题

很多菜鸟会觉得不能下载或者上传数据到Ptrade的。

部分券商的Ptrade可以连通外网，只需要部署一个mysql服务器，或者rabbitMQ，就可以快捷的接受数据了。为啥是这两个，而不是mongodb？

因为ptrade内置的pip装好的库就有pymysql和pyzmq，可以配置下就可以直接开箱使用。如果需要开通有外网功能的Ptrade券商，可以关注公众号：可转债量化分析，后台留言：ptrade外网，即可咨询开通。


1. 首先，我们把数据保存到ptrade的服务端，保存方法多样，比如csv，excel，sql文件等，比如df.to_csv, df.to_excel等等。这里要注意一下，保存的路径。需要指定，/home/fly/notebookimport pickle
from collections import defaultdict
NOTEBOOK_PATH = '/home/fly/notebook/'
'''
持仓N日后卖出，仓龄变量每日pickle进行保存，重启策略后可以保证逻辑连贯
'''
def initialize(context):
#尝试启动pickle文件
try:
with open(NOTEBOOK_PATH+'hold_days.pkl','rb') as f:
g.hold_days = pickle.load(f)

2. 文件保存了之后，接着就可以下载了。

   数据在研究的页面那里。







然后点击某个文件，

如果是非纯文本文件，比如excel文件，会显示：Error! not UTF-8 encoded

Saving disable

See console for more details
不用理会，直接点击左上角的文件，下载，选择本地的路径，然后文件就可以下载下来了。 查看全部
很多菜鸟会觉得不能下载或者上传数据到Ptrade的。

部分券商的Ptrade可以连通外网，只需要部署一个mysql服务器，或者rabbitMQ，就可以快捷的接受数据了。为啥是这两个，而不是mongodb？

因为ptrade内置的pip装好的库就有pymysql和pyzmq，可以配置下就可以直接开箱使用。如果需要开通有外网功能的Ptrade券商，可以关注公众号：可转债量化分析，后台留言：ptrade外网，即可咨询开通。


1. 首先，我们把数据保存到ptrade的服务端，保存方法多样，比如csv，excel，sql文件等，比如df.to_csv, df.to_excel等等。这里要注意一下，保存的路径。需要指定，/home/fly/notebook
import pickle

from collections import defaultdict

NOTEBOOK_PATH = '/home/fly/notebook/'

'''

持仓N日后卖出，仓龄变量每日pickle进行保存，重启策略后可以保证逻辑连贯

'''

def initialize(context):

    #尝试启动pickle文件

    try:

        with open(NOTEBOOK_PATH+'hold_days.pkl','rb') as f:

            g.hold_days = pickle.load(f)


2. 文件保存了之后，接着就可以下载了。

   数据在研究的页面那里。


20230429001.jpg


然后点击某个文件，

如果是非纯文本文件，比如excel文件，会显示：
Error! not UTF-8 encoded



Saving disable



See console for more details

不用理会，直接点击左上角的文件，下载，选择本地的路径，然后文件就可以下载下来了。

20230429002.jpg

【100行python代码实现可转债日内网格-成交驱动】 自定义买卖步长

李魔佛 发表了文章 • 0 个评论 • 239 次浏览 • 2023-04-19 13:27 • 来自相关话题

基于ptrade的可转债日内网格实盘，基于成交驱动，成交后马上挂入下一轮的网格委托。
 
 ## 2023-04-19 更新： 部分成交的需要等待全部成交才触发下一轮挂单

简单的可转债日内网格策略，自定义买卖步长，基准价格，买入与卖出数量，保留底仓张数

开始同时挂买入和卖出委托，如果买入成交后，撤掉委卖（如果是卖出先成交，则撤掉委买），继续挂入下一个步长的委买与委卖，不断循环。


把注释和空格去了100行不到。

代码仅供参考学习具体用法：

用于实盘亏损盈亏自负

后续如果有需要再贴个升级版：多标的网格

或者，额，qmt版本。。。

部分代码截图：




 
 
实盘交易日志：点击查看大图





 






完整代码请参见知识星球.
知识无价，请尊重知识。
  查看全部
基于ptrade的可转债日内网格实盘，基于成交驱动，成交后马上挂入下一轮的网格委托。
 
 ## 2023-04-19 更新： 部分成交的需要等待全部成交才触发下一轮挂单

简单的可转债日内网格策略，自定义买卖步长，基准价格，买入与卖出数量，保留底仓张数

开始同时挂买入和卖出委托，如果买入成交后，撤掉委卖（如果是卖出先成交，则撤掉委买），继续挂入下一个步长的委买与委卖，不断循环。


把注释和空格去了100行不到。

代码仅供参考学习具体用法：

用于实盘亏损盈亏自负

后续如果有需要再贴个升级版：多标的网格

或者，额，qmt版本。。。

部分代码截图：
20230419001.jpg

 
 
实盘交易日志：点击查看大图

20230419003.jpg

 

20230419004.jpg


完整代码请参见知识星球.
知识无价，请尊重知识。
 

ptrade担保品买卖，融资买入，融券卖出，卖券还款，买券还券 下单后回调函数里面的结构

李魔佛 发表了文章 • 0 个评论 • 258 次浏览 • 2023-03-31 21:44 • 来自相关话题

【ptrade的稳定性，获取行情速度，实盘交易，回测速度无意不秒杀QMT的。
而对于不能安装第三方库的原因，不少菜鸟转而选择了QMT。有点可惜了ptrade。ptrade其实也可以联通外部数据。
ptrade软件设计层面和体验是企业级的，而QMT就呵呵哒，0售后技术支持，软件bug层出不穷。里面的某个别的工程师（袁姓）素质也是底下，我星球上的代码他也抄过去，抄过去后呢 放到他自己付费星球，而且还不止一篇。】
而ptrade相对而言，恒生电子的工程师服务就很到位，发送日志给他们，会在一天内分析结果告知你哪些出现问题了。
 
题外话说多了。
 
ptrade支持两融账户的量化操作。
如：担保品买卖，融资买入，融券卖出，卖券还款，买券还券margin_trade - 担保品买卖

margincash_open - 融资买入

margincash_close - 卖券还款

margincash_direct_refund - 直接还款

marginsec_open - 融券卖出

marginsec_close - 买券还券




它们之间的参数都比较相近：

margin_xxxx(security, amount, limit_price=None)

security：股票代码(str)；

amount：交易数量，输入正数(int)；

limit_price：买卖限价(float)；
 
而用它们进行买卖操作后，在on_trade_response回调函数里面的机构提如下：
 
担保品买入：2023-03-31 14:41:02 - INFO - 生成订单，订单号：cd25d27f39854721aac99db13c9e9b73股票代码：601328.SS 数量：信用买入1000
2023-03-31 14:41:02 - INFO - {'error_info': '', 'stock_code': '601328.SS', 'order_id': 'cd25d27f39854721aac99db13c9e9b73', 'status': '2', 'price': 5.1, 'entrust_type': '9', 'amount': 1000, 'business_amount': 0.0, 'entrust_prop': '0', 'entrust_no': '1', 'order_time': '2023-03-31 14:35:53.776'}
2023-03-31 14:41:02 - INFO - {'business_amount': 1000, 'order_id': 'cd25d27f39854721aac99db13c9e9b73', 'stock_code': '601328.SS', 'entrust_bs': '1', 'entrust_no': '1', 'status': '8', 'business_balance': 5100.0, 'business_price': 5.1, 'business_id': '2', 'business_time': '2023-03-31 14:39:17'} 
 
 
  
 融资买入：2023-03-31 14:52:00 - INFO - 生成订单，订单号：01b7851d37014709bde3ec6ebe9e89c3股票代码：601328.SS 数量：融资买入100
2023-03-31 14:52:00 - INFO - {'price': 5.1, 'entrust_prop': '0', 'status': '2', 'entrust_type': '6', 'stock_code': '601328.SS', 'business_amount': 0.0, 'entrust_no': '3', 'order_time': '2023-03-31 14:46:51.620', 'error_info': '', 'amount': 100, 'order_id': '01b7851d37014709bde3ec6ebe9e89c3'}
2023-03-31 14:52:00 - INFO - {'business_id': '4', 'business_balance': 509.99999999999994, 'business_price': 5.1, 'order_id': '01b7851d37014709bde3ec6ebe9e89c3', 'business_time': '2023-03-31 14:50:14', 'status': '8', 'entrust_bs': '1', 'business_amount': 100, 'entrust_no': '3', 'stock_code': '601328.SS'} 
 
卖券还款2023-03-31 14:58:20 - INFO - start
2023-03-31 14:59:00 - INFO - 生成订单，订单号：20cef28ec52c4d41b09c80fc49167497股票代码：600269.SS 数量：卖券还款-200
2023-03-31 14:59:00 - INFO - {'business_amount': 0.0, 'amount': -200, 'stock_code': '600269.SS', 'error_info': '', 'order_time': '2023-03-31 14:53:51.375', 'price': 3.38, 'entrust_type': '6', 'status': '2', 'order_id': '20cef28ec52c4d41b09c80fc49167497', 'entrust_prop': '0', 'entrust_no': '5'}
2023-03-31 14:59:00 - INFO - {'status': '8', 'business_time': '2023-03-31 14:57:14', 'stock_code': '600269.SS', 'entrust_bs': '2', 'business_id': '6', 'business_balance': -676.0, 'business_amount': -200, 'order_id': '20cef28ec52c4d41b09c80fc49167497', 'business_price': 3.38, 'entrust_no': '5'}
返回的结构体和那个普通账户交易的回调函数基本一致的。
 
  查看全部

【ptrade的稳定性，获取行情速度，实盘交易，回测速度无意不秒杀QMT的。
而对于不能安装第三方库的原因，不少菜鸟转而选择了QMT。有点可惜了ptrade。ptrade其实也可以联通外部数据。
ptrade软件设计层面和体验是企业级的，而QMT就呵呵哒，0售后技术支持，软件bug层出不穷。里面的某个别的工程师（袁姓）素质也是底下，我星球上的代码他也抄过去，抄过去后呢 放到他自己付费星球，而且还不止一篇。】
而ptrade相对而言，恒生电子的工程师服务就很到位，发送日志给他们，会在一天内分析结果告知你哪些出现问题了。
 
题外话说多了。
 
ptrade支持两融账户的量化操作。
如：担保品买卖，融资买入，融券卖出，卖券还款，买券还券
margin_trade - 担保品买卖



margincash_open - 融资买入



margincash_close - 卖券还款



margincash_direct_refund - 直接还款



marginsec_open - 融券卖出



marginsec_close - 买券还券
它们之间的参数都比较相近：

margin_xxxx(security, amount, limit_price=None)

security：股票代码(str)；

amount：交易数量，输入正数(int)；

limit_price：买卖限价(float)；
 
而用它们进行买卖操作后，在on_trade_response回调函数里面的机构提如下：
 
担保品买入：
2023-03-31 14:41:02 - INFO - 生成订单，订单号：cd25d27f39854721aac99db13c9e9b73股票代码：601328.SS 数量：信用买入1000

2023-03-31 14:41:02 - INFO - {'error_info': '', 'stock_code': '601328.SS', 'order_id': 'cd25d27f39854721aac99db13c9e9b73', 'status': '2', 'price': 5.1, 'entrust_type': '9', 'amount': 1000, 'business_amount': 0.0, 'entrust_prop': '0', 'entrust_no': '1', 'order_time': '2023-03-31 14:35:53.776'}

2023-03-31 14:41:02 - INFO - {'business_amount': 1000, 'order_id': 'cd25d27f39854721aac99db13c9e9b73', 'stock_code': '601328.SS', 'entrust_bs': '1', 'entrust_no': '1', 'status': '8', 'business_balance': 5100.0, 'business_price': 5.1, 'business_id': '2', 'business_time': '2023-03-31 14:39:17'}
 
 
 
  
 融资买入：
2023-03-31 14:52:00 - INFO - 生成订单，订单号：01b7851d37014709bde3ec6ebe9e89c3股票代码：601328.SS 数量：融资买入100

2023-03-31 14:52:00 - INFO - {'price': 5.1, 'entrust_prop': '0', 'status': '2', 'entrust_type': '6', 'stock_code': '601328.SS', 'business_amount': 0.0, 'entrust_no': '3', 'order_time': '2023-03-31 14:46:51.620', 'error_info': '', 'amount': 100, 'order_id': '01b7851d37014709bde3ec6ebe9e89c3'}

2023-03-31 14:52:00 - INFO - {'business_id': '4', 'business_balance': 509.99999999999994, 'business_price': 5.1, 'order_id': '01b7851d37014709bde3ec6ebe9e89c3', 'business_time': '2023-03-31 14:50:14', 'status': '8', 'entrust_bs': '1', 'business_amount': 100, 'entrust_no': '3', 'stock_code': '601328.SS'}
 
 
卖券还款
2023-03-31 14:58:20 - INFO - start

2023-03-31 14:59:00 - INFO - 生成订单，订单号：20cef28ec52c4d41b09c80fc49167497股票代码：600269.SS 数量：卖券还款-200

2023-03-31 14:59:00 - INFO - {'business_amount': 0.0, 'amount': -200, 'stock_code': '600269.SS', 'error_info': '', 'order_time': '2023-03-31 14:53:51.375', 'price': 3.38, 'entrust_type': '6', 'status': '2', 'order_id': '20cef28ec52c4d41b09c80fc49167497', 'entrust_prop': '0', 'entrust_no': '5'}

2023-03-31 14:59:00 - INFO - {'status': '8', 'business_time': '2023-03-31 14:57:14', 'stock_code': '600269.SS', 'entrust_bs': '2', 'business_id': '6', 'business_balance': -676.0, 'business_amount': -200, 'order_id': '20cef28ec52c4d41b09c80fc49167497', 'business_price': 3.38, 'entrust_no': '5'}

返回的结构体和那个普通账户交易的回调函数基本一致的。
 
 

Ptrade融资融券双均线 代码 讲解

李魔佛 发表了文章 • 0 个评论 • 292 次浏览 • 2023-03-31 02:08 • 来自相关话题

因为一些融资融券的函数只能在交易模块使用，所以如果需要模拟的话，可以使用模拟端进行交易。
 
def initialize(context):
# 初始化策略
# 设置我们要操作的股票池, 这里我们只操作一支股票
g.security = "600300.SS"
set_universe(g.security)

def before_trading_start(context, data):
# 买入标识
g.order_buy_flag = False
# 卖出标识
g.order_sell_flag = False

#当五日均线高于十日均线时买入，当五日均线低于十日均线时卖出
def handle_data(context, data):
# 得到十日历史价格
df = get_history(10, "1d", "close", g.security, fq=None, include=False)
# 得到五日均线价格
ma5 = round(df["close"][-5:].mean(), 3)
# 得到十日均线价格
ma10 = round(df["close"][-10:].mean(), 3)
# 取得昨天收盘价
price = data[g.security]["close"]
# 如果五日均线大于十日均线
if ma5 > ma10:
if not g.order_buy_flag:
# 获取最大可融资数量
amount = get_margincash_open_amount(g.security).get(g.security)
# 进行融资买入操作
margincash_open(g.security, amount)
# 记录这次操作
log.info("Buying %s Amount %s" % (g.security, amount))
# 当日已融资买入
g.order_buy_flag = True

# 如果五日均线小于十日均线，并且目前有头寸
elif ma5 < ma10 and get_position(g.security).amount > 0:
if not g.order_sell_flag:
# 获取标的卖券还款最大可卖数量
amount = get_margincash_close_amount(g.security).get(g.security)
# 进行卖券还款操作
margincash_close(g.security, -amount)
# 记录这次操作
log.info("Selling %s Amount %s" % (g.security, amount))
# 当日已卖券还款
g.order_sell_flag = True  查看全部
因为一些融资融券的函数只能在交易模块使用，所以如果需要模拟的话，可以使用模拟端进行交易。
 
def initialize(context):

    # 初始化策略

    # 设置我们要操作的股票池, 这里我们只操作一支股票

    g.security = "600300.SS"

    set_universe(g.security)



def before_trading_start(context, data):

    # 买入标识

    g.order_buy_flag = False

    # 卖出标识

    g.order_sell_flag = False



#当五日均线高于十日均线时买入，当五日均线低于十日均线时卖出

def handle_data(context, data):

    # 得到十日历史价格

    df = get_history(10, "1d", "close", g.security, fq=None, include=False)

    # 得到五日均线价格

    ma5 = round(df["close"][-5:].mean(), 3)

    # 得到十日均线价格

    ma10 = round(df["close"][-10:].mean(), 3)

    # 取得昨天收盘价

    price = data[g.security]["close"]

    # 如果五日均线大于十日均线

    if ma5 > ma10:

        if not g.order_buy_flag:

            # 获取最大可融资数量

            amount = get_margincash_open_amount(g.security).get(g.security)

            # 进行融资买入操作

            margincash_open(g.security, amount)

            # 记录这次操作

            log.info("Buying %s Amount %s" % (g.security, amount))

            # 当日已融资买入

            g.order_buy_flag = True



    # 如果五日均线小于十日均线，并且目前有头寸

    elif ma5 < ma10 and get_position(g.security).amount > 0:

        if not g.order_sell_flag:

            # 获取标的卖券还款最大可卖数量

            amount = get_margincash_close_amount(g.security).get(g.security)

            # 进行卖券还款操作

            margincash_close(g.security, -amount)

            # 记录这次操作

            log.info("Selling %s Amount %s" % (g.security, amount))

            # 当日已卖券还款

            g.order_sell_flag = True
 

Ptrade担保品买入卖出

李魔佛 发表了文章 • 0 个评论 • 232 次浏览 • 2023-03-31 01:31 • 来自相关话题

担保品卖出指的是融资融券交易当中，用自有资金进行买卖的行为

 
实际上是买卖股票，但在信用账户上，用只有资金买卖股票。
 
ptrade支持两融操作。
 
比如下面的示例代告诉我们，担保品买入股票的3个不同参数的效果：def initialize(context):
g.security = '600570.SS'
set_universe(g.security)

def handle_data(context, data):
# 以系统最新价委托
margin_trade(g.security, 100)
# 以72块价格下一个限价单
margin_trade(g.security, 100, limit_price=72)
# 以最优五档即时成交剩余撤销委托
margin_trade(g.security, 200, market_type=4) security：股票代码(str)；

amount：交易数量，正数表示买入，负数表示卖出(int)；

limit_price：买卖限价(float)；

market_type：市价委托类型，上证非科创板股票支持参数1、4，上证科创板股票支持参数0、1、2、4，深证股票支持参数0、2、3、4、5(int)；

0：对手方最优价格；
1：最优五档即时成交剩余转限价；
2：本方最优价格；
3：即时成交剩余撤销；
4：最优五档即时成交剩余撤销；
5：全额成交或撤单； 查看全部


担保品卖出指的是融资融券交易当中，用自有资金进行买卖的行为


 
实际上是买卖股票，但在信用账户上，用只有资金买卖股票。
 
ptrade支持两融操作。
 
比如下面的示例代告诉我们，担保品买入股票的3个不同参数的效果：
def initialize(context):

    g.security = '600570.SS'

    set_universe(g.security)



def handle_data(context, data):

    # 以系统最新价委托

    margin_trade(g.security, 100)

    # 以72块价格下一个限价单

    margin_trade(g.security, 100, limit_price=72)

    # 以最优五档即时成交剩余撤销委托

    margin_trade(g.security, 200, market_type=4)
 
security：股票代码(str)；



amount：交易数量，正数表示买入，负数表示卖出(int)；



limit_price：买卖限价(float)；



market_type：市价委托类型，上证非科创板股票支持参数1、4，上证科创板股票支持参数0、1、2、4，深证股票支持参数0、2、3、4、5(int)；



0：对手方最优价格；

1：最优五档即时成交剩余转限价；

2：本方最优价格；

3：即时成交剩余撤销；

4：最优五档即时成交剩余撤销；

5：全额成交或撤单；

ptrade QMT 动态止盈卖出 python代码实现

李魔佛 发表了文章 • 0 个评论 • 403 次浏览 • 2023-03-13 23:53 • 来自相关话题

帮你轻松实现自动止盈。
比如设置20%，那么会每天盘中扫描，可以精确到3S 一格，如果你的持仓股的收益率大于20%，它将会帮你自动卖出。
 
占坑 待续 》》》
帮你轻松实现自动止盈。
比如设置20%，那么会每天盘中扫描，可以精确到3S 一格，如果你的持仓股的收益率大于20%，它将会帮你自动卖出。
 
占坑 待续 》》》

ptrade qmt的模拟账户能不用尽量不用，无尽的bug让你浪费时间 怀疑人生

李魔佛 发表了文章 • 0 个评论 • 604 次浏览 • 2023-03-02 15:57 • 来自相关话题

个人平时基本很少用模拟账户。但有时候又没有办法。实盘账户在跑，仓位无法挪腾出来测试（最近折腾的打板策略）
所以临时登录了模拟账户。 里面也挺悲剧的，初始化的500w资金，之前测试的时候随意买入的转债，很多都强赎了。而ptrade里面依然还在，导致大部分是亏损99%以上， 账上只剩可怜的88w，虚拟基金。
 
今天用ptrade获取A股市场所有的股票代码，居然调试了半小时，代码如下
def initialize(context):
# 初始化策略
g.security = "600570.SS"
set_universe(g.security)

def handle_data(context, data):
stock=get_Ashares()
log.info(stock)
输出的stock是[]，没有任何数据。





上面的xxxxx is expired , close all positions by system. 是因为模拟账户上退市转债还依然挂在上面，清仓也清不掉。每次跑就循环一分钟输出。。
 
换了个券商的模拟账户，问题依然在，只好倒腾实盘账户。然后问题就解决了。
这个问题，在qmt上就更加严重了。 下次在星球上或者群里慢慢吐槽吧
 
  查看全部
个人平时基本很少用模拟账户。但有时候又没有办法。实盘账户在跑，仓位无法挪腾出来测试（最近折腾的打板策略）
所以临时登录了模拟账户。 里面也挺悲剧的，初始化的500w资金，之前测试的时候随意买入的转债，很多都强赎了。而ptrade里面依然还在，导致大部分是亏损99%以上， 账上只剩可怜的88w，虚拟基金。
 
今天用ptrade获取A股市场所有的股票代码，居然调试了半小时，代码如下
def initialize(context):

    # 初始化策略

    g.security = "600570.SS"

    set_universe(g.security)



def handle_data(context, data):

    stock=get_Ashares()

    log.info(stock)

输出的stock是[]，没有任何数据。

20230302012.jpg

上面的xxxxx is expired , close all positions by system. 是因为模拟账户上退市转债还依然挂在上面，清仓也清不掉。每次跑就循环一分钟输出。。
 
换了个券商的模拟账户，问题依然在，只好倒腾实盘账户。然后问题就解决了。
这个问题，在qmt上就更加严重了。 下次在星球上或者群里慢慢吐槽吧
 
 

Ptrade基本期货策略

李魔佛 发表了文章 • 0 个评论 • 417 次浏览 • 2023-02-04 14:17 • 来自相关话题

ptrade本身支持期货交易，开通账户绑定就可以了。
新建策略的时候选择：期货即可。





 
 
 1. 买入开仓
 
不同期货品种每一跳的价格变动都不一样，limit_price入参的时候要参考对应品种的价格变动规则，如limit_price不做入参则会以交易的行情快照最新价或者回测的分钟最新价进行报单；

根据交易所规则，每天结束时会取消所有未完成交易；
 
 
def initialize(context):
g.security = ['IF1712.CCFX', 'CU1806.XSGE']
set_universe(g.security)

def handle_data(context, data):
#买入开仓
buy_open('IF1712.CCFX', 1)

#买入开仓(限定点数为52220)
buy_open('CU1806.XSGE', 1, limit_price=52220)
2. 卖出平仓
def initialize(context):
g.security = ['IF1712.CCFX', 'CU1806.XSGE']
set_universe(g.security)

def handle_data(context, data):
#卖出平仓
sell_close('IF1712.CCFX', 1)
#卖出平今仓(限定点数为52220)
sell_close ('CU1806.XSGE', 1, limit_price=52220, close_today=True)
#卖出平仓(限定点数为52220)
sell_close ('CU1806.XSGE', 1, limit_price=52220)
3. 获取合约信息
get_instruments- 获取合约信息
 
get_instruments(contract)


返回

FutureParams对象，主要返回的字段为:

contract_code -- 合约代码，str类型；
contract_name -- 合约名称，str类型；
exchange -- 交易所：大商所、郑商所、上期所、中金所，str类型；
trade_unit -- 交易单位，int类型；
contract_multiplier -- 合约乘数，float类型；
delivery_date -- 交割日期，str类型；
listing_date -- 上市日期，str类型；
trade_code -- 交易代码，str类型；
margin_rate -- 保证金比例，float类型；

 
代码示例：
def initialize(context):
g.security = ["CU2112.XSGE", "IF2112.CCFX"]
set_universe(g.security)

def before_trading_start(context, data):
# 获取股票池代码合约信息
for security in g.security:
info = get_instruments(security)
log.info(info)

def handle_data(context, data):
pass 查看全部
ptrade本身支持期货交易，开通账户绑定就可以了。
新建策略的时候选择：期货即可。

20230204005.jpg

 
 
 1. 买入开仓
 
不同期货品种每一跳的价格变动都不一样，limit_price入参的时候要参考对应品种的价格变动规则，如limit_price不做入参则会以交易的行情快照最新价或者回测的分钟最新价进行报单；

根据交易所规则，每天结束时会取消所有未完成交易；
 
 
def initialize(context):

    g.security = ['IF1712.CCFX', 'CU1806.XSGE']

    set_universe(g.security)



def handle_data(context, data):

    #买入开仓

    buy_open('IF1712.CCFX', 1)



    #买入开仓(限定点数为52220)

    buy_open('CU1806.XSGE', 1, limit_price=52220)

2. 卖出平仓
def initialize(context):

    g.security = ['IF1712.CCFX', 'CU1806.XSGE']

    set_universe(g.security)



def handle_data(context, data):

    #卖出平仓

    sell_close('IF1712.CCFX', 1)

    #卖出平今仓(限定点数为52220)

    sell_close ('CU1806.XSGE', 1, limit_price=52220, close_today=True)

    #卖出平仓(限定点数为52220)

    sell_close ('CU1806.XSGE', 1, limit_price=52220)

3. 获取合约信息
get_instruments- 获取合约信息
 
get_instruments(contract)


返回

FutureParams对象，主要返回的字段为:

contract_code -- 合约代码，str类型；
contract_name -- 合约名称，str类型；
exchange -- 交易所：大商所、郑商所、上期所、中金所，str类型；
trade_unit -- 交易单位，int类型；
contract_multiplier -- 合约乘数，float类型；
delivery_date -- 交割日期，str类型；
listing_date -- 上市日期，str类型；
trade_code -- 交易代码，str类型；
margin_rate -- 保证金比例，float类型；


 
代码示例：
def initialize(context):

    g.security = ["CU2112.XSGE", "IF2112.CCFX"]

    set_universe(g.security)



def before_trading_start(context, data):

    # 获取股票池代码合约信息

    for security in g.security:

        info = get_instruments(security)

    log.info(info)



def handle_data(context, data):

    pass

ptrade获取分时成交数据-LEVEL2数据逐笔数据

李魔佛 发表了文章 • 0 个评论 • 645 次浏览 • 2023-02-04 12:27 • 来自相关话题

在接口文档 http://ptradeapi.com/#get_tick_direction
中提供了获取分时成交的数据。
 
使用场景
该函数在交易模块可用

接口说明
该接口用于获取当日分时成交行情数据。

注意事项：

1、沪深市场都有分时成交数据；

2、分时成交数据需开通level2行情才有数据推送，否则无数据返回；
返回字段：
返回
返回一个OrderedDict对象，包含每只代码的分时成交行情数据。(OrderedDict([(),()...]))

返回结果字段介绍：

time_stamp: 时间戳毫秒级(str:numpy.int64)；
hq_px: 价格(str:numpy.float64)；
hq_px64: 价格(str:numpy.int64)(行情暂不支持，返回均为0)；
business_amount: 成交数量(str:numpy.int64)；
business_balance: 成交金额(str:numpy.int64)；
business_count: 成交笔数(str:numpy.int64)；
business_direction: 成交方向（0：卖，1：买，2：平盘)(str:numpy.int64)；
amount: 持仓量(str:numpy.int64)(行情暂不支持，返回均为0)；
start_index: 分笔关联的逐笔开始序号(str:numpy.int64)(行情暂不支持，返回均为0)；
end_index: 分笔关联的逐笔结束序号(str:numpy.int64)(行情暂不支持，返回均为0)；
示例代码：
def initialize(context):
g.security = '000001.SZ'
set_universe(g.security)

def handle_data(context, data):
#获取000001.SZ的分时成交数据
direction_data = get_tick_direction(g.security)
log.info(direction_data)
#获取指定股票列表分时成交数据
direction_data = get_tick_direction(['000002.SZ','000032.SZ'])
log.info(direction_data)
#获取成交量
business_amount = direction_data['000002.SZ']['business_amount']
log.info('分时成交的成交量为：%s' % business_amount)
不过在handle_bar中或者tick_data中，实际行情推送最快也要3s,所以拿到的level2的是切片数据，即使拿到很多数据，可是行情获取时间间隔还是3s， 无法做到和qmt那样的level2逐笔订阅驱动。还有level2数据需要收费。ptrade目前常用的几个券商都不支持level2的。
 
目前有万一免五的qmt ptrade量化交易接口的券商吗？
 

 
  查看全部
在接口文档 http://ptradeapi.com/#get_tick_direction
中提供了获取分时成交的数据。
 
使用场景

该函数在交易模块可用



接口说明

该接口用于获取当日分时成交行情数据。



注意事项：



1、沪深市场都有分时成交数据；



2、分时成交数据需开通level2行情才有数据推送，否则无数据返回；

返回字段：
返回

返回一个OrderedDict对象，包含每只代码的分时成交行情数据。(OrderedDict([(),()...]))



返回结果字段介绍：



time_stamp: 时间戳毫秒级(str:numpy.int64)；

hq_px: 价格(str:numpy.float64)；

hq_px64: 价格(str:numpy.int64)(行情暂不支持，返回均为0)；

business_amount: 成交数量(str:numpy.int64)；

business_balance: 成交金额(str:numpy.int64)；

business_count: 成交笔数(str:numpy.int64)；

business_direction: 成交方向（0：卖，1：买，2：平盘)(str:numpy.int64)；

amount: 持仓量(str:numpy.int64)(行情暂不支持，返回均为0)；

start_index: 分笔关联的逐笔开始序号(str:numpy.int64)(行情暂不支持，返回均为0)；

end_index: 分笔关联的逐笔结束序号(str:numpy.int64)(行情暂不支持，返回均为0)；

示例代码：
def initialize(context):

    g.security = '000001.SZ'

    set_universe(g.security)



def handle_data(context, data):

    #获取000001.SZ的分时成交数据

    direction_data = get_tick_direction(g.security)

    log.info(direction_data)

    #获取指定股票列表分时成交数据

    direction_data = get_tick_direction(['000002.SZ','000032.SZ'])

    log.info(direction_data)

    #获取成交量

    business_amount = direction_data['000002.SZ']['business_amount']

    log.info('分时成交的成交量为：%s' % business_amount)

不过在handle_bar中或者tick_data中，实际行情推送最快也要3s,所以拿到的level2的是切片数据，即使拿到很多数据，可是行情获取时间间隔还是3s， 无法做到和qmt那样的level2逐笔订阅驱动。还有level2数据需要收费。ptrade目前常用的几个券商都不支持level2的。
 
目前有万一免五的qmt ptrade量化交易接口的券商吗？
 

 
 

ptrade移除当前ST股

李魔佛 发表了文章 • 0 个评论 • 330 次浏览 • 2023-02-04 12:14 • 来自相关话题

 
下面代码移除创业板，科创板还有当前被ST的股票。也可以任意组合，移除。
可以参考上一篇：http://30daydo.com/article/44569
 
def remove_st_stock(all_stock_list):
st_dict = get_stock_status(all_stock_list, query_type='ST', query_date=None)
st_list = []
for k, v in st_dict.items():
if v:
st_list.append(k)
return st_list

MARKET_DICT = {0: '科创板', 1: '创业板', }
IGNORE_MARKET = [0, 1]

def all_codes_in_market():
all_stock_set = set(get_Ashares(date=None))
for ignore_code in IGNORE_MARKET:
market = MARKET_DICT.get(ignore_code)
if market == '科创板':
all_stock_set = all_stock_set - set(filter(lambda x: x.startswith('68'), all_stock_set))
if market == '创业板':
all_stock_set = all_stock_set - set(filter(lambda x: x.startswith('3'), all_stock_set))

return all_stock_set


def create_target(context):
all_stock_set = all_codes_in_market()
st_list = remove_st_stock(list(all_stock_set))
all_stock_set = all_stock_set - set(st_list)
return all_stock_set
调用方式：

stock_target = create_target(None)
 
这样返回的股票就被排除了科创板，创业板，ST股票。
 

 
  查看全部
 
下面代码移除创业板，科创板还有当前被ST的股票。也可以任意组合，移除。
可以参考上一篇：http://30daydo.com/article/44569
 
def remove_st_stock(all_stock_list):

    st_dict = get_stock_status(all_stock_list, query_type='ST', query_date=None)

    st_list = []

    for k, v in st_dict.items():

        if v:

            st_list.append(k)

    return st_list



MARKET_DICT = {0: '科创板', 1: '创业板', }

IGNORE_MARKET = [0, 1]



def all_codes_in_market():

    all_stock_set = set(get_Ashares(date=None))

    for ignore_code in IGNORE_MARKET:

        market = MARKET_DICT.get(ignore_code)

        if market == '科创板':

            all_stock_set = all_stock_set - set(filter(lambda x: x.startswith('68'), all_stock_set))

        if market == '创业板':

            all_stock_set = all_stock_set - set(filter(lambda x: x.startswith('3'), all_stock_set))



    return all_stock_set





def create_target(context):

    all_stock_set = all_codes_in_market()

    st_list = remove_st_stock(list(all_stock_set))

    all_stock_set = all_stock_set - set(st_list)

    return all_stock_set

调用方式：

stock_target = create_target(None)
 
这样返回的股票就被排除了科创板，创业板，ST股票。
 

 
 

ptrade排除A股创业板，科创板的股票

李魔佛 发表了文章 • 0 个评论 • 397 次浏览 • 2023-02-04 10:48 • 来自相关话题

由于创业板和科创板的股票波动会比沪深主板的要大，所以如果想要按照某些策略，排除这两个板块的股票，可以使用下面的方法：
 
MARKET_DICT = {0: '科创板', 1: '创业板', }
IGNORE_MARKET = [0, 1]

def create_target(context):

all_stock_set = set(get_Ashares(date=None))
for ignore_code in IGNORE_MARKET:
market = MARKET_DICT.get(ignore_code)
if market == '科创板':
all_stock_set = all_stock_set - set(filter(lambda x:x.startswith('68'),all_stock_set))
if market == '创业板':
all_stock_set = all_stock_set - set(filter(lambda x:x.startswith('3'),all_stock_set))

return all_stock_set
返回的all_stock_set就是排除了创业板，科创板的股票列表。
 
ptrade接口文档：http://ptradeapi.com
  查看全部
由于创业板和科创板的股票波动会比沪深主板的要大，所以如果想要按照某些策略，排除这两个板块的股票，可以使用下面的方法：
 
MARKET_DICT = {0: '科创板', 1: '创业板', }

IGNORE_MARKET = [0, 1]



def create_target(context):



    all_stock_set = set(get_Ashares(date=None))

    for ignore_code in IGNORE_MARKET:

        market = MARKET_DICT.get(ignore_code)

        if market == '科创板':

            all_stock_set = all_stock_set - set(filter(lambda x:x.startswith('68'),all_stock_set))

        if market == '创业板':

            all_stock_set = all_stock_set - set(filter(lambda x:x.startswith('3'),all_stock_set))



    return all_stock_set

返回的all_stock_set就是排除了创业板，科创板的股票列表。
 
ptrade接口文档：http://ptradeapi.com
 

ptrade如何获取某天的全市场股票代码？

李魔佛 发表了文章 • 0 个评论 • 459 次浏览 • 2023-02-04 03:19 • 来自相关话题

ptrade如何获取全市场股票代码？
 
在ptrade的接口文档http://ptradeapi.com 里面可以查到，
 
get_Ashares – 获取指定日期A股代码列表
 
get_Ashares(date=None)

 
如果不指定日期，则获取单天的A股所有股票的股票代码。
 
如果在回测的时候，获取的是回测单天额所有股票代码； 如果指定日期，则获取的是指定日期的所有A股股票代码。

get_Ashares – 获取指定日期A股代码列表get_Ashares(date=None)使用场景

该函数在研究、回测、交易模块可用

接口说明

该接口用于获取指定日期沪深市场的所有A股代码列表

注意事项：

1、在回测中，date不入参默认取回测日期，默认值会随着回测日期变化而变化，等于context.current_dt

2、在研究中，date不入参默认取当天日期

3、在交易中，date不入参默认取当天日期

参数

date：格式为YYYYmmdd

返回

股票代码列表，list类型(list[str,...])

 
让我们来测试一下：





 
拿到的股票个数是4912个。
 
然后我对着通达信的所有A股数据比较了一下，get_Ashares 获取的数据不包括北交所，新三板创新创业的股票，也就是不包括4和8开头的股票数据，但包含沪深主板，创业板，科创板的股票数据。
 

  查看全部
ptrade如何获取全市场股票代码？
 
在ptrade的接口文档http://ptradeapi.com 里面可以查到，
 
get_Ashares – 获取指定日期A股代码列表
 
get_Ashares(date=None)

 
如果不指定日期，则获取单天的A股所有股票的股票代码。
 
如果在回测的时候，获取的是回测单天额所有股票代码； 如果指定日期，则获取的是指定日期的所有A股股票代码。


get_Ashares – 获取指定日期A股代码列表get_Ashares(date=None)使用场景

该函数在研究、回测、交易模块可用

接口说明

该接口用于获取指定日期沪深市场的所有A股代码列表

注意事项：

1、在回测中，date不入参默认取回测日期，默认值会随着回测日期变化而变化，等于context.current_dt

2、在研究中，date不入参默认取当天日期

3、在交易中，date不入参默认取当天日期

参数

date：格式为YYYYmmdd

返回

股票代码列表，list类型(list[str,...])


 
让我们来测试一下：

20230204002.jpg

 
拿到的股票个数是4912个。
 
然后我对着通达信的所有A股数据比较了一下，get_Ashares 获取的数据不包括北交所，新三板创新创业的股票，也就是不包括4和8开头的股票数据，但包含沪深主板，创业板，科创板的股票数据。
 

 

ptrade生产环境在开盘交易时间无法回测，有什么办法可以解决？

李魔佛 发表了文章 • 0 个评论 • 537 次浏览 • 2023-01-06 12:07 • 来自相关话题

2023-01-06 10:41:46 Error: 回测运行失败, 错误码:2 错误信息: 当前时间不允许创建回测 





 在正式环境下，多个券商的ptrade都无法进行回测。
 
但也有办法解决。 就是使用ptrade的仿真客户端。 仿真客户端并连接实盘交易。所以没有这个时间的限制。
笔者在几个券商的上的仿真客户端都可以在交易时间使用回测功能。
可能部分仿真客户端需要申请才给开通的。
  查看全部


2023-01-06 10:41:46 Error: 回测运行失败, 错误码:2 错误信息: 当前时间不允许创建回测 


20230106002.jpg

 在正式环境下，多个券商的ptrade都无法进行回测。
 
但也有办法解决。 就是使用ptrade的仿真客户端。 仿真客户端并连接实盘交易。所以没有这个时间的限制。
笔者在几个券商的上的仿真客户端都可以在交易时间使用回测功能。
可能部分仿真客户端需要申请才给开通的。
 

ptrade回测结束后执行某个函数，比如保存回测结果

李魔佛 发表了文章 • 0 个评论 • 418 次浏览 • 2023-01-01 17:56 • 来自相关话题

http://ptradeapi.com/#after_trading_end
官方文档只提供一个每天盘后执行的函数，没有函数可以在回测结束后，固定执行某些操作。
 
比如我回测过程保存的历史交易记录，收益率等，要如何保存？ 虽然可以在回测的时候，每个交易日保存一次。
但是这样就需要在回测的时候按照天打开文件，盘后写入一次。 使用一个全局对象操作，显得很啰嗦。
 
那么有没有办法可以做在回测结束后一次性 保存操作呢？
 
答案是有的。也很简单。 适用于ptrade，qmt。
https://t.zsxq.com/09yigu5dy

 

 
  查看全部
http://ptradeapi.com/#after_trading_end
官方文档只提供一个每天盘后执行的函数，没有函数可以在回测结束后，固定执行某些操作。
 
比如我回测过程保存的历史交易记录，收益率等，要如何保存？ 虽然可以在回测的时候，每个交易日保存一次。
但是这样就需要在回测的时候按照天打开文件，盘后写入一次。 使用一个全局对象操作，显得很啰嗦。
 
那么有没有办法可以做在回测结束后一次性 保存操作呢？
 
答案是有的。也很简单。 适用于ptrade，qmt。
https://t.zsxq.com/09yigu5dy

 

 
 

ptrade回测 获取回测当天的分时数据

李魔佛 发表了文章 • 0 个评论 • 439 次浏览 • 2023-01-01 15:45 • 来自相关话题

http://ptradeapi.com/#get_price
ptrade api的文档第3条表明，
 

3、数据返回内容不包括当天数据。

也就是用get_price是拿不到回测当天的数据。
 
比如下面的例子：
def initialize(context):
# 初始化策略
run_daily(context, execute, '09:36')

def handle_data(context, data):
pass


def execute(context):
current = context.blotter.current_dt.strftime('%Y-%m-%d')
log.info(current)
security='128025.SZ'
df = get_price(security, start_date=None, end_date=None, frequency='1m', fields=None, fq=None, count=10)
log.info(df)
返回的数据：
2023-01-01 15:31:21 开始运行回测, 策略名称: 四叶草-指定时间价格
2022-12-01 09:36:00 - INFO - 2022-12-01
2022-12-01 09:36:00 - INFO - open high low close volume \
2022-11-30 14:51:00 276.510 276.560 274.626 275.500 217510.0
2022-11-30 14:52:00 275.240 278.638 275.205 278.398 363820.0
2022-11-30 14:53:00 278.485 278.895 276.660 277.479 307570.0
2022-11-30 14:54:00 277.337 278.440 276.660 278.440 239370.0
2022-11-30 14:55:00 279.900 287.113 279.900 287.113 853170.0
2022-11-30 14:56:00 287.113 288.526 286.533 288.125 581860.0
2022-11-30 14:57:00 288.126 291.800 287.909 291.361 523580.0
2022-11-30 14:58:00 291.500 292.980 291.500 291.800 36480.0
2022-11-30 14:59:00 291.800 291.800 291.800 291.800 0.0
2022-11-30 15:00:00 292.510 292.510 292.510 292.510 421398.0
回测日期是2022-12-01日，每天09:36运行，那10根数据。
但返回的数据是昨天的收盘前的10根分时数据。并非当天9：36分开始拿10根bar。
 
如果把日期数据也固定，
df = get_price(security, start_date='2022-12-01', end_date=None, frequency='1m', fields=None, fq=None, count=10)

实际拿到的数据是空的，也就是无法拿到当天的数据。
 
正确的用法：
 
def initialize(context):
# 初始化策略
run_daily(context, execute, '09:36')

def handle_data(context, data):
pass


def execute(context):
current = context.blotter.current_dt.strftime('%Y-%m-%d')
log.info(current)
security='128025.SZ'
count=6
df=get_history(count, frequency='1m', field='close', security_list=security, fq=None, include=False, fill='nan')
log.info(df)

返回的数据：





 
欢迎关注公众号 查看全部
http://ptradeapi.com/#get_price
ptrade api的文档第3条表明，
 


3、数据返回内容不包括当天数据。


也就是用get_price是拿不到回测当天的数据。
 
比如下面的例子：
def initialize(context):

    # 初始化策略

    run_daily(context, execute, '09:36')



def handle_data(context, data):

    pass

    

    

def execute(context):

    current = context.blotter.current_dt.strftime('%Y-%m-%d')

    log.info(current)

    security='128025.SZ'

    df = get_price(security, start_date=None, end_date=None, frequency='1m', fields=None, fq=None, count=10)

    log.info(df)

返回的数据：
2023-01-01 15:31:21 开始运行回测, 策略名称: 四叶草-指定时间价格

2022-12-01 09:36:00 - INFO - 2022-12-01

2022-12-01 09:36:00 - INFO -                         open     high      low    close    volume  \

2022-11-30 14:51:00  276.510  276.560  274.626  275.500  217510.0   

2022-11-30 14:52:00  275.240  278.638  275.205  278.398  363820.0   

2022-11-30 14:53:00  278.485  278.895  276.660  277.479  307570.0   

2022-11-30 14:54:00  277.337  278.440  276.660  278.440  239370.0   

2022-11-30 14:55:00  279.900  287.113  279.900  287.113  853170.0   

2022-11-30 14:56:00  287.113  288.526  286.533  288.125  581860.0   

2022-11-30 14:57:00  288.126  291.800  287.909  291.361  523580.0   

2022-11-30 14:58:00  291.500  292.980  291.500  291.800   36480.0   

2022-11-30 14:59:00  291.800  291.800  291.800  291.800       0.0   

2022-11-30 15:00:00  292.510  292.510  292.510  292.510  421398.0

回测日期是2022-12-01日，每天09:36运行，那10根数据。
但返回的数据是昨天的收盘前的10根分时数据。并非当天9：36分开始拿10根bar。
 
如果把日期数据也固定，
    df = get_price(security, start_date='2022-12-01', end_date=None, frequency='1m', fields=None, fq=None, count=10)

实际拿到的数据是空的，也就是无法拿到当天的数据。
 
正确的用法：
 
def initialize(context):

    # 初始化策略

    run_daily(context, execute, '09:36')



def handle_data(context, data):

    pass

    



def execute(context):

    current = context.blotter.current_dt.strftime('%Y-%m-%d')

    log.info(current)

    security='128025.SZ'

    count=6

    df=get_history(count, frequency='1m', field='close', security_list=security, fq=None, include=False, fill='nan')

    log.info(df)

返回的数据：

20230101154423810.png

 
欢迎关注公众号

Ptrade获取可转债强赎数据

李魔佛 发表了文章 • 0 个评论 • 693 次浏览 • 2022-12-21 15:50 • 来自相关话题

对于强赎的可转债而言，期权价值归0，叠加一个转股压力。类似于股票解禁的效果，导致转债和正股一起下跌。





 
所以在可转债的策略里面，把强赎的转债排除掉，是一个不错的因子。
 
但内置的ptrade接口数据并无提供任何转债相关的数据。
 
不过笔者这里提供了一个自研的数据接口。
 
http://ptradeapi.com/#%E5%8F%AF%E8%BD%AC%E5%80%BA%E5%BC%BA%E8%B5%8E%E4%B8%8E%E6%95%B0%E6%97%A5%E5%AD%90
 
方便在ptrade里面调用。
  查看全部
对于强赎的可转债而言，期权价值归0，叠加一个转股压力。类似于股票解禁的效果，导致转债和正股一起下跌。

haerzuanzai.jpeg

 
所以在可转债的策略里面，把强赎的转债排除掉，是一个不错的因子。
 
但内置的ptrade接口数据并无提供任何转债相关的数据。
 
不过笔者这里提供了一个自研的数据接口。
 
http://ptradeapi.com/#%E5%8F%AF%E8%BD%AC%E5%80%BA%E5%BC%BA%E8%B5%8E%E4%B8%8E%E6%95%B0%E6%97%A5%E5%AD%90
 
方便在ptrade里面调用。
 

20221221003.jpg

Ptrade API 文档

李魔佛 发表了文章 • 0 个评论 • 771 次浏览 • 2022-12-18 20:18 • 来自相关话题

部署一个ptrade APi文档的小站，便于平时做量化的朋友查询。
 
http://ptradeapi.com/





 





 
以后再也不用在ptrade的编辑页面与编辑页面来回切换了。 查看全部
部署一个ptrade APi文档的小站，便于平时做量化的朋友查询。
 
http://ptradeapi.com/

20221218005.jpg

 

20221218006.jpg

 
以后再也不用在ptrade的编辑页面与编辑页面来回切换了。

Ptrade多策略如何编写？

李魔佛 发表了文章 • 0 个评论 • 804 次浏览 • 2022-11-16 11:33 • 来自相关话题

多策略需要解决的一个最主要的问题，就是仓位管理。
 
系统自带的读取仓位函数需要你重写。
 
目前使用一个类来管理仓位：
 
初始化部分：class PositionManager():

def __init__(self):
if SINGLE_FACTOR not in [1, 2, 3, 4]:
raise ValueError('策略数字有误')

self.strategy = SINGLE_FACTOR
NOTEBOOK_PATH = '/home/fly/notebook/'
# self.filename = NOTEBOOK_PATH + 'S-{}.txt'.format(self.strategy)
self.filename = NOTEBOOK_PATH + personal_define_filename
self.portfolio = self.read()
log.info(self.portfolio)
self.write()

def init_data(self):
js_data = {
'cash': CASH,
'strategy': self.strategy,
'positions': ,
'portfolio_value': None,
'positions_value': None,
'capital_used': None,
'start_date': datetime.datetime.now().strftime('%Y%m%d%H%M%S'),
'current_day': 0,
}
数据需要收盘后保存到文件，数据库也行；不过考虑到大部分ptrade（除了国盛，需要开通的可以联系公众号：可转债量化分析）都没有连接外网功能，所以最简单的方式就是写入文件，纯粹的文本文件。
 
目前笔者使用json存储





 点击查看大图
 
这样存储有一个好处，就是如果你想中途修改策略持仓，可以直接修改这个文本文件。比如你的策略不小心买入了一只强赎的转债，你想手动卖掉，那么很简单，你只要在这个json文件里面把对应的持仓删除，再把他的市值加到可用资金里面去即可。 用法是相当灵活。
 
需要完整代码或者指导的朋友可以关注下面公众号和知识星球。
 
 

 

 
  查看全部
多策略需要解决的一个最主要的问题，就是仓位管理。
 
系统自带的读取仓位函数需要你重写。
 
目前使用一个类来管理仓位：
 
初始化部分：
class PositionManager():



    def __init__(self):

        if SINGLE_FACTOR not in [1, 2, 3, 4]:

            raise ValueError('策略数字有误')



        self.strategy = SINGLE_FACTOR

        NOTEBOOK_PATH = '/home/fly/notebook/'

        # self.filename = NOTEBOOK_PATH + 'S-{}.txt'.format(self.strategy)

        self.filename = NOTEBOOK_PATH + personal_define_filename

        self.portfolio = self.read()

        log.info(self.portfolio)

        self.write()



    def init_data(self):

        js_data = {

            'cash': CASH,

            'strategy': self.strategy,

            'positions': ,

            'portfolio_value': None,

            'positions_value': None,

            'capital_used': None,

            'start_date': datetime.datetime.now().strftime('%Y%m%d%H%M%S'),

            'current_day': 0,

        }

数据需要收盘后保存到文件，数据库也行；不过考虑到大部分ptrade（除了国盛，需要开通的可以联系公众号：可转债量化分析）都没有连接外网功能，所以最简单的方式就是写入文件，纯粹的文本文件。
 
目前笔者使用json存储

20221116001.jpg

 点击查看大图
 
这样存储有一个好处，就是如果你想中途修改策略持仓，可以直接修改这个文本文件。比如你的策略不小心买入了一只强赎的转债，你想手动卖掉，那么很简单，你只要在这个json文件里面把对应的持仓删除，再把他的市值加到可用资金里面去即可。 用法是相当灵活。
 
需要完整代码或者指导的朋友可以关注下面公众号和知识星球。
 
 

 

 
 

Ptrade拆单 分批下单 python代码 可转债/股票

李魔佛 发表了文章 • 0 个评论 • 637 次浏览 • 2022-11-10 00:35 • 来自相关话题

在转债市场，部分转债的流动性很差，有时候连成交100张也需要等待一段时间。

所以如果资金量大，就需要拆单操作。

交易代码部分，如果设置 SPLIT_ORDER_ENABLE = True 即进行拆单操作：


在交易部分：(省略部分不相关代码) if SPLIT_ORDER_ENABLE:
split_order(code, BUY_DIRECTION, amount)
else:
buy_price = round(buy_price, 3)
ret = order(code, amount, limit_price=buy_price)BUY_DIRECTION 为买，值是1，一个常量

SELL_DIRECTION为卖，值为-1，也是一个常量，传入拆单函数中
 
 
拆单函数提取出来：def split_order(code, direction, target_count):
'''
拆单
:param code: 股票代码
:param direction: 买：1 卖：-1
:param target_count: 总共要卖的股数
:return:
'''

count = int(target_count / EACH_ORDER_COUNT)
# 例如：560张， 200 张一单， 2次 + 最后一次160 张

remain_count = target_count % EACH_ORDER_COUNT

for i in range(count):
ret = order(code, direction * EACH_ORDER_COUNT)
time.sleep(SPLIT_ORDER_DELAY) # 拆开的单子等待一个时间，再下另外一单

if direction == 1: # 买的时候需要整数，卖则不需要
remain_count = int(remain_count / 10) * 10

if remain_count > 0:
ret = order(code, direction * remain_count)常用的操作都类似，写成模块方便下次调用。写多了就是套模块。
 
在可转债实盘中，拆单后每笔下单200张，就是每次200张下一次单，因为有可能不是马上成交，所以还需要一段等待延时，再去下单；不然你的拆单也变得没有意义，因为委托那里都是挂的你的单，并没有被消化掉。
 












可以看到实盘交易日志，即使拆单为200张一笔，外加一段延时，成交张数也是稀稀拉拉的，出现了不少的部分成交；也就是一次连200张都未成交完成；一笔200张的，部分成交10张，20张，都是有可能的，这也足以说明，可转债的流动性问题，滑点是很难被忽略的。

当然，这是轮动调仓的时候，金额较大的情况下拆单。如果高频交易下就不能这么操作了。 
具体怎么写，可以关注个人公众号与知识星球。

知识星球原文：





 
如需要代写量化策略实盘代码，可以到个人公众号【可转债量化分析】后台留言。
 
 
 
  查看全部
在转债市场，部分转债的流动性很差，有时候连成交100张也需要等待一段时间。

所以如果资金量大，就需要拆单操作。

交易代码部分，如果设置 SPLIT_ORDER_ENABLE = True 即进行拆单操作：


在交易部分：(省略部分不相关代码)
                if SPLIT_ORDER_ENABLE:

                    split_order(code, BUY_DIRECTION, amount)

                else:

                    buy_price = round(buy_price, 3)

                    ret = order(code, amount, limit_price=buy_price)
BUY_DIRECTION 为买，值是1，一个常量

SELL_DIRECTION为卖，值为-1，也是一个常量，传入拆单函数中
 
 
拆单函数提取出来：
def split_order(code, direction, target_count):

    '''

    拆单

    :param code: 股票代码

    :param direction: 买：1 卖：-1

    :param target_count: 总共要卖的股数

    :return:

    '''



    count = int(target_count / EACH_ORDER_COUNT)  

    # 例如：560张， 200 张一单， 2次 + 最后一次160 张

    

    remain_count = target_count % EACH_ORDER_COUNT



    for i in range(count):

        ret = order(code, direction * EACH_ORDER_COUNT)

        time.sleep(SPLIT_ORDER_DELAY) # 拆开的单子等待一个时间，再下另外一单



    if direction == 1: # 买的时候需要整数，卖则不需要

        remain_count = int(remain_count / 10) * 10



    if remain_count > 0:

        ret = order(code, direction * remain_count)
常用的操作都类似，写成模块方便下次调用。写多了就是套模块。
 
在可转债实盘中，拆单后每笔下单200张，就是每次200张下一次单，因为有可能不是马上成交，所以还需要一段等待延时，再去下单；不然你的拆单也变得没有意义，因为委托那里都是挂的你的单，并没有被消化掉。
 

20221110002.jpg



20221110003.jpg


可以看到实盘交易日志，即使拆单为200张一笔，外加一段延时，成交张数也是稀稀拉拉的，出现了不少的部分成交；也就是一次连200张都未成交完成；一笔200张的，部分成交10张，20张，都是有可能的，这也足以说明，可转债的流动性问题，滑点是很难被忽略的。

当然，这是轮动调仓的时候，金额较大的情况下拆单。如果高频交易下就不能这么操作了。 
具体怎么写，可以关注个人公众号与知识星球。

知识星球原文：

20221110001.jpg

 
如需要代写量化策略实盘代码，可以到个人公众号【可转债量化分析】后台留言。
 
 
 
 
Copyright © 2023