PTrade交易程序代码——从零到实盘19

如题，本文将介绍PTrade实盘交易程序的代码。

如何在PTrade中部署策略，可以参见前文中“PTrade部署策略过程”部分内容，然后把本文的代码粘贴到PTrade，就能完成“双神穿多线”策略的部署。

我们将对程序的各个函数依次进行介绍。

初始化函数

def initialize(context):

该函数为PTrade的业务流程框架的必选函数，实现初始化功能，用于初始化一些全局变量。策略启动后，该函数仅会被调用一次。

• 参数context为Context对象，存放有当前的账户及持仓信息。

    run_interval(context, interval_handle, seconds = 3)

这里以设定时间间隔（单位为秒）周期性运行指定函数interval_handle，这里我们设置seconds = 3，也就是每隔3秒调用一次函数interval_handle，该函数用于处理买卖逻辑，将在后文中定义实现。
需要注意的是，seconds设置最小时间间隔为3秒，小于3秒默认设定为3秒，也就是我们每次处理交易的最小时间间隔为3秒。

    g.limit_value = 5000

设置资金少于limit_value则不买入，这里注意到全局变量均已g.开头。

    g.limit_stock_num = 3

设置持仓股票只数限制，根据回测结果我们设置最多持有3张股票。

    g.limit_hold_days = 6

设置持股天数限制，根据回测结果我们设置单只股票最多持有6天。

    g.security = '000300.SS'
    set_universe(g.security)

设置要操作的股票池，这里我们添加沪深300。

盘前初始化函数

def before_trading_start(context, data):

该函数会在每天开始交易前被调用，此处添加每天都要初始化的信息。

• 参数context为Context对象，存放有当前的账户及持仓信息
• 参数data为保留字段暂无数据
  在该函数中，我们会将待监测和交易的股票添加到股票池，读取股票的买点、卖点数据，以及判断股票是否达到持股天数限制，需要立即卖出。

    g.buy_submitted_set = set() 

当日提交买单的股票代码集合，用于避免同一股票的买单被重复提交。

    file_path = get_research_path() + 'upload_file/trade_data.csv'
    g.db_df = pd.read_csv(file_path, encoding='utf-8', converters={'code': str})

通过前面文章的设置，我们将待交易数据自动上传到研究目录下upload_file文件夹下，这里读取待交易数据，供实盘使用。

    g.db_df['code_ptrade'] = g.db_df['code'].map(lambda x: x + '.SS' if '6' == x[0] else x + '.SZ')

由于PTrade的股票代码是在数字后添加.SS或者.SZ，这里我们对股票代码进行格式转换，以便后续PTrade使用。

    g.to_trade_df = g.db_df[1 == g.db_df['to_trade']]

获取待交易数据，待交易数据的to_trade字段值均为1。

    g.to_buy_df = g.to_trade_df[g.to_trade_df['date_buy'].isna()]
    g.to_buy_stock_list = g.to_buy_df['code_ptrade'].tolist()

获取待买入数据，如果date_buy字段为空，表示该股票尚未买入，需实盘监测是否触发买入。

    g.buy_point_dict = g.to_buy_df[['code_ptrade', 'buy_point']].set_index('code_ptrade').to_dict(into=OrderedDict)['buy_point']
    log.info('买点字典：{}'.format(g.buy_point_dict))

生成买点字典，字典的key为股票代码，value为股票的买点价格。

    g.to_sell_df = g.to_trade_df[(~g.to_trade_df['date_buy'].isna()) & (g.to_trade_df['hold_days'] <= g.limit_hold_days)]
    g.to_sell_stock_list = g.to_sell_df['code_ptrade'].tolist()

获取待止盈、止损卖出数据，此类股票的date_buy字段不为空，表示已经买入，并且持有天数没有达到上限，这样需要对此类股票的价格进行监测，观察是否会达到止盈或止损价格，来决定是否需要卖出。

    g.to_sell_immi_df = g.to_trade_df[(~g.to_trade_df['date_buy'].isna()) & (g.to_trade_df['hold_days'] > g.limit_hold_days)]
    g.to_sell_immi_list = g.to_sell_immi_df['code_ptrade'].tolist()
    g.sell_immi_done = False

获取待立刻卖出股票，此类股票date_buy字段不为空，且已经达到持股天数上限，开盘需立即卖出。

    g.take_profit_dict = g.to_sell_df[['code_ptrade', 'price_take_profit']].set_index('code_ptrade').to_dict()['price_take_profit']
    log.info('止盈字典：{}'.format(g.take_profit_dict))
    g.stop_loss_dict = g.to_sell_df[['code_ptrade', 'price_stop_loss']].set_index('code_ptrade').to_dict()['price_stop_loss']
    log.info('止损字典：{}'.format(g.stop_loss_dict))

生成止盈、止损字典，字典的key为股票代码，value分别为股票的止盈价和止损价。

    g.security =  g.to_trade_df['code_ptrade'].tolist()
    set_universe(g.security)

设置待交易股票，将待交易股票添加到股票池。

    g.ipo_done = False
    log.info('当前可用资金：{}'.format(context.portfolio.cash))

重置ipo标识，每日固定时间进行一次新股申购。

    log.info('盘前持股{}只：{}'.format(get_position_count(context), get_position_list(context)))
    log.info('单只股票买入金额：{}'.format(value_per_stock(context)))

打印盘前信息。

判断资金余额是否充足函数

def enough_cash(context, limit_value):

该函数用于判断资金余额是否充足。

• 参数context为Context对象，存放有当前的账户及持仓信息
• 参数limit_value为资金限制，当前账户余额需大于等于该值，才判断为余额充足

    if context.portfolio.cash < limit_value:
        log.info('余额不足')        
        return False
    else:
        return True 

当资金充足则返回True，否则返回False。

获取当前已买股票函数

def bought_stock_set(context):

该函数用于获取已买股票的集合，包含已提交买单的股票和持仓股票。

• 参数context为Context对象，存放有当前的账户及持仓信息

    return g.buy_submitted_set | set(get_position_list(context))

对已提交买入的股票代码的集合、持仓股票代码的集合求并集，达到已买股票的集合。

获取当前可买股票只数函数

def available_position_count(context):

该函数用于计算当前可买的股票只数。

• 参数context为Context对象，存放有当前的账户及持仓信息

    return g.limit_stock_num - len(bought_stock_set(context))

对已提交买入的股票代码的集合、持仓股票代码的集合求并集，再用持股只数限制减去上面并集中元素的个数，即为当前可买的股票只数 。

获取单只股票买入金额函数

def value_per_stock(context):

该函数用于计算单只股票买入金额。

• 参数context为Context对象，存放有当前的账户及持仓信息

    available_count = available_position_count(context)

计算当前可买的股票只数。

    if 0 == available_count:
        return 0.0

当可买的股票只数为0时返回0.0。

    return context.portfolio.cash / available_count

如果可买入股票的只数不为0，则用资金余额除以当前可买的股票只数得到单只股票可买入金额，供后续下买单使用。

获取当前持股列表函数

def get_position_list(context):

该函数用于获取当前持股列表。

• 参数context为Context对象，存放有当前的账户及持仓信息

    return [x for x in context.portfolio.positions if context.portfolio.positions[x].amount != 0]

context.portfolio.positions包含持股信息，但需要通过amount!=0来获取真实持股。因为当股票卖出成功时，当日清仓的股票信息仍会保存在context.portfolio.positions中，只是amount等于0。

获取当前持股只数函数

def get_position_count(context):

该函数用于获取当前持股只数。

• 参数context为Context对象，存放有当前的账户及持仓信息

    return len(get_position_list(context))

调用get_position_list获取当前持有股票的代码列表，使用len获取持股只数。

处理卖出函数

def handle_sell(context):

该函数用于处理卖出逻辑，每3秒会被调用一次。

• 参数context为Context对象，存放有当前的账户及持仓信息

    if not g.sell_immi_done:
        for stock in g.to_sell_immi_list:
            snapshot = get_snapshot(stock)
            order_target(stock, 0, limit_price=round(snapshot[stock]['last_px'] * 0.982, 2))
            g.sell_immi_done = True
            log.info('{}持仓天数限制卖单提交'.format(stock))

处理到达持仓天数限制的股票，用当前价下跌1.8%提交卖单，确保卖出。

    for stock in g.to_sell_stock_list.copy():

遍历待卖出股票。

        snapshot = get_snapshot(stock)

获取实时行情快照，快照包含股票的实时价格等信息。

        trade_status = snapshot[stock]['trade_status']
        if trade_status == 'STOPT':
            log.info(stock, '该股为停盘状态，不进行交易判断')
            continue

判断是否停盘，停盘则跳过。

        high_price = snapshot[stock]['high_px']
        low_price = snapshot[stock]['low_px']
        current_price = snapshot[stock]['last_px']

从快照中获取股票最高价、最低价、当前价。

        limit_price = round(current_price * 0.982, 2)

限价，该价格将用于卖出股票。创业板和科创板有价格笼子限制，卖出申报价格不得低于卖出基准价格的98%。我们将限价同一设置为当前价格下跌1.8%，以确保能够成功卖出（极端情况可能仍无法卖出）。

        if high_price >= g.take_profit_dict[stock] or low_price <= g.stop_loss_dict[stock]:
            log.info('{}到达卖点'.format(stock))

如果达到止盈或者止损条件，则股票达到卖点。

            order_target(stock, 0, limit_price=limit_price)

以限价下指定市值卖单，清空该股票。

            g.to_sell_stock_list.remove(stock)
            log.info('{}卖单提交'.format(stock))

在待卖出股票列表中删除该股票。

处理买入函数

def handle_buy(context):

该函数用于处理买入逻辑，每3秒会被调用一次。

• 参数context为Context对象，存放有当前的账户及持仓信息

    if context.portfolio.cash < g.limit_value:        
        return

判断剩余资金是否大于最小买入金额限制，单只股票买入金额太小，没有意义。

    if available_position_count(context) <= 0:
        return

判断如果已达最大持股只数，则不买入。

    for stock in g.to_buy_stock_list.copy():

遍历每只候选买入股票。

        if available_position_count(context) <= 0:
            return

判断如果已达最大持股只数，则不买入。

        if stock in bought_stock_set(context):
            continue

不重复买入股票。

        snapshot = get_snapshot(stock)

获取实时行情快照。

        trade_status = snapshot[stock]['trade_status']
        if trade_status == 'STOPT':
            log.info((stock, '该股为停盘状态，不进行交易判断'))
            continue

判断是否停盘，停盘则跳过。

        low_price = snapshot[stock]['low_px']
        current_price = snapshot[stock]['last_px']

获取股票最低价和当前价。

        target_value = value_per_stock(context)

获取计算单只股票买入金额。

        if target_value < current_price * 100 * 1.0003: 
            continue

如果余额不足买1手，则跳过该股票。

        limit_price = round(current_price * 1.018, 2)

计算限价，创业板和科创板有价格笼子限制，买入申报价格不得高于买入基准价格的102%，我们这里将限价设置为当前价上涨1.8%，用于后续下买单。

        if (low_price <= g.buy_point_dict[stock]) and (limit_price / g.buy_point_dict[stock] <= 1.0382):
            log.info('{}到达买点'.format(stock))

当最低价低于买点，表示股票已经到达买点。此外约束limit_price不超过买点的3.82%，再下买单，避免有股票卖出后，余额充足后买入新股票的价格过高。

            g.buy_submitted_set.add(stock)

将股票代码添加到已提交买单字典，避免后续重复提交该股票买单。

            log.info('targe_value={}, limit_price={}'.format(target_value, limit_price))
            order_target_value(stock, target_value, limit_price=limit_price)

下指定市值买单，用限价提交，order_target_value函数会实现以限价调整股票仓位到value价值。

            g.to_buy_stock_list.remove(stock)
            log.info('{}买单提交'.format(stock))

在待买入股票列表中删除该股票，后续不再判断是否还需买入。

处理打新函数

def handle_ipo():

该函数用于处理打新。

    if not g.ipo_done and datetime.datetime.now().time() >= datetime.time(11, 13, 0):

如果尚未申购，获取当前时间，在11:13进行申购。

        ipo_stocks_order(market_type=0)

申购上证普通新股。

        ipo_stocks_order(market_type=2)

申购深证普通新股。

        ipo_stocks_order(market_type=3)

申购上证普通新股。

        g.ipo_done = True

标记当日已申购。

周期处理函数

def interval_handle(context):

该函数为周期处理函数，每3秒被调用一次，依次调用前文实现的函数处理买入、卖出及打新申购。

• 参数context为Context对象，存放有当前的账户及持仓信息

    handle_sell(context)

先处理卖出。

    handle_buy(context)

再处理买入。

    handle_ipo()

最后处理打新。

委托响应函数

def on_order_response(context, order_list):

该函数会在委托回报返回时响应。

• 参数context为Context对象，存放有当前的账户及持仓信息
• 参数order_list是一个列表，当前委托单发生变化时，发生变化的委托单列表。委托单以字典形式展现，内容包括：‘entrust_no’(委托单号), ‘order_time’(委托时间), ‘stock_code’(股票代码), ‘amount’(委托数量), ‘price’(委托价格), ‘business_amount’(成交数量), ‘status’(委托状态), ‘order_id’(委托订单号), ‘entrust_type’(委托类别), ‘entrust_prop’(委托属性)

    for order in order_list:
        bs = '买入' if order['amount'] > 0 else '卖出'
        info = '订单提交，股票代码：{}，数量：{}{:.0f}'.format(order['stock_code'], bs, abs(order['amount']))
        log.info(info)

打印委托数据。

成交响应函数

def on_trade_response(context, trade_list):

该函数会在成交回报返回时响应。

• 参数context为Context对象，存放有当前的账户及持仓信息
• 参数trade_list是一个列表，当前成交单发生变化时，发生变化的成交单列表。成交单以字典形式展现，内容包括：‘entrust_no’(委托单号), ‘business_time’(成交时间), ‘stock_code’(股票代码), ‘entrust_bs’(成交方向), ‘business_amount’(成交数量), ‘business_price’(成交价格), ‘business_balance’(成交额), ‘business_id’(成交编号), ‘status’(委托状态)

    for trade in trade_list:
        bs = '买入' if trade['business_amount'] > 0 else '卖出'    
        info = '订单成交，股票代码：{}，数量：{}{:.0f}'.format(trade['stock_code'], bs, abs(trade['business_amount']))
        log.info(info)

打印成交数据。

盘后总结函数

def after_trading_end(context, data):

该函数会在每天交易结束之后调用，用来处理每天收盘后的操作。

• 参数context为Context对象，存放有当前的账户及持仓信息
• 参数data为保留字段暂无数据

    log.info('盘后持股{}只：{}'.format(get_position_count(context), get_position_list(context)))

打印盘后持股数据。

小结

本文完成了PTrade交易程序代码的介绍。我们的全自动化交易也只差最后一步，将在下一篇文章中介绍。下一篇文章也将是“从零到实盘”系列文章的最后一篇。

---

PTrade交易程序的全部代码如下：

import pandas as pd
import datetime
from collections import OrderedDict 


def initialize(context):
    """初始化，启动程序后只调用一次
    
    :param context: Context对象，存放有当前的账户及持仓信息
    :return: None
    """
    
    # 定义一个周期处理函数，每3秒执行一次
    run_interval(context, interval_handle, seconds = 3)
    # 资金少于limit_value则不买入
    g.limit_value = 5000
    # 持仓股票只数限制
    g.limit_stock_num = 3
    # 持股天数限制
    g.limit_hold_days = 6
    g.security = '000300.SS'
    set_universe(g.security)
    

def before_trading_start(context, data):
    """在每天开始交易前被调用，此处添加每天都要初始化的信息
    
    :param context: Context对象，存放有当前的账户及持仓信息
    :param data: 保留字段暂无数据
    :return: None    
    """
    
    # 当日提交买单的股票代码集合
    g.buy_submitted_set = set() 
    
    # 读取数据库文件
    file_path = get_research_path() + 'upload_file/trade_data.csv'
    g.db_df = pd.read_csv(file_path, encoding='utf-8', converters={'code': str})
    
    # code转换
    g.db_df['code_ptrade'] = g.db_df['code'].map(lambda x: x + '.SS' if '6' == x[0] else x + '.SZ')
    
    # 获取待交易数据
    g.to_trade_df = g.db_df[1 == g.db_df['to_trade']]
    
    # 获取待买入数据    
    g.to_buy_df = g.to_trade_df[g.to_trade_df['date_buy'].isna()]
    g.to_buy_stock_list = g.to_buy_df['code_ptrade'].tolist()
    
    # 生成买点字典
    g.buy_point_dict = g.to_buy_df[['code_ptrade', 'buy_point']].set_index('code_ptrade').to_dict(into=OrderedDict)['buy_point']
    log.info('买点字典：{}'.format(g.buy_point_dict))
    
    # 获取待止盈、止损卖出数据
    g.to_sell_df = g.to_trade_df[(~g.to_trade_df['date_buy'].isna()) & (g.to_trade_df['hold_days'] <= g.limit_hold_days)]
    g.to_sell_stock_list = g.to_sell_df['code_ptrade'].tolist()
    
    # 获取待立刻卖出股票
    g.to_sell_immi_df = g.to_trade_df[(~g.to_trade_df['date_buy'].isna()) & (g.to_trade_df['hold_days'] > g.limit_hold_days)]
    g.to_sell_immi_list = g.to_sell_immi_df['code_ptrade'].tolist()
    g.sell_immi_done = False
    
    # 生成止盈、止损字典
    g.take_profit_dict = g.to_sell_df[['code_ptrade', 'price_take_profit']].set_index('code_ptrade').to_dict()['price_take_profit']
    log.info('止盈字典：{}'.format(g.take_profit_dict))
    g.stop_loss_dict = g.to_sell_df[['code_ptrade', 'price_stop_loss']].set_index('code_ptrade').to_dict()['price_stop_loss']
    log.info('止损字典：{}'.format(g.stop_loss_dict))
    
    # 设置待交易股票    
    g.security =  g.to_trade_df['code_ptrade'].tolist()
    set_universe(g.security)
    
    # 重置ipo标识
    g.ipo_done = False
    log.info('当前可用资金：{}'.format(context.portfolio.cash))
    
    # 盘前信息
    log.info('盘前持股{}只：{}'.format(get_position_count(context), get_position_list(context)))
    log.info('单只股票买入金额：{}'.format(value_per_stock(context)))


def enough_cash(context, limit_value):
    """判断资金余额是否充足

    :param context: Context对象，存放有当前的账户及持仓信息
    :param limit_value: 资金限制，当前账户余额需大于等于该值，才判断为余额充足
    :return: 资金充足则返回True，否则返回False        
    """
    
    if context.portfolio.cash < limit_value:
        log.info('余额不足')        
        return False
    else:
        return True    


def bought_stock_set(context):
    """已买股票的集合
    
    对已提交买入的股票代码的集合、持仓股票代码的集合求并集
    
    :param context: Context对象，存放有当前的账户及持仓信息
    :return: 已买股票的集合
    """
    return g.buy_submitted_set | set(get_position_list(context))
    

def available_position_count(context):
    """计算当前可买的股票只数
    
    对已提交买入的股票代码的集合、持仓股票代码的集合求并集
    再用持股只数限制减去上面并集中元素的个数，即为当前可买的股票只数 
    
    :param context: Context对象，存放有当前的账户及持仓信息
    :return: 当前可买的股票只数
    """
    
    return g.limit_stock_num - len(bought_stock_set(context))
    

def value_per_stock(context):
    """计算单只股票买入金额
    
    资金余额除以当前可买的股票只数
    当可买的股票只数为0时返回0.0
    
    :param context: Context对象，存放有当前的账户及持仓信息
    :return: 单只股票买入金额，当可买的股票只数为0时返回0.0
    """
    
    # 计算当前可买的股票只数
    available_count = available_position_count(context)
    
    # 当可买的股票只数为0时返回0.0
    if 0 == available_count:
        return 0.0
        
    return context.portfolio.cash / available_count
    
    
def get_position_count(context):
    """获取当前持股只数
    
    调用get_position_list获取当前持有股票的代码列表
    使用len获取持股只数
    
    :param context: 存放有当前的账户及持仓信息
    :return: 当前持有股票的只数
    """
    
    return len(get_position_list(context))

    
def get_position_list(context):
    """获取当前持股列表
    
    context.portfolio.positions包含持股信息，但需要通过amount!=0来获取真实持股
    因为当股票卖出成功时，当日清仓的股票信息仍会保存在context.portfolio.positions中，只是amount等于0

    :param context: 存放有当前的账户及持仓信息
    :return: 当前持有股票的代码列表
    """
    
    return [x for x in context.portfolio.positions if context.portfolio.positions[x].amount != 0]


def handle_sell(context):
    """处理卖出逻辑
    
    :param context: Context对象，存放有当前的账户及持仓信息
    :return: None
    """
    
    # 处理到达持仓天数限制的股票，用当前价下跌1.8%提交卖单，确保卖出
    if not g.sell_immi_done:
        for stock in g.to_sell_immi_list:
            snapshot = get_snapshot(stock)
            order_target(stock, 0, limit_price=round(snapshot[stock]['last_px'] * 0.982, 2))
            g.sell_immi_done = True
            log.info('{}持仓天数限制卖单提交'.format(stock))
            
    # 遍历待卖出股票
    for stock in g.to_sell_stock_list.copy():
        
        # 获取实时行情快照
        snapshot = get_snapshot(stock)
        
        # 判断是否停盘，停盘则跳过
        trade_status = snapshot[stock]['trade_status']
        if trade_status == 'STOPT':
            log.info(stock, '该股为停盘状态，不进行交易判断')
            continue
            
        # 获取股票最高价、最低价、当前价
        high_price = snapshot[stock]['high_px']
        low_price = snapshot[stock]['low_px']
        current_price = snapshot[stock]['last_px']
        
        # 限价，创业板和科创板有价格笼子限制，卖出申报价格不得低于卖出基准价格的98%
        limit_price = round(current_price * 0.982, 2)
        
        # 如果达到止盈或者止损条件，则挂限价卖出
        if high_price >= g.take_profit_dict[stock] or low_price <= g.stop_loss_dict[stock]:
            log.info('{}到达卖点'.format(stock))
            
            # 下指定市值卖单
            order_target(stock, 0, limit_price=limit_price)
            
            # 在待卖出股票列表中删除该股票
            g.to_sell_stock_list.remove(stock)
            log.info('{}卖单提交'.format(stock))
            
            
def handle_buy(context):
    """处理买入逻辑
    
    :param context: Context对象，存放有当前的账户及持仓信息
    :return: None
    """
    
    # 判断剩余资金是否大于最小买入金额限制，单只股票买入金额太小，没有意义
    if context.portfolio.cash < g.limit_value:        
        return
        
    # 判断如果已达最大持股只数，则不买入
    if available_position_count(context) <= 0:
        return
   

    # 遍历每只候选买入股票    
    for stock in g.to_buy_stock_list.copy():
        
        # 判断如果已达最大持股只数，则不买入
        if available_position_count(context) <= 0:
            return
            
        # 不重复买入股票
        if stock in bought_stock_set(context):
            continue
        
        # 获取实时行情快照
        snapshot = get_snapshot(stock)

        # 判断是否停盘，停盘则跳过
        trade_status = snapshot[stock]['trade_status']
        if trade_status == 'STOPT':
            log.info((stock, '该股为停盘状态，不进行交易判断'))
            continue
            
        # 获取股票最低价和当前价
        low_price = snapshot[stock]['low_px']
        current_price = snapshot[stock]['last_px']
        
        # 获取计算单只股票买入金额
        target_value = value_per_stock(context)
        
        # 如果余额不足买1手，则跳过该股票
        if target_value < current_price * 100 * 1.0003: 
            continue
            
        # 限价，创业板和科创板有价格笼子限制，买入申报价格不得高于买入基准价格的102%
        limit_price = round(current_price * 1.018, 2)
            
        # 最低价低于买点，且limit_price不超过买点的3.82%，再下买单。避免有股票卖出后，余额充足后买入新股票的价格过高
        if (low_price <= g.buy_point_dict[stock]) and (limit_price / g.buy_point_dict[stock] <= 1.0382):
            log.info('{}到达买点'.format(stock))
            
            # 将股票代码添加到已提交买单字典
            g.buy_submitted_set.add(stock)
            
            # 下指定市值买单，用限价提交
            log.info('targe_value={}, limit_price={}'.format(target_value, limit_price))
            order_target_value(stock, target_value, limit_price=limit_price)
            
            # 在待买入股票列表中删除该股票
            g.to_buy_stock_list.remove(stock)
            log.info('{}买单提交'.format(stock))
            

def handle_ipo():
    """处理打新
    
    11:13申购
    
    :return: None
    """
    
    # 获取当前时间
    if not g.ipo_done and datetime.datetime.now().time() >= datetime.time(11, 13, 0):
        
        # 申购上证普通新股
        ipo_stocks_order(market_type=0)
        
        # 申购深证普通新股
        ipo_stocks_order(market_type=2)
        
        # 申购上证普通新股
        ipo_stocks_order(market_type=3)
        
        # 标记当日已申购
        g.ipo_done = True
    
        
def interval_handle(context):
    """周期处理函数
    
    :param context: 存放有当前的账户及持仓信息
    :return: None
    """
    
    # 卖出
    handle_sell(context)
    
    # 买入
    handle_buy(context)
    
    # 打新
    handle_ipo()
    

def on_order_response(context, order_list):
    """在委托回报返回时响应
    
    :param context: 存放有当前的账户及持仓信息
    :param order_list: 一个列表，当前委托单发生变化时，发生变化的委托单列表。委托单以字典形式展现，内容包括：'entrust_no'(委托单号), 
                       'order_time'(委托时间), 'stock_code'(股票代码), 'amount'(委托数量), 'price'(委托价格), 'business_amount'(成交数量), 
                       'status'(委托状态), 'order_id'(委托订单号), 'entrust_type'(委托类别), 'entrust_prop'(委托属性)
    :return: None
    """
    
    # 打印委托数据
    for order in order_list:
        bs = '买入' if order['amount'] > 0 else '卖出'
        info = '订单提交，股票代码：{}，数量：{}{:.0f}'.format(order['stock_code'], bs, abs(order['amount']))
        log.info(info)
    
   
def on_trade_response(context, trade_list):
    """在成交回报返回时响应
    
    :param context: 存放有当前的账户及持仓信息
    :param trade_list： 一个列表，当前成交单发生变化时，发生变化的成交单列表。成交单以字典形式展现，内容包括：'entrust_no'(委托单号),
                        'business_time'(成交时间), 'stock_code'(股票代码), 'entrust_bs'(成交方向), 'business_amount'(成交数量), 
                        'business_price'(成交价格), 'business_balance'(成交额), 'business_id'(成交编号), 'status'(委托状态)
    :return: None
    """
    
    # 打印成交数据
    for trade in trade_list:
        bs = '买入' if trade['business_amount'] > 0 else '卖出'    
        info = '订单成交，股票代码：{}，数量：{}{:.0f}'.format(trade['stock_code'], bs, abs(trade['business_amount']))
        log.info(info)
    
    
def after_trading_end(context, data):
    """在每天交易结束之后调用，用来处理每天收盘后的操作
    
    :param context: 存放有当前的账户及持仓信息
    :param data： 保留字段暂无数据
    :return: None
    """

    # 打印盘后持股数据
    log.info('盘后持股{}只：{}'.format(get_position_count(context), get_position_list(context)))

---

博客内容只用于交流学习，不构成投资建议，盈亏自负！
个人博客：https://coderx.com.cn/（优先更新）
项目最新代码：https://gitee.com/sl/quant_from_scratch
欢迎大家转发、留言。已建微信群用于学习交流，群1已满，群2已创建，感兴趣的读者请扫码加微信！