本文记录使用easytrader+easyquotation实现策略的程序化交易的流程。笔记（50）已经记录了使用easytrader进行程序化交易的过程，本文主要对easyquotation获取实时数据实现策略进行介绍。
easyquotation安装
pip install easyquotation
选择行情数据源
import easyquotation as eq# 选择数据源q = eq.use('qq')# 新浪 ['sina'] 腾讯 ['tencent', 'qq']
获取行情数据
quotation.stocks(['sz000001', 'sh600000'], prefix=True)# prefix默认为False
返回字典类型数据，类似于：
{'sh000159': {'name': '国际实业', # 股票名'buy': 8.87, # 竞买价'sell': 8.88, # 竞卖价'now': 8.88, # 现价'open': 8.99, # 开盘价'close': 8.96, # 昨日收盘价'high': 9.15, # 今日最高价'low': 8.83, # 今日最低价'turnover': 22545048, # 交易股数'volume': 202704887.74， # 交易金额'ask1': 8.88, # 卖一价'ask1_volume': 111900, # 卖一量'ask2': 8.89,'ask2_volume': 54700,'bid1': 8.87, # 买一价'bid1_volume': 21800, # 买一量...'bid2': 8.86, 'bid2_volume': 78400,'date': '-02-19','time': '14:30:00',...},......}
以上就是easyquotation的基本用法，下面逐步记录使用easytrader+easyquotation逐步实现策略程序化交易的过程，所使用的策略为：放量突破20日均线就买入。
登录交易软件
if g_trade:# 登陆交易软件user = easytrader.use('htzq_client')user.prepare(user='498XXXXXXX', password='XXXXXX', comm_password='XXXXXX',exe_path='C:\\e海通财独立交易\\AlternateTradeSys5.18.73\\xiadan.exe')
详细的配置可以参见笔记（50）。
这里引入了一个全局变量g_trade，用于控制是否实盘交易，还是只是做数据跟踪。
获取待交易股票池
# 读取待跟踪股票代码file = proj_path + 'data/temp/-03-29-20-27-59.csv'stocks = pd.read_csv(file, converters={'code': str})['code'].tolist()
读取的csv文件中包含了前一日筛选出的收盘在20日均线以下的股票代码（不包含前缀），将所有股票代码保存在列表stocks中。
读取股票历史数据
# 读取历史数据history_data = {}for stock in stocks:if '6' == stock[0:1]:prefix_stock = 'sh.' + stockelse:prefix_stock = 'sz.' + stockhistory_file = proj_path + 'data/extend/d/qfq/lite/' + prefix_stock + '.csv'history_data[stock] = pd.read_csv(history_file)[['close', 'ma_19', 'volume']].iloc[-1]
其中的条件分支主要用于在股票代码上添加前缀，来正确读取因子文件数据。baostock默认下载股票数据的代码格式"sh.XXXXXX"或"sz.XXXXXX"。因子计算可以参见笔记（47）。这里读取了股票池中股票的前一日收盘价、19日均线、前一日成交量数据。如果要使用复杂的策略，则需要提前进行对应的因子计算，并读入更多的因子。
循环遍历股票最新数据
# 循环遍历股票最新数据，判断是否买入while True:time.sleep(5 * 60)
每5分钟刷新一次数据。
判断是否进入交易时间
# 判断是否进入交易时间time_now = datetime.datetime.now()if time_now.time() < datetime.time(9, 30, 0) \or datetime.time(11, 30, 0) <= time_now.time() <= datetime.time(13, 0, 0):continueif time_now.time() >= datetime.time(15, 0, 0):break
如果是未开盘或者是午盘休息，则继续循环等待；如果收盘，则跳出循环。
更新成交量的权重
# 根据时间更新成交量权重volume_weight = 1if time_now.time() > datetime.time(13, 0, 0):delta_seconds = (time_now - datetime.datetime(time_now.year, time_now.month, time_now.day, 13, 0, 0)).total_seconds()volume_weight = 1 + delta_seconds / 7200
这里主要是对策略成交量的约束。如果上午突破20日均线，则要求当前成交量大于前一日成交量。如果下午突破20日均线，则按照收盘成交量是前一日两倍的标准，计算分时成交量权重。
判断是否买入
buy_stocks = {}data = q.stocks(stocks)if g_trade:balance = user.balance['可用金额']for key in data:# 价格过20日均线ma_20 = (history_data[key]['ma_19'] * 19 + data[key]['now']) / 20if not data[key]['now'] >= ma_20:continue# 涨幅不能过大if not (data[key]['now'] - data[key]['close']) / data[key]['close'] < 0.0618:continue# 成交量if not data[key]['volume'] > history_data[key]['volume'] * volume_weight:continue
使用easyquotation获取股票实时数据，当同时满足价格突破20日均线，涨幅不能过大，且成交量满足放大条件时，进行买入。
8、买入
buy_price = 0.02 + data[key]['now']if g_trade:buy_limit = min(balance, 3000)if 100 * buy_price < balance:ret = user.buy(key, buy_price, buy_limit // (buy_price * 100) * 100)print(ret)buy_stocks[key] = buy_pricestocks.remove(key)print(key)
在股票当前价格的基础上加2分作为买入价格，买入总额不超过3000元，记录价格，并在候选股票池中移除已挂买单的股票。
9、 保存符合买入条件的股票信息
if len(buy_stocks):pd.DataFrame.from_dict(buy_stocks, orient='index').to_csv(proj_path + 'data/temp/' + time_str + '.csv')
保存的文件名为当前时间，文件内容有两列，第一列为当前时间买入的股票代码，第二列为买入价格。以3月30日下午为例，共有3只股票在3个时间点符合了买入条件，因此保存为3个文件：
3只股票的代码和买入价格分别为"600133：5.99"、“600338：10.62”、“000911：9.21”。到本文发布时间（4月10日），2只盈利，1只亏损。
策略程序化交易代码：
import easytraderimport easyquotation as eqimport osimport sysimport pandas as pdimport timeimport datetime# 获取当前目录proj_path = os.path.dirname(os.path.abspath(sys.argv[0])) + '/../'g_trade = Falseif __name__ == '__main__':if g_trade:# 登陆交易软件user = easytrader.use('htzq_client')user.prepare(user='498XXXXXXX', password='XXXXXX', comm_password='XXXXXX',exe_path='C:\\e海通财独立交易\\AlternateTradeSys5.18.73\\xiadan.exe')# 读取待跟踪股票代码file = proj_path + 'data/temp/-03-29-20-27-59.csv'stocks = pd.read_csv(file, converters={'code': str})['code'].tolist()stocks.reverse()# 读取历史数据history_data = {}for stock in stocks:if '6' == stock[0:1]:prefix_stock = 'sh.' + stockelse:prefix_stock = 'sz.' + stockhistory_file = proj_path + 'data/extend/d/qfq/lite/' + prefix_stock + '.csv'history_data[stock] = pd.read_csv(history_file)[['close', 'ma_19', 'volume']].iloc[-1]# 选择数据源q = eq.use('qq')# 循环遍历股票最新数据，判断是否买入while True:time.sleep(5 * 60)# 判断是否进入交易时间time_now = datetime.datetime.now()if time_now.time() < datetime.time(9, 30, 0) \or datetime.time(11, 30, 0) <= time_now.time() <= datetime.time(13, 0, 0):continueif time_now.time() >= datetime.time(15, 0, 0):break# 根据时间更新成交量权重volume_weight = 1if time_now.time() > datetime.time(13, 0, 0):delta_seconds = (time_now - datetime.datetime(time_now.year, time_now.month, time_now.day, 13, 0, 0)).total_seconds()volume_weight = 1 + delta_seconds / 7200print('\n', time_now)time_str = time_now.strftime('%Y-%m-%d-%H-%M-%S')buy_stocks = {}data = q.stocks(stocks)if g_trade:balance = user.balance['可用金额']for key in data:# 价格过20日均线ma_20 = (history_data[key]['ma_19'] * 19 + data[key]['now']) / 20if not data[key]['now'] >= ma_20:continue# 涨幅不能过大if not (data[key]['now'] - data[key]['close']) / data[key]['close'] < 0.0618:continue# 成交量if not data[key]['volume'] > history_data[key]['volume'] * volume_weight:continuebuy_price = 0.02 + data[key]['now']if g_trade:buy_limit = min(balance, 3000)if 100 * buy_price < balance:ret = user.buy(key, buy_price, buy_limit // (buy_price * 100) * 100)print(ret)buy_stocks[key] = buy_pricestocks.remove(key)print(key)if len(buy_stocks):pd.DataFrame.from_dict(buy_stocks, orient='index').to_csv(proj_path + 'data/temp/' + time_str + '.csv')
欢迎大家关注、点赞、转发、留言，感谢支持！
微信群用于学习交流，感兴趣的读者请扫码加微信！
QQ群（676186743）用于资料共享，欢迎加入！
如果觉得《Python量化交易学习笔记（51）——程序化交易2》对你有帮助，请点赞、收藏，并留下你的观点哦！
