龙头战法之掘金量化实盘版-技术圈

声明：本文只用于量化研究交流，不作为投资依据，如导致经济损失，本作者概不负责！

龙头战法是量化投资中的经典战法，而结合了情绪周期的龙头战法，则是在情绪冰点或情绪转折点时进行买入，不继续封住涨停板果断卖出。将交易风险控制在最低，将利润最大化，很好的体现了量化投资中的“截断亏损，让利润奔跑”原则。

本策略基于聚宽社区里的公开源码策略龙头战法，聚宽版原始策略可参考文章《龙头战法聚宽版》。在此代码基础上保留情绪周期核心思想，进行修改才有了这个实盘版策略。原始策略为聚宽平台，属于tick级别的策略。然而由于聚宽实盘版本一创聚宽并不支持tick信号(tick信号珍贵，好多平台不会免费支持)，导致本策略只能回测及模拟，无法实盘自动化交易。

为了解决实盘及追涨停买入难问题，有了该掘金实盘版本。但本策略绝不是简单的对原策略进行实盘化，而是在实盘化的同时，加入了自己的一些思考和对原策略某些问题的修正。

各个版本的修改内容代码中进行了详细注释，主要的改进如下

基于掘金量化平台将该策略进行了实盘化，同时作者也已经实盘交易了一个多月，针对实盘中出现的问题都进行了修复，是一个真正经受过实盘考验的策略。
掘金量化平台最大的优势就是免费支持tick信号，而且本地化部署程序，可以非常方便的调试。但数据API远没有聚宽平台友好易用。所以作者将聚宽的数据SDK进行了整合，完美实现了两者融合。
加入实时仓位控制，减少交易风险。
增加流通盘大小一系列实战经验指标
针对追击涨停无法买入情况，本策略给出了一个较为理想的解决方案。
详细的代码注释，利于研究学习该策略思路

由于掘金量化平台只支持3个月的tick数据，所以这里只能贴出3个月的回测结果。

一月份开始实盘收益情况如下图。

二月份自己手贱，手工介入买了两只策略没买的股，结果栽进去了，不具实际参考意义。但同时也告诉我们了量化的意义，很大一部分就是避免人为主观情绪影响导致的损失。

试读源码


# 标题：龙头战法# author：张连重 # version 1.1.0#    date: 20201219 21:24#    description: 开盘追涨龙头，基于聚宽策略做掘金的实盘实现，整合聚宽数据SDK和掘金交易SDK# version 1.12.0#    date: 20210101 10:24#    description: 改为集合竞价追涨龙头，加大筹码买入概率# version 1.3.0#    date: 20210105 19:30#    description: 修改买入条件，修改卖出止损点，降低买入风险，减小收益回撤# version 1.4.0#    date: 20210106 19:30#    description: 加入实时仓位控制# version 1.5.0#    date: 20210108 19:49#    description: 集合竞价以涨停价申报，预期以开盘价买入.集合竞价抢筹# version 1.6.0#    date: 20210110 18:00#    description: 盘前统计涨停连板次数，对于已经持仓的不再作为青睐对象# version 1.7.0#    date: 20210112 13:00#    description: 修改情绪周期指标# version 1.8.0#    date: 20210119 18:20#    description: 空仓状态下，市场赚钱效益良好时，追涨趋势良好个股，避免空仓# version 1.9.0#    date: 20210120 12:30#    description: 修复今日突然停牌，集合竞价数据为空导致的异常# version 2.0.0#    date: 20210126 18:28#    description: 情绪周期，修改空仓状态下情绪高涨判断逻辑# version 2.1.0#    date: 20210127 12:28#    description: 集合竞价加入买一 卖一数量   buy_volumn >= sell_volumn*0.85# version 2.2.0#    date: 20210127 22:13#    description:  #               1.检测持仓  10点时没有封住减仓一半#               2.基于流通市值剔除不易持续涨停的股# version 2.3.0#    date: 20210201 01:00#    description:  #             1.剔除流通市值大于150的#             2.流通市值在100亿到150亿之间，加入待观察股    # 导入函数库from gm.api import *from datetime import datetimeimport pandas as pdfrom jqdatasdk import *import numpy  as npimport timeimport randomfrom decimal import Decimal, Context, ROUND_HALF_UP,ROUND_DOWN

# jqdata login  需填入在聚宽平台的个人账号用于授权auth('15520768082','ZXXXXXXX')


# 初始化函数，设定基准等等def init(context):    context.security = []                       #存放聚宽股票代码    context.security_stock_juejin = []          #存放掘金股票代码    context.security_observe = []                   #待观察股票     context.sell_list = []    context.small_cyc = 3    context.small_cyc_befor = 3    context.big_cyc = 3    context.big_cyc_befor = 3    context.limit_stocks = []    context.summary_call_auction_askp1_data = {}      #集合竞价卖一价格数据    context.summary_call_auction_askbuy_volume_data = {}      #集合竞价买一卖一数量数据    context.black_stock_code = []               ##交易黑名单列表，防止意外卖出 如:['SZSE.002714','SZSE.300498']       context.call_auction_orderedlist = []       #集合竞价已买入清单    context.org_tick = {}      # 原始tick数据    context.smoothed_tick = {} #平滑过后的tick数据    context.limit_up_summary = pd.DataFrame(columns = ["股票代码掘金","股票代码聚宽","股票名称","昨日涨停高度","昨日收盘价"])              # 涨停数统计    context.limit_up_summary.set_index(["股票代码掘金"], inplace=True)    add_parameter(key='small_cyc_befor', value=context.small_cyc_befor, min=1, max=20, name='samll cycle before', intro='昨日情绪小周期', group='emotioncyle', readonly=False)    add_parameter(key='big_cyc_befor', value=context.big_cyc_befor, min=1, max=20, name='big cycle before', intro='昨日情绪大周期', group='emotioncyle', readonly=False)    add_parameter(key='small_cyc', value=context.small_cyc, min=1, max=20, name='samll cycle', intro='情绪小周期', group='emotioncyle', readonly=False)    add_parameter(key='big_cyc', value=context.big_cyc, min=1, max=20, name='big cycle', intro='情绪大周期', group='emotioncyle', readonly=False)
    # 开盘前运行    schedule(schedule_func=before_market_open, date_rule='1d', time_rule='09:00:00')

    # 集合竞价尾期运行    schedule(schedule_func=analyse_call_auction, date_rule='1d', time_rule='09:24:44')
    # 开盘时运行    schedule(schedule_func=market_open, date_rule='1d', time_rule='09:30:00')

    # 收盘后运行    schedule(schedule_func=after_market_close, date_rule='1d', time_rule='15:01:00')
## 盘中运行函数  #  1、开盘后没封住，跌幅超过%5，盘中卖出#  2、快收盘时，没封住涨停，盘中卖出#  3、仓位控制，根据涨停数决定当日仓位def on_bar(context, bars):    monitor_in_market(context,bars)    monitor_still_limit(context,bars)    realtime_position_controll(context,bars)# 每个订阅的股票有数据，都会推送一次def on_tick(context, tick):    ##获取所订阅的股票集合竞价期间的tick数据    current_time = context.now.strftime("%H:%M:%S")    today = context.now.strftime("%Y-%m-%d")    if context.now.strftime("%H:%M:%S") >= '09:15:00' and  context.now.strftime("%H:%M:%S") < '09:24:44':

源码完全公开，不带有任何加密接口。详细完整源码如下。顺便强调一下，过往效果不代表未来一直有效，投资肯定是一个有风险的事情，实盘需谨慎。实盘可参考掘金量化实盘指导。

详细完整源码已在码云上公开,感兴趣的可以自行下载,地址如下,欢迎更多有能力有想法的朋友参与进来,继续优化!

https://gitee.com/zhanglianzhong/TrackLeader.git

量化交易交流群,欢迎加入,一起用技术实现财富自由