"""示例策略：均线交叉（买入持有 5 天，最多 2 只）。 策略规则（可通过 config.settings 配置参数）： - 使用短期均线 ma_short 和长期均线 ma_long； - 当短期均线向上突破长期均线（金叉）时，若当前仓位未满且无该股持仓，则买入； - 持有达到 hold_days 天，或出现均线死叉（短期下穿长期）时卖出； - 最多持有 max_positions 只股票，按可用资金等权分配买入； - 支持可选的止盈止损和仓位管理（通过 BaseStrategy 集成）。 """ from __future__ import annotations from typing import Dict, List, Optional import pandas as pd from strategies.base_strategy import BaseStrategy from utils.logger import setup_logger logger = setup_logger(__name__) class MaCrossStrategy(BaseStrategy): """均线交叉示例策略。""" def __init__( self, initial_cash: float, ma_short: int, ma_long: int, hold_days: int = 5, max_positions: int = 2, position_pct_per_stock: float = 0.2, stop_loss: Optional[object] = None, take_profit: Optional[object] = None, position_sizer: Optional[object] = None, date_index_dict: Optional[Dict[str, Dict[str, int]]] = None, buy_signal_index: Optional[Dict[str, List[str]]] = None, ): """初始化均线交叉策略。 参数： initial_cash: 初始资金 ma_short: 短期均线周期 ma_long: 长期均线周期 hold_days: 持有天数 max_positions: 最大持仓数 position_pct_per_stock: 每只个股占总资金的比例（0.2 = 20%） stop_loss: 止损管理器（可选） take_profit: 止盈管理器（可选） position_sizer: 仓位管理器（可选） date_index_dict: 日期索引字典 {ts_code: {date: idx}} buy_signal_index: 买入信号索引 {date: [ts_code1, ts_code2, ...]} """ super().__init__( initial_cash=initial_cash, max_positions=max_positions, stop_loss=stop_loss, take_profit=take_profit, position_sizer=position_sizer, date_index_dict=date_index_dict, buy_signal_index=buy_signal_index, ) self.ma_short = int(ma_short) self.ma_long = int(ma_long) self.hold_days = int(hold_days) self.position_pct_per_stock = float(position_pct_per_stock) # 输出策略实例化参数（验证参数读取） logger.info(f"MaCrossStrategy 初始化参数: ma_short={self.ma_short}, ma_long={self.ma_long}, " f"hold_days={self.hold_days}, max_positions={max_positions}, " f"position_pct_per_stock={self.position_pct_per_stock}") def on_bar(self, current_date: str, data_dict: Dict[str, pd.DataFrame]) -> None: """每个交易日的交易决策逻辑。 性能优化：直接读取预计算的信号列，无需每天重复计算均线和成交量变化。 """ # 1. 先处理卖出逻辑（持有到期或均线死叉） for ts_code in list(self.positions.keys()): df = data_dict.get(ts_code) if df is None or df.empty: continue # 性能优化：使用预计算的日期索引 date_index = self.date_index_dict.get(ts_code) if date_index is None or current_date not in date_index: continue idx = date_index[current_date] row = df.iloc[idx] close = float(row["close"]) pos = self.positions[ts_code] # 性能优化：直接读取预计算的死叉信号 death_cross = bool(row["death_cross"]) if "death_cross" in df.columns else False # 满足持有天数或死叉则卖出 if pos.days_held >= self.hold_days or death_cross: quantity = pos.quantity if quantity > 0: self.sell(ts_code, close, quantity) # logger.info(f"{current_date} 卖出 {ts_code} 数量 {quantity} 价格 {close}") # 已移除：交易日志改用进度条 # 2. 再处理买入逻辑（金叉 + 放量，按成交量排序选择前N只） if len(self.positions) >= self.max_positions: return # 优化：如果现金过少（不足初始资金1%），直接返回 if self.cash < self.initial_cash * 0.01: return # 性能优化核心：直接从买入信号索引获取今天有信号的股票列表 signal_stocks = self.buy_signal_index.get(current_date, []) if not signal_stocks: return # 今天没有任何买入信号 candidates = [] # 候选股票列表：[(ts_code, volume, price), ...] # 只需遍历有买入信号的股票（从3776只减少到99%以上） for ts_code in signal_stocks: if ts_code in self.positions: continue df = data_dict.get(ts_code) if df is None or df.empty: continue # 性能优化：使用预计算的日期索引 date_index = self.date_index_dict.get(ts_code) if date_index is None or current_date not in date_index: continue idx = date_index[current_date] row = data_dict[ts_code].iloc[idx] # 满足条件，加入候选列表 price = float(row["close"]) volume = float(row["vol"]) candidates.append((ts_code, volume, price)) # 第二步：按成交量倒序排序，选择成交量最大的前N只 if not candidates: return # 没有满足条件的股票 # 按成交量降序排序 candidates.sort(key=lambda x: x[1], reverse=True) # 计算还能买入几只 remain_slots = self.max_positions - len(self.positions) selected = candidates[:remain_slots] # 选择前N只 # 第三步：依次买入选中的股票 for ts_code, volume, price in selected: # 使用仓位管理器计算买入数量（如果有的话） if self.position_sizer is not None: df = data_dict.get(ts_code) quantity = self.position_sizer.calc_shares( ts_code=ts_code, cash=self.cash, price=price, remain_slots=remain_slots, df=df, ) else: # 默认：按配置的比例分配仓位 # 目标：使用初始资金的 position_pct_per_stock 比例（例如50%） target_cash = self.initial_cash * self.position_pct_per_stock # 实际：如果当前现金不足目标金额，就用剩余的所有现金 actual_cash = min(target_cash, self.cash) # 计算能买多少股（向下取整到100的整数倍） quantity = int(actual_cash // price) quantity = (quantity // 100) * 100 if quantity <= 0: continue # 买入前记录当前现金和仓位 before_cash = self.cash before_positions = len(self.positions) self.buy(ts_code, price, quantity) # 交易日志已移除，改用进度条显示 # if self.cash < before_cash and len(self.positions) > before_positions: # actual_quantity = self.positions[ts_code].quantity # actual_cost = before_cash - self.cash # logger.info( # f"{current_date} 买入 {ts_code} 数量 {actual_quantity} " # f"价格 {price:.2f} 成本 {actual_cost:.2f} 成交量 {volume:.0f} " # f"剩余现金 {self.cash:.2f} 当前持仓数 {len(self.positions)}/{self.max_positions}" # )