集合竞价选股
什么是集合竞价？有什么用途？
所谓集合竞价就是在当天还没有开盘之前，你可根据前一天的收盘价和对当日股市的预测来输入股票价格，在集合竞价时间里输入计算机主机的所有下单，按照价格优先和时间优先的原则计算出最大成交量的价格，这个价格就会是集合竞价的成交价格，而这个过程被称为集合竞价。
每天开盘价在技术分析上具有重要的意义，目前世界各国股市市场均采用集合竞价的方式来确定开盘价，因为这样可以在一定程度上防止人为操纵现象。
策略实现（基于掘金量化平台）
策略思想
获取沪深300的成份股数据，并统计其30天内开盘价大于前收盘价的天数，并在该天数大于阈值18的时候加入股票池。
对不在股票池的股票平仓，并等权配置股票池的标的股票，每次交易间隔1个月。
策略主要步骤实现
获取当前交易日日期
now = context.now
= context.now
直接调用context.now函数，返回“datetime.datetime”格式
获取上一交易日日期
last_day = get_previous_trading_date(exchange='SHSE', date=now)
= get_previous_trading_date(exchange='SHSE', date=now)
获取上一交易日可调用get_previous_trading_date函数，返回值为字符串格式：
exchang需要设置交易市场代码。
date需要设置指定日期。
获取当天有交易的股票
not_suspended_info = get_history_instruments(symbols='SHSE.000300', start_date=now, end_date=now)
not_suspended_symbols = [item['symbol'] for item in not_suspended_info if not item['is_suspended']]
not_suspended_info = get_history_instruments(symbols='SHSE.000300', start_date=now, end_date=now)
not_suspended_symbols = [item['symbol'] for item in not_suspended_info if not item['is_suspended']]
获取当天有交易的股票，即非停牌的股票，首先需获取停牌信息，这里需调用get_history_instruments函数，返回值类型为list[dict]，之后就是将所提取的“字典”转换为”list“：
symbols需要设置订阅的标的代码。
start_date和end_date需设置获取成分股的开始与结束日期，这里需要调成上一交易日以获取上一交易日的成分股信息。
固定月初调仓
schedule(schedule_func=algo, date_rule='1m', time_rule='09:40:00')
(schedule_func=algo, date_rule='1m', time_rule='09:40:00')
固定时间调仓可使用schedule函数进行定时任务配置：
schedule_func为调用的策略函数的名称。
date_rule可设为1m（一月）。
time_rule为开仓日的开仓时间，这里设为每月第一个交易日的09:40:00。
获取沪深300成分股
stock300 = get_history_constituents(index='SHSE.000300',start_date=last_day,end_date=last_day)[0]['constituents'].keys()
=get_history_constituents(index='SHSE.000300',start_date=last_day,end_date=last_day)[0]['constituents'].keys()
获取指数成分股可调用函数get_history_constituents或者get_constituents，返回值类型为list[dict]，这里调用get_history_constituents是因为再回测时需要获取上一交易日的成分股，而get_constituents只能获取最新的成分股：
index需要设置获取指数的代码。
start_date和end_date需设置获取成分股的开始与结束日期，这里需要调成上一交易日以获取上一交易日的成分股信息。
获取过去交易日的历史信息
return_index_his = history_n(symbol=symbol, frequency='1d', count=30, fields='close,preclose',fill_missing='Last', adjust=ADJUST_PREV, end_time=last_day, df=True)
= history_n(symbol=symbol, frequency='1d', count=30, fields='close,preclose',fill_missing='Last', adjust=ADJUST_PREV, end_time=last_day, df=True)
获取历史信息需要调用histor_n函数，默认返回值为“字典“格式，如果参数df设为True，则返回"dataframe"格式
symbol设置所需获取的标的代码。
frequency获取历史信息的频率，如日线数据设置为1d。
count需要设置获取的bar的数量。
fileds设置返回值的种类。
fill_missing需要设置对于空值的填充方式， None- 不填充，NaN- 用空值填充， Last- 用上一个值填充，默认 None。
adjust需要设置对于复权的处理，ADJUST_NONE or 0: 不复权, ADJUST_PREV or 1: 前复权, ADJUST_POST or 2: 后复权， 默认不复权。
end_time需设置获取历史信息的结束时间。
获取持仓信息
positions = context.account().positions()
= context.account().positions()
在判断平仓条件时，需要获取持仓信息（包含持仓均价），这就需要调用context.account().position函数，返回字典型。
策略回测分析
分析
我们选取了2017年7月至2017年10月作为回测周期，应用“EV/EBITDA”单因子作为选股基础。可以看出：
胜率（具有盈利的平仓次数与总平仓次数之比）达到了62.5%，也即策略每十次开仓，有六次是盈利的。
卡玛比率（年化收益率与历史最大回撤之比）是使用最大回撤率来衡量风险。采用最大回撤率来衡量风险，关注的是最极端的情况。卡玛比率越高表示策略承受每单位最大损失获得的报酬越高。在这里卡玛比率超过了20。
夏普比率（年化收益率减无风险收益率的差收益波动率之比）超过5，也即承受一单位的风险，会有超过五单位的收益回报
策略收益曲线总体稳定，适合在趋势行情中操作。
集合竞价策略python源代码：https://www.myquant.cn/docs/python_strategyies/102
来源：掘金量化
