聚宽策略开发

基于本目录离线文档，为聚宽官网（回测 / 模拟 / 研究）编写 Python 策略。回答 API 问题时必须先查阅本地文档，不得凭记忆编造函数签名或参数。

与 jqdatasdk 的区别：jqdata 在官网策略环境使用；jqdatasdk 是本地 Python 库，API 略有不同，且不能在官网回测/模拟/研究中使用。

文档查阅流程

1. 确定问题类型，按 reference.md 定位文件
2. 用 Grep/Read 搜索目标函数名或中文关键词（如 get_price、order_target、市盈率）
3. 交叉验证：API 行为查 api.md，字段/表结构查 data/*.md，踩坑查 faq.md
4. 给出答案时引用文档中的调用方法、参数、返回值与示例代码

需要写策略框架？     → api.md「开始写策略」「策略程序架构」
需要查数据 API？      → api.md「数据获取函数」+ data/ 对应品种文档
需要下单/持仓？      → api.md「交易函数」「对象」
需要财务/估值数据？  → data/Stock.md（run_query + valuation/fundamentals 表）
需要行业/概念选股？  → data/plateData.md + api.md get_industry_stocks 等
需要技术指标？       → data/technicalanalysis.md（from jqlib.technical_analysis import *）
需要 Alpha 因子？    → data/Alpha101.md、data/Alpha191.md
需要自定义因子？     → fator.md（jqfactor.Factor、calc_factors）
需要因子看板数据？   → data/factor_values.md

策略骨架

最小可运行结构：

# 导入聚宽函数库
import jqdata

def initialize(context):
    g.security = '000001.XSHE'
    set_benchmark('000300.XSHG')
    set_option('use_real_price', True)  # 开启动态复权（真实价格），建议开启
    run_daily(trade, time='open')       # 或 time='every_bar' / '9:30'

def trade(context):
    security = g.security
    close_data = attribute_history(security, 5, '1d', ['close'])
    MA5 = close_data['close'].mean()
    current_price = close_data['close'][-1]
    cash = context.portfolio.available_cash

    if current_price > 1.01 * MA5:
        order_value(security, cash)
    elif current_price < MA5 and context.portfolio.positions[security].closeable_amount > 0:
        order_target(security, 0)

生命周期函数

带 ♠ 标识的 API 仅支持回测/模拟，不能在研究模块调用。jqdata 模块在研究与回测环境均可使用。

证券代码规范

期货策略需将 run_daily 的 reference_security 设为对应主力合约（如 IF9999.CCFX），以匹配夜盘开盘时间。

常用 API 速查

行情与历史

get_price(security, start_date, end_date, frequency='daily', fields=None, fq='pre')
attribute_history(security, count, unit, fields)  # 回测环境，不含当天
history(count, unit, field, security_list, df=True)
get_bars(security, count, unit, fields, include_now=True)

标的池与板块

get_all_securities(types=['stock'], date=None)   # date 防未来函数
get_index_stocks('000300.XSHG', date=None)
get_industry_stocks('C15', date=None)
get_concept_stocks('GN036', date=None)
set_universe([...])  # 设置后 history 可不传 security_list

财务数据（SQL 查询）

from jqdata import *
q = query(valuation).filter(valuation.code == '000001.XSHE')
df = get_fundamentals(q, date='2015-10-15')

# 或 run_query（单次最多 4000 行，不可连表）
df = finance.run_query(query(finance.STK_XXX).filter(...).limit(4000))

交易

order(security, amount)              # 按股数，正买负卖
order_value(security, value)       # 按金额
order_target(security, amount)       # 调到目标股数
order_target_value(security, value)  # 调到目标市值
order_target_percent(security, percent)  # 调到目标仓位比例

A 股买入数量须为 100 整数倍（科创板 200 起）；卖光持仓时不受限。每日最多 10000 笔订单。

技术指标

from jqlib.technical_analysis import *
# check_date 策略中建议用 context.current_dt，避免盘中取当日收盘指标产生未来数据
result = MACD(security_list, check_date=context.current_dt, SHORT=12, LONG=26, MID=9)

自定义因子

from jqfactor import Factor, calc_factors

class MyFactor(Factor):
    name = 'my_factor'
    max_window = 5
    dependencies = ['close']
    def calc(self, data):
        return data['close'].mean()

factors = calc_factors(securities, [MyFactor()], start_date, end_date)

详见 fator.md 与 data/Alpha101.md、data/Alpha191.md。

关键注意事项

防止未来函数

• get_all_securities(date=...)、get_index_stocks(..., date=...) 等必须传入历史时点的 date，不能用未来日期
• history / attribute_history 取天数据时不包含当天；要当天数据需取分钟级
• 技术指标 check_date 只精确到日期时返回收盘值，盘中调用当天会产生未来数据
• 财务数据默认按公告日期处理，注意 get_fundamentals 的 date 参数含义

运行频率

• 优先使用 run_daily，避免与 handle_data 混用
• run_daily(func, time='every_bar') 频率与回测设置一致
• run_weekly/monthly 的 force=False 可避免晚注册时的就近执行

数据查询限制

• run_query / get_fundamentals 单次最多返回 4000 行
• run_query 不支持连表查询
• 默认行情为前复权；fq=None 为不复权

环境与产品区分

按场景选文档

策略示例

完整示例见 api.md 末尾「策略示例」：均线策略、多股票持仓、追涨策略、万圣节效应等。

文档更新

本地数据字典由脚本从官网同步：

bun scripts/get-joinquant-docs.ts
# 强制覆盖已有 md：FORCE_UPDATE=1 bun scripts/get-joinquant-docs.ts

附加资源

• 完整文档索引：reference.md
• 平台 API 全文：api.md
• 常见问题：faq.md
• 因子分析：fator.md