摘要：
学会使用for语句和list数据类型
学会写多股票策略
学前推荐阅读《十行代码带你量化交易入门》
【确定策略内容】
在推荐阅读中，单股票的均线策略的内容是：
若昨日收盘价 > 过去20日平均价
=>今天开盘买入股票
若昨日收盘价 < 过去20日平均价=>今天开盘卖出股票
现在，我们想利用计算机强大的数据处理能力，同时监视市场上多只股票，若满足条件就进行相应交易。简言之，对多个股票分别实行单股票策略，内容是：
若多只股票中的某只昨日收盘价 > 过去20日平均价
=>今天开盘买入该股票
若多只股票中的某只昨日收盘价 < 过去20日平均价=>今天开盘卖出该股票
那怎么用代码说给计算机听呢？
老办法，先想清楚人要做的话是什么步骤，再一点点翻译成代码。
1.确定股票的范围
（计算姬：让我帮你观察，总要告诉我都观察谁吧！）
2.每天看看每一只股票昨日收盘价是否高出过去20日平均价，是的话开盘就买入，不是开盘就卖出。每天都这么做，循环下去。
（计算姬：哪个股票有动作，我就带着小钱们杀过去~）
3.接下来就按之前讲得基本框架的套路出牌就好了，即初始化加周期循环。
（计算姬：想要学习好，套路不能少~）
【用list数据类型初始化股票列表】
我们要确定股票的选择范围，此处举例就简单点只选两只股，比如 兔宝宝（002043） 和 好想你（002582）。代码如下：
def initialize(context):
g.security = ['002043.XSHE','002582.XSHE']# 存入兔宝宝、好想你的股票代码
对比下，单股票策略中初始化代码是：
def initialize(context):
g.security = '002043.XSHE'
#存入兔宝宝的股票代码
可以看到，多个股票代码之间用逗号隔开了，并且两侧被中括号包在了一起。这种被中括号包在一起的数据的类型叫做list。形如：
[x1,x2,x3,...,xn]
当多个股票代码被包在一起成为一个list后就是一个整体，我们就可以给他们一起命名（例如此处命名是g.security）。就好像我们把多个股票代码包在一个盒子里，在盒子外面写上名字，以后计算机可以直接拿盒子来计算里面的股票，只要久跟她讲g.security，她就知道是那个盒子了，而不必把每个股票名字再一一交代。
PS：list的详细介绍 Python入门（2）- 数据类型之列表
初始化完成，开始周期循环的部分。
【for语句】
之前我们已经发现了，所谓的多股票策略，就是对多个股票逐个地实行单股票策略，所以对于所选股票只有两个的时候，只要把原本单股票策略对每个股票再写一遍就好了，比如这样:
def initialize(context): g.security1 = '002043.XSHE' g.security2 = '002582.XSHE'def handle_data(context, data): last_price = data[g.security1].close average_price = data[g.security1].mavg(20, 'close') cash = context.portfolio.cash if last_price > average_price: order_value(g.security1, cash) elif last_price < average_price: order_target(g.security1, 0) last_price = data[g.security2].close average_price = data[g.security2].mavg(20, 'close') cash = context.portfolio.cash if last_price > average_price: order_value(g.security2, cash) elif last_price < average_price: order_target(g.security2, 0)
（注释省略，详见推荐阅读）
基本上就是原来的单股票代码写两遍，两只股票写两遍，上千只股票的话还不写死掉...
所以我们要用到for，来告诉计算机，对多只股票都逐个进行相同的一系列的操作。for的用法如下：
# 把x中的数据依次取出暂时放入i中# 其中x的数据类型需要是list。
for i in x：
描述操作的代码
这段代码的含义可以理解成面试：“x”像一队等待面试的人，“i”像面试的房间，“操作”像面试的过程。
取出x中的第一个数据放到i中，进行操作。
（排在最前面的人进去面试，然后出来）
然后从x中再取出第二个数据覆盖掉i中原本的数据，进行操作。
（第二个人进去面试，然后出来）
如此继续，直到x中最后一个数据取到并进行操作。
（直到最后一个人面试完）
for应用在多股票策略中之后，策略就是：
def initialize(context): # 存入兔宝宝、好想你 的股票代码 g.security = ['002043.XSHE','002582.XSHE']def handle_data(context, data): # 把g.security中的股票代码依次取出
# 逐个进行单股票均线策略 for i in g.security: # 获取取得最近日收盘价，命名为last_price last_price = data[i].close # 获取近二十日股票收盘价的平均价
# 命名为average_price average_price=data[i].mavg(20,'close') # 获取当前现金数量，命名为cash cash = context.portfolio.cash # 判断昨日收盘价是否高出二十日平均价
# 是则买入，否则卖出。 if last_price > average_price: order_value(i, cash)
# 用per_cash的资金量买入股票i elif last_price < average_price: order_target(i, 0)
# 将股票仓位调整到0，即全卖出
至此，已经是一个完整的可运行的策略了。
但是，我们应用原本单股票策略的买入卖出方法到多股票后，逻辑上会出现这样一种情况：只要多只股票中一只股票满足买入条件了，就用所有资金买入了。从而没有资金买别的股票了，即便余下的股票也有满足条件的，即策略一直最多持有一只股票。
当然，这种买入卖出逻辑并没什么错，但一般来说，多股票策略相比单股票的策略的优势，除了可以更大范围内的寻找机会外，能同时持有多只股票能帮助我们分散风险。
故，我们有必要继续研究下每次花多少钱去买股票，使策略可同时持有多只股票。
PS：for的详细介绍 Python入门(5)条件与循环：if、while、for
QA：从x中取出的次序？x的数据类型是list，list类型里面的数据是有次序的，所以从x中取出的次序就是x里自带的次序。如for i in [2,7,3]的取出次序就是，如所见到的从左到右2,7,3的次序。（[2,7,3]是个list）
【各个股票买多少？】
每次交易信号发生，不全额交易，该交易多少额度呢？这是个复杂的问题，每个人对于每个策略都可能有不同的看法，并无定法。此处只做简单的处理，即将资金按股票数量分配预留，哪只股票发出信号，就将该股票的那份资金全额交易。详细表述与代码如下：
1.将资金平分成两份（"兔宝宝"一份，"好想你"一份），每份资金量为per_cash.
# cash除以g.security中的股票数，得到per_cashper_cash = cash/len(g.security)
QA：len(g.security)什么意思？len()是用来求list长度，即list中包含多少个东西。本例中len(g.security)就是求g.security中的股票数，结果为2。
2.如果昨日收盘价高出二十日平均价, 则用per_cash的资金量买入的该股票；否则卖出全部该股票。翻译成代码：
if last_price > average_price:
order_value(i, per_cash)# 用per_cash的资金量买入股票ielif last_price < average_price:
order_target(i, 0)# 将股票i持有量调整到0，即全卖出
【策略写完，如何回测】
增加买入卖出的代码，策略就写完了，如下：
def initialize(context):
# 存入兔宝宝、好想你 的股票代码
g.security = ['002043.XSHE','002582.XSHE']def handle_data(context, data):# 把g.security中的股票代码依次取出，逐个进行单股票均线策略
for i in g.security:
# 获取取得最近日收盘价，命名为last_price
last_price = data[i].close
# 获取近二十日股票收盘价的平均价，命名为average_price
average_price = data[i].mavg(20, 'close')
# 获取当前现金数量，命名为cash
cash = context.portfolio.cash
# cash除以g.security中的股票数，得到per_cash
per_cash = cash/len(g.security)
# 如果昨日收盘价高出二十日平均价, 则买入，否则卖出。
if last_price > average_price:
order_value(i, cash)# 用当前所有资金买入股票
elif last_price < average_price:
order_target(i, 0)# 将股票仓位调整到0，即全卖出
现在，点击运行回测，如果你代码没有问题，就会顺利的进行回测，回测结果如下图：
至此，你就完成了一个简单策略的回测了。
QA：代码编辑区上方的“编译运行”按钮是什么？编译是简化版的回测，相比回测少做了很多统计工作，比如每日持仓，交易详情等，所以运行会快很多。所以策略前期需要反复调试的时候，点编译运行，而策略完善后需要生成详细的报告，就点运行回测。两个都试试就知道了。
【自测与自学】
1.能否理解并学会使用list数据类型。
2.能否理解并学会使用for语句。
3.试着调整多股票的数量，比如将选股范围调整为沪深300指数的成分股。（提示：使用获取指数成份股的API）
4.试着调整买入卖出条件，比如将买买卖条件变为：如果昨日收盘价高出二十日平均价5%, 则买入；如果昨日收盘价低出二十日平均价5%，则卖出。（提示：乘法的代码是" * "，a的5%用代码表示为：a * 0.05）
点击『阅读原文』，到JoinQuant社区参与讨论。
长按指纹，关注JoinQuant