来到优矿，您想要的所有金融研究都可在这里实现~入门玩家：提供社区交流、python、quartz框架，轻松实现策略回测
进阶玩家：提供MFhandler、模拟交易（实盘交易），打通投资上下游
高级玩家：使用DataAPI，进行传统券商研究、灵感实现平台、知识共享平台。
本文主要介绍：
社区资源新手入门概览
如何在开始研究中用notebook进行数据研究
如何写策略进行回测、模拟交易
优矿社区旨在为广大量化爱好者提供交流分享平台。社区中的量化研究内容都可以一键克隆至研究环境获得源码，也可以从研究环境一键分享激荡思想。
您可以通过新手专栏中的分享文档，快速的了解量化和优矿的信息：
量化分析师的Python入门，看看日记前6天就能轻松搞定：
量化分析师日记后续几篇，介绍了进阶研究方法，比如：
除此之外，社区上还有很多的牛人牛贴，分享了各种数据研究、策略源码。
Notebook是您量化研究的主要工具，支持Python2.7语言。
进入开始研究页面，点击区域1中的Notebook，会出现区域2，显示每个Notebook文件的列表，点击上面的新建按钮，就会在区域3出现新建的Notebook。
本文字所处的页面就是Notebook，Notebook页面格局，以及每个区域的用途如下图所示：
在区域1单元中，可以满足您三个需求：
数据研究将单元切换为 code 模式。
可以在这个模式下写任何形式的Python语言，并且调用优矿中提供的数据、定制函数库。
例如在您可以在以下code单元中输入代码，然后用ctrl+enter运行：
如果需要了解python相关的语法，可以参考社区——新手专栏中的量化分析师的Python日记：
单元中支持丰富的python基础库与三方扩展库：如数据分析方面的numpy、pandas、scipy, 绘图方面的matplotlib、seaborn，机器学习方面的sklearn等等，具体可以查看 帮助页面。
xxxxxxxxxxDataAPI.SecIDGet(partyID=u"",assetClass=u"",ticker=u"000001,600000",cnSpell=u"",field=u"",pandas="1")更多获取数据的帮助可以详见 如何获取数据帮助页面
写策略做回测将单元切换为 strategy 模式
这里使用优矿定制的回测框架，对量化策略进行研究、回测并查看回测结果。
创建一个strategy单元后，会提供策略代码模板，代码模版分为三个部分：
xxxxxxxxxx# 第一部分：策略参数start = '2014-01-01' # 回测起始时间end = '2015-01-01' # 回测结束时间benchmark = 'HS300' # 策略参考标准universe = ['000001.XSHE', '600000.XSHG'] # 证券池，支持股票和基金capital_base = 100000 # 起始资金freq = 'd' # 策略类型，'d'表示日间策略使用日线回测，'m'表示日内策略使用分钟线回测refresh_rate = 1 # 调仓频率，表示执行handle_data的时间间隔，若freq = 'd'时间间隔的单位为交易日，若freq = 'm'时间间隔为分钟# 第二部分：初始化策略，回测期间只运行一次，可以用于设置全局变量# account是回测期间的虚拟交易账户，存储上述全局变量参数信息，并在整个策略执行期间更新并维护可用现金、证券的头寸、每日交易指令明细、历史行情数据等。def initialize(account): # account.i = 1 pass# 第三部分：策略每天下单逻辑，执行完成后，会输出每天的下单指令列表# 这个函数在每个交易日开盘前被调用，模拟每个交易日开盘前，交易策略会根据历史数据或者其他信息进行交易判断，生成交易指令def handle_data(account): # 这里编写下单逻辑 return以上策略模版按照以下流程执行，图中红色框部分就是代码模版中的三个部分。
基于以上了解，现在让我们来看看策略是如何去下单的，运行以下代码，在输出中点击“策略详情”，就可以在“调仓记录”中看到策略每天下单的信息啦：
xxxxxxxxxxstart = '2014-01-01' # 回测起始时间end = '2015-01-01' # 回测结束时间benchmark = 'HS300' # 策略参考标准universe = ['000001.XSHE', '600000.XSHG'] # 证券池capital_base = 100000 # 起始资金freq = 'd' # 用日线回测的策略refresh_rate = 1 # 每天调一次仓，即每个交易日都会运行第三部分的handle_data函数def initialize(account): passdef handle_data(account): # account.universe：当前交易日的证券池，已经从全局变量universe中剔除了当天停牌、退市和数据缺失证券的证券池。 # 推荐您下单的股票都来自于account.universe for stock in account.universe: # order：用来模拟下达买卖指令，这里表示买入100股stock股票。 order(stock,100) 目前，写的策略尽管还很简陋，但这是走向各种复杂策略的第一步！
下面我们再举一个稍微复杂的 均线策略，策略思路为:
xxxxxxxxxx# 均线策略start = '2014-01-01' # 回测起始时间end = '2015-01-01' # 回测结束时间benchmark = 'SH50' # 策略参考标准universe = ['510050.XSHG'] # 证券池，也可以在这里添加多个证券capital_base = 10000 # 起始资金freq = 'd' # 日线策略refresh_rate = 1 # 每个交易日调仓def initialize(account): passdef handle_data(account): # account.get_attribute_history：表示获取所有证券过去20天的closePrice数据，返回数据类型为 dict，键为每个证券的secID hist = account.get_attribute_history('closePrice', 20) for stk in account.universe: # 计算股票过去5天收盘平均值 ma5 = hist[stk][-5:].mean() # 计算股票过去20天收盘平均值 ma20 = hist[stk][:].mean() # 如果5日均线大于20日均线，并且该股票当前没有持仓，则买入100手 # account.valid_secpos：表示当前交易日持有数量大于0的证券头寸。数据类型为字典，键为证券代码，值为头寸。 if ma5 > ma20 and stk not in account.valid_secpos: order(stk, 10000) # 如果5日均线小于20日均线，则该股票全部卖出 elif ma5 <= ma20: order_to(stk, 0)模拟交易以上策略回测成功后，您可以看到在单元输出中，有参加大赛按钮，参加大赛可以将策略提交到500万实盘大赛；
也可以点击参加大赛按钮旁边的下拉箭头，选择模拟交易功能，然后您的策略就可以去模拟交易每天自动运行了。
将单元切换为 markdown 模式后，可以编写文档。
您当前看到的文字就是用markdown语法写出来的，您将本文档克隆，双击本单元，就能看到对本文字进行编辑。
您如果不熟悉markdown可以直接写文字，写完按 ctrl+enter 运行即可。
联系客服
