掘金量化skill

---

name: gm-quant version: 2.0.0 description: > 掘金量化 Python SDK 专家技能。 当用户提到掘金、gm、gm.api、掘金量化、掘金策略、掘金SDK、掘金终端、 量化策略开发、回测、实时行情、订阅行情、历史行情、下单、委托、持仓、 order_volume、subscribe、history、set_token、get_symbols、get_symbol_infos、 get_history_symbol、history_n、current、get_trading_dates、 order_percent、order_value、order_target_volume、algo_order、 get_orders、get_position、get_cash、bond_convertible、 L2行情、逐笔成交、逐笔委托、schedule定时任务、 财务数据、资产负债表、利润表、现金流量表、估值指标、PE/PB/PS/股息率、 市值、股本、流通股、成分股、行业分类、 可转债分析、转股溢价率、纯债价值、ETF成分股、基金净值、 期货合约信息、仓单数据、成交持仓排名、 stk_get_fundamentals、stk_get_daily_valuation、stk_get_index_constituents、 bnd_get_analysis、fnd_get_portfolio、fut_get_contract_info 时，自动加载此 skill。

---

掘金量化 SDK 技能 — v2.0 自然语言策略引擎

定位

你是掘金量化平台的自然语言策略助手。用户用中文描述交易想法，你负责： 1. 理解需求 → 提炼策略逻辑（标的/信号/风控） 2. 生成代码 → 输出可直接运行的完整策略 .py 文件 3. 执行运行 → 调用 scripts/run_strategy.py 一键启动回测或实盘

核心原则

1. 必须先 set_token：纯数据查询（非策略 run）场景下，代码开头必须调用 set_token('your_token')。 2. symbol 格式：交易所代码.证券代码，如 SHSE.600000、SZSE.000001，严格区分大小写。 3. gm 包通过掘金终端连接：终端必须保持打开，否则接口会超时或报错。 4. 两种模式：MODE_LIVE=1（实时/仿真）、MODE_BACKTEST=2（回测）；run() 函数启动策略。 5. 数据查询不需要 run：仅用 set_token 后直接调用数据函数即可。

🚀 用户工作流（自然语言→运行）

第 0 步：确认 Strategy ID（重要！）

每次生成策略前，必须向用户索要 strategy_id。

strategy_id 是策略在掘金终端中的唯一标识。填写后：

回测结果持久化到掘金终端后台

用户登录 掘金终端网页 → 策略列表 → 查看完整的绩效分析图表

（收益曲线、回撤分析、夏普比率、持仓明细等）

> 交互方式：如果用户没有主动提供 strategy_id，在生成代码前询问： > "请给我一个 strategy_id（英文/数字/下划线），用于在掘金终端标识这个策略。 > 填完后你可以在终端网页上看到绩效分析图表。例如：ma_cross_600519、momentum_v1"

| 场景 | 处理方式 | |------|---------| | 用户提供了 strategy_id | 直接使用 | | 用户没提供 | 必须追问，不能自己编造一个默认值后静默使用 | | 用户说"随便起一个" | 根据策略特征起一个有意义的名字（如 dual_ma_kweichow） |

第一步：理解用户意图

当用户用自然语言描述策略时，按以下维度提取信息：

| 维度 | 需确认的信息 | 默认值（如未明确说明） | |------|-------------|---------------------| | strategy_id | 策略在掘金终端的标识（必须用户提供，见第0步） | 无默认，必须询问 | | 标的池 | 哪些股票/指数？ | 沪深300成分股 | | 时间频率 | 日线/分钟线/tick？ | 日线 1d | | 买入信号 | 什么条件买入？（均线/指标/事件） | 必须明确，不能猜测 | | 卖出信号 | 什么条件卖出？ | 必须明确，不能猜测 | | 仓位管理 | 全仓/固定金额/比例/等权 | 等权分配 | | 止损止盈 | 有无？阈值多少？ | 无 | | 回测区间 | 开始~结束日期 | 最近1年 | | 初始资金 | 多少钱？ | 100万 | | 运行模式 | 回测还是实盘？ | 先回测 |

> ⚠️ 如果用户描述模糊（如"帮我做个赚钱的策略"），必须追问具体条件后再生成代码。

第二步：生成策略文件

使用下方标准策略模板生成完整 .py 文件，保存到用户的输出目录：

"""
策略名称：{name}
策略描述：{description}
生成时间：{date}
"""
import sys, os, io
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8', errors='replace')
from gm.api import *
============================================================
配置区 —— 用户可通过修改此处调整策略参数
============================================================
SYMBOLS = 'SHSE.600519,SZSE.000001'      # 标的（逗号分隔）
FREQUENCY = '1d'                          # K线周期：1d/60s/300s/tick
COUNT = 20                                # 订阅K线数量（context.data滑窗大小）
交易参数
ORDER_TYPE = OrderType_Market              # 下单方式：Market(市价) / Limit(限价)
POSITION_PCT = 0.2                        # 单只股票仓位占比（0~1）
回测参数
BACKTEST_START = '2024-01-02 09:30:00'
BACKTEST_END   = '2025-12-31 15:30:00'
INITIAL_CASH   = 1000000                  # 初始资金
COMMISSION     = 0.00025                  # 手续费率
SLIPPAGE       = 0.001                    # 滑点
============================================================
策略逻辑
============================================================
def init(context):
    """初始化：订阅行情"""
    log.info(f'策略启动 | 标的:{SYMBOLS} | 周期:{FREQUENCY}')
    subscribe(symbols=SYMBOLS, frequency=FREQUENCY, count=COUNT)
    # 存储策略状态
    context.last_signal = {}  # {symbol: last_signal_time}
def on_bar(context, bars):
    """每根K线触发"""
    for bar in bars:
        symbol = bar['symbol']
        try:
            _handle_bar(context, symbol)
        except Exception as e:
            log.error(f'处理{symbol}异常: {e}')
def on_tick(context, tick):
    """tick级别回调（如订阅了tick会走这里）"""
    pass
def _handle_bar(context, symbol):
    """单只标的策略逻辑"""
    # 1. 获取历史数据（滑窗内）—— 注意返回 DataFrame
    data = context.data(symbol=symbol, frequency=FREQUENCY, count=COUNT)
    if data is None or len(data) < COUNT:
        return
    # 2. 获取当前持仓 —— get_position() 不带参数，返回全部持仓列表
    all_positions = get_position()
    position = None
    if all_positions:
        for p in all_positions:
            sym = p.get('symbol') if isinstance(p, dict) else (p.symbol if hasattr(p, 'symbol') else None)
            if sym == symbol:
                position = p
                break
    # ========================================
    # 【策略核心】在此处实现买卖信号
    # ========================================
    # 示例：双均线策略
    close = data['close'].tolist()
    ma_short = sum(close[-5:]) / 5    # MA5
    ma_long  = sum(close[-20:]) / 20  # MA20
    prev_ma5 = sum(close[-6:-1]) / 5 if len(close) >= 6 else ma_short
    prev_ma20 = sum(close[-26:-6]) / 20 if len(close) >= 27 else ma_long
    buy_signal  = (prev_ma5 <= prev_ma20) and (ma_short > ma_long)
    sell_signal = (prev_ma5 >= prev_ma20) and (ma_short < ma_long)
    # ========================================
    # 3. 执行交易
    # ========================================
    current_price = close[-1]
    cash_info = get_cash()
    if buy_signal and not position:
        # 买入：按仓位比例计算金额
        available = cash_info.available
        order_value = available * POSITION_PCT
        if order_value > 10000:  # 最少1万元
            volume = int(order_value / current_price / 100) * 100  # A股必须100股整数倍
            order_volume(symbol, volume,
                         side=OrderSide_Buy,
                         position_effect=PositionEffect_Open,
                         order_type=ORDER_TYPE)
            print(f'[买入] {symbol} 价格={current_price:.2f} 数量={volume}')
    elif sell_signal and position:
        # 卖出：清仓该标的（注意用 position_side 不是 position_effect）
        order_target_volume(symbol, 0,
                            position_side=PositionSide_Long,
                            order_type=ORDER_TYPE)
        print(f'[卖出] {symbol} 价格={current_price:.2f}')
def handle_error(context, error_code, error_msg, **kwargs):
    """错误处理"""
    log.error(f'策略异常 [{error_code}]: {msg}')
============================================================
启动入口
============================================================
if __name__ == '__main__':
    # 从环境变量读取参数（由 run_strategy.py 传入）
    TOKEN = os.environ.get('GM_TOKEN', '') or ''
    MODE = os.environ.get('GM_RUN_MODE', 'backtest')
    STRATEGY_ID = os.environ.get('GM_STRATEGY_ID', '') or 'my_strategy'
    START = os.environ.get('GM_BACKTEST_START', BACKTEST_START)
    END = os.environ.get('GM_BACKTEST_END', BACKTEST_END)
    CASH = float(os.environ.get('GM_INITIAL_CASH', str(INITIAL_CASH)))
    mode = MODE_LIVE if MODE.lower() in ('live', 'realtime') else MODE_BACKTEST
    run(
        strategy_id=STRATEGY_ID,
        filename=__file__[:__file__.rfind('.')] if '.' in __file__ else __file__,
        mode=mode,
        token=TOKEN,
        backtest_start_time=START,
        backtest_end_time=END,
        backtest_initial_cash=CASH,
        backtest_commission_ratio=COMMISSION,
        backtest_slippage_ratio=SLIPPAGE,
        backtest_adjust=ADJUST_PREV,
    )

第三步：执行策略

使用运行器脚本一键执行：

python scripts/run_strategy.py --strategy <策略文件路径> --strategy-id <你的策略ID> [--mode backtest|live] [--token YOUR_TOKEN]

> --strategy-id 必填：填写后回测结果会持久化到掘金终端，登录终端网页即可查看绩效分析图表（收益曲线、回撤、夏普比率等）。 > 如果不填，回测结果仅在控制台输出，不会保存到终端。

运行器脚本路径：C:\Users\wjz\.workbuddy\skills\gm-quant\scripts\run_strategy.py

参考文档索引

详细 API 文档位于 references/ 目录下：

| 文件 | 内容 | |------|------| | 01-quick-start.md | 快速开始、策略架构、运行模式 | | 02-core-functions.md | run、set_token、stop、schedule、timer | | 03-subscribe-events.md | subscribe、unsubscribe、on_tick、on_bar、on_l2* | | 04-market-data.md | current、history、history_n、context.data | | 05-l2-data.md | L2 行情查询接口（付费） | | 06-symbol-info.md | 标的信息查询 API | | 07-trading-dates.md | 交易日历 API | | 08-order-api.md | 下单 API 全集 | | 09-algo-order.md | 算法单 API | | 10-account-query.md | 账户查询 API | | 11-bond-convertible.md | 可转债交易 API | | 12-dataobjects.md | 数据对象字段定义 | | 13-enums.md | 枚举常量速查 | | 14-context.md | context 对象 |

交易 API 补充

融资融券（信用交易）

融资融券交易需在信用账户下操作，使用 credit_ 前缀函数：

# 融资买入（借入资金买证券）
credit_buying_on_margin(symbol, volume, price=0, order_type=OrderType_Market, position_effect=PositionEffect_Open)
融券卖出（借入证券卖出）
credit_short_selling(symbol, volume, price=0, order_type=OrderType_Market, position_effect=PositionEffect_Open)
买券还券（买入证券归还融券）
credit_buying_on_repayment(symbol, volume, price=0, order_type=OrderType_Market)
卖券还款（卖出证券归还融资）
credit_selling_on_repayment(symbol, volume, price=0, order_type=OrderType_Market)
直接还款（用现金直接归还融资）
credit_direct_repayment(amount)
直接还券（用持仓直接归还融券）
credit_direct_return_securities(symbol, volume)
信用账户查询
credit_get_collateral_instruments()    # 查询可担保证券
credit_get_borrowable_instruments()    # 查询可融券证券
credit_get_collateral_ratio(symbol)    # 查询担保折算率
credit_get_concentrate_limit(symbol)   # 查询集中度限制
credit_get_margin_ratio(symbol)        # 查询融资融券保证金比例
credit_get_max_volume(symbol, side)    # 查询最大可借数量

> ⚠️ 融资融券功能需要开通信用账户，且掘金终端需切换到信用交易模式。

批量下单

# 批量下单 — 一次提交多笔委托，减少网络往返
orders = [
    {'symbol': 'SHSE.600519', 'volume': 100, 'side': OrderSide_Buy, 'position_effect': PositionEffect_Open, 'order_type': OrderType_Market},
    {'symbol': 'SZSE.000001', 'volume': 200, 'side': OrderSide_Buy, 'position_effect': PositionEffect_Open, 'order_type': OrderType_Market},
]
order_batch(orders)

> order_batch 返回订单ID列表，与 order_volume 返回值一致。

撤单

# 撤销指定委托
order_cancel(cl_ord_id)         # cl_ord_id 从 get_orders() 或 on_order_status 回调中获取
撤销全部未成交委托
order_cancel_all()
查询未成交委托
get_unfinished_orders()

> order_cancel 的参数是 cl_ord_id（客户端订单ID），不是 order_id。可以从 on_order_status 回调的 order.cl_ord_id 字段或 get_unfinished_orders() 返回值中获取。

特殊交易函数

# 新股申购
ipo_buy(symbol, volume, price=0, order_type=OrderType_Limit)
ETF 申购/赎回（场内基金）
fund_etf_buy(symbol, volume, price=0, order_type=OrderType_Market)       # ETF 申购
fund_etf_redemption(symbol, volume, price=0, order_type=OrderType_Market) # ETF 赎回
场外基金
fund_subscribing(symbol, volume, price=0)   # 场外基金认购
fund_buy(symbol, volume, price=0)           # 场外基金申购
fund_redemption(symbol, volume, price=0)    # 场外基金赎回
国债逆回购
bond_reverse_repurchase_agreement(symbol, volume, price=0, order_type=OrderType_Limit)

> ⚠️ 国债逆回购的 volume 单位是张（1张=1000元面值），price 是年化利率（如 2.5 表示年化 2.5%）。

动态参数（终端 UI 可调）

在 init() 中用 add_parameter 注册参数后，用户可在掘金终端 UI 上实时调整策略参数，无需改代码重启：

def init(context):
    add_parameter(key='ma_short', value=5, min=1, max=100, step=1, name='短期均线周期')
    add_parameter(key='ma_long', value=20, min=1, max=200, step=1, name='长期均线周期')
    add_parameter(key='stop_loss_pct', value=0.05, min=0.01, max=0.5, step=0.01, name='止损比例')
用户在终端修改参数时触发回调
def on_parameter(context, parameter):
    key = parameter['key']
    value = parameter['value']
    log.info(f'参数变更: {key} = {value}')
    if key == 'ma_short':
        context.ma_short_period = value
策略中读取当前参数值
def on_bar(context, bars):
    ma_short = get_parameter(key='ma_short')
    ma_long = get_parameter(key='ma_long')

连接事件

适用于实盘/仿真模式，可用于断线重连逻辑或告警通知（回测模式下不会触发）：

def on_market_data_connected(context):
    log.info('行情服务已连接')
def on_market_data_disconnected(context):
    log.info('行情服务已断开')
def on_trade_data_connected(context):
    log.info('交易服务已连接')
def on_trade_data_disconnected(context):
    log.info('交易服务已断开')

交易所代码表

| 代码 | 交易所 | 示例 | |------|--------|------| | SHSE | 上海证券交易所 | SHSE.600000 | | SZSE | 深圳证券交易所 | SZSE.000001 | | CFFEX | 中国金融期货交易所 | CFFEX.IF2506 | | SHFE | 上海期货交易所 | SHFE.ag2506 | | DCE | 大连商品交易所 | DCE.m2509 | | CZCE | 郑州商品交易所 | CZCE.CF501 | | INE | 上海国际能源交易中心 | INE.sc2506 | | GFEX | 广州期货交易所 | GFEX.si2508 |

枚举常量表（速查）

# ---- 订单状态 OrderStatus ----
OrderStatus_New = 1                # 新建
OrderStatus_PartiallyFilled = 3    # 部分成交
OrderStatus_Filled = 4             # 全部成交
OrderStatus_Canceled = 5           # 已撤
OrderStatus_Rejected = 7           # 拒绝
OrderStatus_Cancelling = 8         # 待撤
注意：回测中可能出现未记录状态码 10（内部中间态），需兼容处理
---- 订单类型 OrderType ----
OrderType_Market = 1               # 市价单
OrderType_Limit = 2                # 限价单
---- 买卖方向 OrderSide ----
OrderSide_Buy = 1
OrderSide_Sell = 2
---- 开平仓 PositionEffect（order_volume 用）----
PositionEffect_Open = 1            # 开仓
PositionEffect_Close = 2           # 平仓
PositionEffect_CloseToday = 3      # 平今
PositionEffect_CloseYesterday = 4  # 平昨
---- 持仓方向 PositionSide（order_target_* 用）----
PositionSide_Long = 1
PositionSide_Short = 2
---- 复权方式 AdjustType ----
ADJUST_NONE = 0                    # 不复权
ADJUST_PREV = 1                    # 前复权（回测常用）
ADJUST_POST = 2                    # 后复权
---- 运行模式 ----
MODE_LIVE = 1                      # 实时/仿真
MODE_BACKTEST = 2                  # 回测

数据频率与运行模式

K线频率（frequency）：

| 值 | 说明 | |----|------| | tick | 逐笔 | | 60s | 1分钟 | | 300s | 5分钟 | | 900s | 15分钟 | | 1800s | 30分钟 | | 3600s | 1小时 | | 1d | 日线 |

运行模式：

| 值 | 说明 | |----|------| | MODE_LIVE = 1 | 实时/仿真模式，行情实时推送 | | MODE_BACKTEST = 2 | 回测模式，数据按时间序列回放 |

~~基本面数据（已下线）~~

> ⚠️ get_fundamentals() / get_fundamentals_n() 已下线，请使用 stk_get_fundamentals_*_pt 系列替代。

新股申购

# 查询新股申购额度
ipo_get_quota(exchange='SHSE')        # 返回沪市/深市可用额度
查询可申购新股列表
ipo_get_instruments(trade_date='2025-01-15')  # 指定交易日的可申购新股
查询申购配号
ipo_get_match_number(symbol='SHSE.688001')
查询中签信息
ipo_get_lot_info(symbol='SHSE.688001')

分红数据

# 查询分红送配数据（时序）
get_dividend(symbol='SHSE.600519', start_date='2020-01-01', end_date='2025-12-31', df=True)
返回字段：ex_date(除权日), record_date(登记日), pay_date(发放日), cash_div(每股派息),
          bonus_share_r(送股比例), transfer_share_r(转增比例)

L2 历史数据查询

# L2 逐笔成交
get_history_l2_transaction(symbol, start_time, end_time, fields=None, df=True)
L2 逐笔委托
get_history_l2_order(symbol, start_time, end_time, fields=None, df=True)
L2 队列（买卖盘口）
get_history_l2_queue(symbol, start_time, end_time, fields=None, df=True)

> ⚠️ L2 数据接口为付费功能，仅特定券商可用，需要开通相应权限。

进阶策略示例

配对交易（均值回归）

def init(context):
    context.pair = ('SHSE.600036', 'SZSE.000001')  # 招行 vs 平安
    subscribe(symbols=','.join(context.pair), frequency='1d', count=60)
    context.half_life = 20
    context.entry_z = 2.0
    context.exit_z = 0.5
def on_bar(context, bars):
    s1, s2 = context.pair
    d1 = context.data(symbol=s1, frequency='1d', count=60)
    d2 = context.data(symbol=s2, frequency='1d', count=60)
    if d1 is None or d2 is None or len(d1) < 30:
        return
    spread = d1['close'].values / d2['close'].values
    mean = spread[-context.half_life:].mean()
    std = spread[-context.half_life:].std()
    zscore = (spread[-1] - mean) / std if std > 0 else 0
    if zscore > context.entry_z and _get_position_volume(context, s1) == 0:
        order_target_percent(s1, -0.5, position_side=PositionSide_Short, order_type=OrderType_Market)
        order_target_percent(s2, 0.5, position_side=PositionSide_Long, order_type=OrderType_Market)
    elif zscore < -context.entry_z and _get_position_volume(context, s2) == 0:
        order_target_percent(s1, 0.5, position_side=PositionSide_Long, order_type=OrderType_Market)
        order_target_percent(s2, -0.5, position_side=PositionSide_Short, order_type=OrderType_Market)
    elif abs(zscore) < context.exit_z:
        for sym in context.pair:
            order_target_volume(sym, 0, position_side=PositionSide_Long, order_type=OrderType_Market)
            order_target_volume(sym, 0, position_side=PositionSide_Short, order_type=OrderType_Market)

CTA 海龟交易法

def init(context):
    subscribe(symbols='SHFE.ag2506', frequency='1d', count=55)
    context.atr_period = 20
    context.entry_period = 20
    context.exit_period = 10
    context.unit_risk = 0.01  # 每笔最大亏损占总资金1%
def on_bar(context, bars):
    data = context.data(symbol='SHFE.ag2506', frequency='1d', count=55)
    if data is None or len(data) < 55:
        return
    high, low, close = data['high'].values, data['low'].values, data['close'].values
    tr = [max(high[i]-low[i], abs(high[i]-close[i-1]), abs(low[i]-close[i-1])) for i in range(1, len(close))]
    atr = sum(tr[-context.atr_period:]) / context.atr_period
    entry_high = max(high[-context.entry_period:-1])
    exit_low = min(low[-context.exit_period:-1])
    curr = close[-1]
    cash = get_cash()
    unit = int(cash.available * context.unit_risk / atr / 1000) * 1000
    pos = _get_position_volume(context, 'SHFE.ag2506')
    if curr > entry_high and pos == 0:
        order_volume('SHFE.ag2506', unit, side=OrderSide_Buy,
                     position_effect=PositionEffect_Open, order_type=OrderType_Market)
    elif curr < exit_low and pos > 0:
        order_volume('SHFE.ag2506', pos, side=OrderSide_Sell,
                     position_effect=PositionEffect_Close, order_type=OrderType_Market)

风控模块（可嵌入任意策略）

class RiskManager:
    """通用风控：止损/止盈/最大持仓/回撤控制"""
    def __init__(self, stop_loss_pct=0.05, take_profit_pct=0.10,
                 max_position_pct=0.3, max_drawdown_pct=0.15):
        self.stop_loss_pct = stop_loss_pct
        self.take_profit_pct = take_profit_pct
        self.max_position_pct = max_position_pct
        self.max_drawdown_pct = max_drawdown_pct
        self.peak_value = 0
    def check_stop_loss(self, entry_price, current_price, side='long'):
        if side == 'long':
            return (current_price - entry_price) / entry_price < -self.stop_loss_pct
        return (entry_price - current_price) / entry_price < -self.stop_loss_pct
    def check_take_profit(self, entry_price, current_price, side='long'):
        if side == 'long':
            return (current_price - entry_price) / entry_price > self.take_profit_pct
        return (entry_price - current_price) / entry_price > self.take_profit_pct
    def check_drawdown(self):
        cash = get_cash()
        total = cash.nav if hasattr(cash, 'nav') else cash.available
        self.peak_value = max(self.peak_value, total)
        dd = (self.peak_value - total) / self.peak_value if self.peak_value > 0 else 0
        return dd > self.max_drawdown_pct
    def check_position_limit(self, symbol_value, total_value):
        return (symbol_value / total_value) > self.max_position_pct

行业轮动（动量因子 + schedule 定时调仓）

def init(context):
    context.sectors = {
        'SHSE.512000': '券商', 'SHSE.512010': '医药', 'SHSE.512660': '军工',
        'SHSE.512800': '银行', 'SHSE.512690': '白酒', 'SHSE.515030': '新能源',
    }
    context.top_n = 2
    subscribe(symbols=','.join(context.sectors.keys()), frequency='1d', count=22)
    schedule(rebalance, frequency='1d', time_rule='15:05')
def rebalance(context, bar_dict):
    momentum = {}
    for sym in context.sectors:
        data = context.data(symbol=sym, frequency='1d', count=22)
        if data is not None and len(data) >= 20:
            momentum[sym] = data['close'].iloc[-1] / data['close'].iloc[-20] - 1
    ranked = sorted(momentum.items(), key=lambda x: x[1], reverse=True)
    targets = [s[0] for s in ranked[:context.top_n]]
    for sym in context.sectors:
        if sym in targets:
            order_target_percent(sym, 1.0 / context.top_n,
                                 position_side=PositionSide_Long, order_type=OrderType_Market)
        else:
            order_target_volume(sym, 0,
                                position_side=PositionSide_Long, order_type=OrderType_Market)

API 参数补充说明

current() 回测 vs 实盘字段差异

data = current(symbols='SHSE.600519,SZSE.000001')
通用字段：symbol, open, high, low, close, volume, amount, frequency, timestamp
实盘额外字段：bid_price/bid_volume(买价买量), ask_price/ask_volume(卖价卖量),
              last_price(最新价), num_trades(成交笔数)

> ⚠️ 回测模式下 current() 只能查询已订阅标的，实盘模式可查询任意标的。

history() 补充参数

history(symbol, frequency, start_time=None, end_time=None, count=None,
        fields=None, skip_suspended=True, fill_missing=None, df=True)
skip_suspended=True（默认）：跳过停牌日
skip_suspended=False：保留停牌日，数据字段用 NaN 填充
fill_missing='pre'：用前值填充缺失
fill_missing='post'：用后值填充缺失
fill_missing=None（默认）：不填充

subscribe() wait_group 参数

# 多标的等待同步：所有标的bar都到达后才触发一次 on_bar
subscribe(symbols='SHSE.600519,SZSE.000001', frequency='60s', count=20,
          wait_group=True)
默认 wait_group=False：每个标的bar到达时单独触发

> 多标的同频率策略建议开启 wait_group=True，避免部分标的先触发导致数据不齐。

order_value / order_percent / order_target_percent

# order_value — 按金额下单（自动取整到100股倍数）
order_value(symbol='SHSE.600519', value=50000, side=OrderSide_Buy,
            position_effect=PositionEffect_Open, order_type=OrderType_Market)
order_percent — 按总资产百分比下单
order_percent(symbol='SHSE.600519', percent=0.1, side=OrderSide_Buy,
              position_effect=PositionEffect_Open, order_type=OrderType_Market)
percent=0.1 表示用总资产的10%买入
order_target_percent — 调仓到目标占比（ETF 调仓推荐）
order_target_percent(symbol='SHSE.512000', percent=0.15,
                     position_side=PositionSide_Long, order_type=OrderType_Market)
调整到占总资产15%，不足买入，超出卖出

成交回报查询

get_execution_reports(cl_ord_id=None, symbol=None, start_time=None,
                      end_time=None, position_side=None, limit=None, df=True)
cl_ord_id: 指定订单ID
symbol: 指定标的
limit: 返回条数限制

常见问题 & 注意事项

history() 的 df 参数默认 True 返回 DataFrame，False 返回 list[dict]

单次查询最多返回 33000 条数据

L2 数据接口（get_history_l2*）仅特定付费券商可用

subscribe 中 count 决定 context.data 的滑窗大小

回测模式下 init 不支持交易操作

虚拟合约（主力连续合约）仅在回测模式下可用，如 SHFE.RB

get_trading_dates 查交易日历时，exchange 参数用交易所代码如 'SHSE'

run() 参数名是 strategy_id 和 filename（模块名，不是文件路径！）

A 股最小下单单位为 100 股（1手），order_volume 必须是 100 的整数倍

order_value 会自动取整到 100 股倍数

踩坑经验（实测验证）

以下坑点已通过实际运行验证，生成代码时必须遵守：

1. run() 参数名：是 strategy_id + filename（模块名，不带 .py 后缀），不是 strategy_name / file_path 2. log() 用法：log(msg, source) 是普通函数，不是 logger 对象。不要用 log.info()。推荐直接用 print() 3. context.data() 返回值：返回的是 DataFrame（不是 dict list），用 data['close'].tolist() 访问数据列 4. get_position() 不带参数：调用 get_position() 获取全部持仓列表，然后遍历查找目标 symbol 的持仓。不支持 get_position(symbol=xxx) 5. order_target_volume() 参数：不需要 side 参数；用 position_side=PositionSide_Long（不是 position_effect=PositionEffect_Close） 6. order_volume() 买入参数：需要 side=OrderSide_Buy + position_effect=PositionEffect_Open 7. Windows 编码：脚本开头必须加 sys.stdout = io.TextIOWrapper(...) 否则中文 emoji 报错 8. A 股 T+1：当天买入不能当天卖出，策略逻辑需要考虑这个约束 9. cl_ord_id 参数不存在：order_volume / order_value / order_target_volume 等下单函数不支持 cl_ord_id 参数。传入会直接抛 TypeError: got an unexpected keyword argument 'cl_ord_id'。订单标识由系统自动生成 10. on_order_status 回测模式状态码：回测中会出现文档未记录的状态码 10（未知/内部中间态），实际运行时需兼容处理。完整状态码：1=新建, 2=已报, 3=部分成交, 4=已成交, 5=已撤, 6=未成交(超时), 7=拒绝, 8=待撤, 9=未知, 10=回测内部态 11. on_execution_report 的 exec_type：回测模式下返回数字而非字符，实测值为 15（成交确认）。实盘/仿真可能返回 'T'(Trade) / 'C'(Cancel) 12. 回测中风控行为：超额卖出或资金不足的订单在回测中不会触发 Rejected(7) 状态，而是变为 Cancelling(8) → 被自动撤销。拒单原因需要实盘/仿真环境才能观察到 13. on_order_status order 对象访问：回调中的 order 对象同时支持 dict 风格 order['symbol'] 和属性风格 order.symbol，但推荐用 try/getattr 兼容两种方式 14. on_execution_report execrpt 对象访问：同上，同时支持 dict 和属性风格。关键字段：symbol, side(1买2卖), volume, price, exec_type, commission 15. 市价单在回测中也可能不成交：如果资金不足（如下单量×价格 > 可用资金），市价单会被标记为 Cancelling 而非报错抛异常 16. stk_get_index_constituents 没有 df 参数：直接返回 DataFrame，不需要传 df=True 17. 财务数据 API 的 fields 必填且不能为空：所有 stk_get_fundamentals_*_pt / stk_get_finance_*_pt / stk_get_daily_*_pt 函数的 fields 参数是必填的，不能传空字符串 ""，否则报错"填写的 fields 不正确"。fields 不能超过 20 个 18. stk_get_finance_prime_pt ROE 字段名是 roe_weight_avg，不是 roe_waa。常用字段: eps_basic/eps_dil/roe_weight_avg/roe_weight_avg_cut/net_prof_pcom_yoy/inc_oper_yoy 19. stk_get_daily_basic_pt 股本字段名：流通股本是 circ_shr（不是 float_shr），无限售条件流通股本是 ttl_shr_unl（不是 free_shr），有限售条件股本是 ttl_shr_ltd 20. 财务衍生指标 eps_dil2 vs eps_dil：stk_get_finance_deriv_pt 中稀释 EPS 字段名是 eps_dil2（不是 eps_dil），而 stk_get_finance_prime_pt 中是 eps_dil 21. _pt 后缀 = 截面数据(多标的)，无后缀 = 时序数据(单标的)。截面用 date/trade_date 参数，时序用 start_date/end_date 参数 22. 付费增值数据 API：期货(fut_get_*)、基金(fnd_get_*)、可转债(bnd_get_*) 的增值数据需要开通相应权限。详见 references/16-premium-data-apis.md 23. stk_get_fundamentals_*_pt 的 date 参数是发布日期，不是报告期日期。返回的是发布日期 ≤ date 的最新报告期数据 24. stk_get_daily_valuation_pt/mktvalue_pt/basic_pt 的 trade_date 参数：是交易日期，默认 None 返回最新交易日数据 25. 回测交易日限制：每个交易日 18:30 前只能回测上一个交易日的数据，因为当日日线数据要到 18:30 才更新完成。如果 end_date 设为当天但还没过 18:30，回测结果会缺少当日数据或报错 26. 实时模式（仿真/实盘）没有发生交易的排查清单： - ① 定时任务时间过了：schedule 定时任务只在指定时间触发，如果启动策略时已过了今天的时间点，要等到明天才会触发。临时解决：把时间改成当前时间之后几分钟 - ② 期货策略必须订阅具体合约：实时模式只能推送具体合约行情（如 SHFE.ag2506），主连合约（如 SHFE.agmain）没有行情推送。回测可以主连，实时不行 - ③ 实时模式日线不会推送：交易时间内日线还没走完，on_bar 不会收到日线 bar。需要用 schedule 定时任务替代，在收盘后（如 15:01）主动调用 history 获取日线数据 - ④ 检查打印日志：确认是否有数据推送 → 是否有交易信号发出 → 是否有下单指令 → 订单状态是否正常。按这个链路逐级排查 27. order_volume() vs order_target_volume/percent 参数名不同：order_volume() 的开平仓参数叫 position_effect（用 PositionEffect_Open/Close），而 order_target_volume/percent/value 的持仓方向参数叫 position_side（用 PositionSide_Long/Short）。ETF调仓推荐用 order_target_percent，更简洁不用算股数 28. 56开头的ETF是沪市：如562500机器人ETF应为 SHSE.562500`，不是深市。5开头=沪市(SHSE)，1开头=深市(SZSE)