策略的核心是选择在低位、首次涨停后次日低开的股票，开盘时买入，上午有盈利就卖出，没有就拿到尾盘在卖出；策略优点在于选择的股票在低位，风险较低，并且刚启动首板，有大资金介入，第二天能快速跑路。

回测数据如下：

*回测数据只作测试用，不代表未来实际收益

上午开盘买入，上午有盈利就卖出，尾盘全部卖出

run_daily(buy, '09:30')  # 开盘买入
run_daily(sell, '11:28') # 上午止盈
run_daily(sell, '14:50') # 下午止损

2、买入逻辑

买入过滤条件有三个，一是排除10天内连续涨停的股票，二是股票在60天内要在相对低位，三是要低开3%-4%

（1）基础过滤股票池，过滤科创北交、上市不超过250、停牌、ST股票

def prepare_stock_list(date): 
    initial_list = get_all_securities('stock', date).index.tolist()
    initial_list = filter_kcbj_stock(initial_list)
    initial_list = filter_new_stock(initial_list, date)
    initial_list = filter_st_stock(initial_list, date)
    initial_list = filter_paused_stock(initial_list, date)
    return initial_list

（2）排除10天内连续涨停的股票

# 获取非连板涨停的股票
ccd = get_continue_count_df(hl_list, date, 10)
lb_list = list(ccd.index)
stock_list = [s for s in hl_list if s not in lb_list]

（2.1）计算连板数

# 计算连板数
def get_continue_count_df(hl_list, date, watch_days):
    df = pd.DataFrame() 
    for d in range(2, watch_days+1): # 从2天开始，一直到观察周期结束
        HLC = get_hl_count_df(hl_list, date, d) # 计算连板数
        CHLC = HLC[HLC['count'] == d] # 筛选出连续d天涨停的股票
        df = df.append(CHLC) # 记录连续d天涨停的股票
    stock_list = list(set(df.index))
    ccd = pd.DataFrame() 
    for s in stock_list:
        tmp = df.loc[[s]]
        if len(tmp) > 1:
            M = tmp['count'].max() # 计算最大连板数
            tmp = tmp[tmp['count'] == M]
        ccd = ccd.append(tmp)
    if len(ccd) != 0:
        ccd = ccd.sort_values(by='count', ascending=False) # 按照连板数降序排列
    return ccd

（2.2）计算涨停数

# 计算涨停数
def get_hl_count_df(hl_list, date, watch_days):
    # 获取watch_days长度（观察周期）的行情数据
    # 包含low（最低价）、close（收盘价）、high_limit（涨停价）三个字段
    df = get_price(hl_list, end_date=date, frequency='daily', fields=['low','close','high_limit'], count=watch_days, panel=False, fill_paused=False, skip_paused=False)
    df.index = df.code # 将股票代码设为索引
    hl_count_list = [] # 普通涨停天数
    extreme_hl_count_list = []  # 一字涨停天数
    for stock in hl_list:
        df_sub = df.loc[stock] # 获取单只股票数据
        hl_days = df_sub[df_sub.close==df_sub.high_limit].high_limit.count() # 计算普通涨停天数（收盘价=涨停价）
        extreme_hl_days = df_sub[df_sub.low==df_sub.high_limit].high_limit.count() # 计算一字涨停天数（最低价=涨停价）
        hl_count_list.append(hl_days) # 记录普通涨停天数
        extreme_hl_count_list.append(extreme_hl_days) # 记录一字涨停天数
    #创建df记录
    df = pd.DataFrame(index=hl_list, data={'count':hl_count_list, 'extreme_count':extreme_hl_count_list})
    return df

（3）选取60天内在相对低位的股票

rpd = get_relative_position_df(stock_list, date, 60)
rpd = rpd[rpd['rp'] <= 0.5]
stock_list = list(rpd.index)

（3.1）计算相对位置

# 计算股票处于一段时间内相对位置
def get_relative_position_df(stock_list, date, watch_days):
    if len(stock_list) != 0:
        df = get_price(stock_list, end_date=date, fields=['high', 'low', 'close'], count=watch_days, fill_paused=False, skip_paused=False, panel=False).dropna() 
        close = df.groupby('code').apply(lambda df: df.iloc[-1,-1]) # 计算最后一天的收盘价
        high = df.groupby('code').apply(lambda df: df['high'].max()) # 计算一段时间内的最高价
        low = df.groupby('code').apply(lambda df: df['low'].min()) # 计算一段时间内的最低价
        result = pd.DataFrame()
        result['rp'] = (close-low) / (high-low) # 计算相对位置
        return result 
    else:
        return pd.DataFrame(columns=['rp'])

（4）选取低开3%-4%的股票

df =  get_price(stock_list, end_date=date, frequency='daily', fields=['close'], count=1, panel=False, fill_paused=False, skip_paused=True).set_index('code') if len(stock_list) != 0 else pd.DataFrame()
df['open_pct'] = [current_data[s].day_open/df.loc[s, 'close'] for s in stock_list]
df = df[(0.96 <= df['open_pct']) & (df['open_pct'] <= 0.97)] 

3、卖出逻辑

卖出时段有两个，一是上午止盈卖出，二是下午只要是不涨停就全卖出

（1）上午不涨停，并且大于我的持仓成本就止盈卖出

if ((context.portfolio.positions[s].closeable_amount != 0) and (current_data[s].last_price < current_data[s].high_limit) and (current_data[s].last_price > context.portfolio.positions[s].avg_cost)):
    order_target_value(s, 0)
    print( '止盈卖出')

（2）不涨停就全卖出

if ((context.portfolio.positions[s].closeable_amount != 0) and (current_data[s].last_price < current_data[s].high_limit)):
      order_target_value(s, 0)
      print( '全部卖出')

这篇文章主要分享首版低开策略的思路，主要的逻辑在计算连板数和涨停数上面，量化交易的回测和实盘，可以在量化交易软件中进行，券商的量化交易软件免费并且申请也基本没有门槛，大家可以去体验下量化交易的魅力。