接着介绍几个supermind的实用函数

前面介绍过几个supermind的实用函数，今天再介绍几个：

1、open_auction，集合竞价后(9:26)调用一次

调用方法：
def open_auction(context,bar_dict):

这个函数的使用情景是在集合竞价结束后，根据当日的开盘价，进行某种股票交易动作。

以下代码为假设情景，开盘价>上一交易日收盘价，就在集合竞价后买入一手：

# 获取平安银行昨日收盘价
value = get_price(['000001.SZ'], None,  '20240605','1d', ['close'], True, None, 1, is_panel=1)
# 如果今日开盘价>昨日收盘价，就在集合竞价后买入一手
def open_auction(context, bar_dict):
    if value['close'].iloc[0][0]<get_call_auction(['000001.SZ'],'20230606')['price'].iloc[0]:#前天，昨天
        order('000001.SZ', 100)

2、get_candle_stick，生成K线

不但能生成1分钟和1日K线，还能生成其他周期K线。

支持的周期为：

• 分钟：支持’1m’,’5m’,’15m’,’30m’,’60m’
• 日频：支持自定义天数，’nd’，例如’2d’代表2天
• 周：’week’
• 月：’month’
• 年：’year’

有了这个函数，就不用自己辛辛苦苦合成其他周期的K线了。函数的参数比较多，详情可查看官方文档。代码示例：

# 获取000002.SZ在2024年6月6日前6个月线的行情数据
get_candle_stick(
    ['000002.SZ'], 
    end_date='20240606',
    fre_step='month',
    fields=['open', 'close', 'high', 'low', 'volume'],
    skip_paused=False,
    fq='pre',
    bar_count=6,
    is_panel=0
)

返回：

3、get_stats，统计涨跌区间个股数量

参数只有一个，就是日期，默认为当天。

函数返回21个涨跌幅区间：(无穷小,-9)，[-9,-8)…[-1,0),[0],(0,1]…(9,无穷大)

下面看一下昨天的涨跌支数：

keys = ['<-9', '-9~-8','-8~-7','-7~-6','-6~-5','-5~-4','-4~-3','-3~-2','-2~-1',
        '-1~0','0','0~1' ,'1~2' ,'2~3' ,'3~4' ,'4~5' ,'5~6' ,'6~7' ,'7~8' ,'8~9' ,'>9']
values = get_stats('2024-06-06')
dictionary = {keys[i]: values[i] for i in range(len(keys))}
print(dictionary)

返回：

{‘<-9’: 171, ‘-9~-8’: 117, ‘-8~-7’: 227, ‘-7~-6’: 395, ‘-6~-5’: 646, ‘-5~-4’: 806, ‘-4~-3’: 724, ‘-3~-2’: 617, ‘-2~-1’: 531, ‘-1~0’: 341, ‘0’: 28, ‘0~1’: 200, ‘1~2’: 125, ‘2~3’: 60, ‘3~4’: 31, ‘4~5’: 24, ‘5~6’: 13, ‘6~7’: 4, ‘7~8’: 3, ‘8~9’: 4, ‘>9’: 27}

4、获取某一天全市场股票的所有因子

一共可以获取124个因子（见下图，127-3，前3列为序号、代码和日期）

我们获取一下昨天的MACD因子值，并排序：

df = run_query(
    query(
        factor
    ).filter(
        factor.date == '2024-06-06'
    )
)
df[['factor_symbol','factor_date','factor_macd']].sort_values('factor_macd',ascending = False)

返回（前面部分截图）：