#!/usr/bin/env python
# coding: utf-8

# In[1]:


import sys
sys.path.insert(0, "../../")
from pyecharts import online
online()
#  演示必要的准备代码，使用该库时不需重复此单元格命令


# In[2]:


import xalpha as xa
import pandas as pd


# # 策略制定类
# 生成简单的策略投资交易单，并储存在 self.status 中

# ### 一次性买入并持有

# In[19]:


jshs = xa.fundinfo('000311')
# 选择投资标的


# In[20]:


bah = xa.policy.buyandhold(jshs, start='2017-01-01', totmoney=100000)
# 简单的一次性买入类，从 start 日买入后就一直持有，始终选择分红再投入


# In[21]:


bah.status
# 第二三列表示此两日恰为分红日，选择了分红再投入


# In[22]:


jshs.fenhongdate
# 验证该两日确实分红


# In[23]:


bah.sellout('2018-06-01') # 选定日期全部卖出


# In[24]:


bah.status


# In[25]:


jshstrade = xa.trade(jshs, bah.status) # 尝试交易一下


# In[26]:


jshstrade.xirrrate()


# ### 定投类

# In[27]:


# 依旧先制定标的
zzcm = xa.fundinfo('164818')
zzcm


# In[28]:


auto = xa.policy.scheduled(zzcm, 1000, pd.date_range('2015-07-01','2018-07-01',freq='W-THU'))
# 按照每周四定额定投1000，生成交易单


# In[29]:


# 按上面的策略单子交易下
cm_t3 = xa.trade(zzcm, auto.status)


# In[30]:


cm_t3.v_tradevolume() # 交易情况可视化，那些明显的缝隙对应了小长假等，当次定投下单会被自动延后到下一个交易日


# In[31]:


cm_t3.dailyreport('2018-08-03')  ## 截止到2018.08.03， 定投已经浮亏了 40% 多


# 还可以根据指数位置设置定期不定额的定投策略生成，这里就不仔细展开，只给一个例子：

# In[32]:


auto2 = xa.policy.scheduled_tune(zzcm, 1000, pd.date_range('2015-07-01','2018-07-01',freq='M'),
                                [(0.9,2),(1.2,1)]) # 净值0.9以下加倍定投，1.2以上不再定投，中间正常定投


# In[33]:


cm_t4 = xa.trade(zzcm, auto2.status)


# In[34]:


cm_t4.v_tradevolume()


# ### 网格类

# In[3]:


gfc = xa.fundinfo('002903') 
gfc
# 场外网格最好选择基金的C份额


# In[4]:


gr = xa.policy.grid(gfc,[3,3,3,3,3,3],[6,6,6,6,6,6],'2017-01-01', '2018-08-03')
# 制定一个 17年开始，18年8月结束的，以开始日期价格为基准，每下跌3%买入一仓，每仓买入上涨6%后卖出的网格策略，一共设置6档
## 注意网格对应的总金额可通过 totmoney= 参数设置，这里默认值是100000
## 卖出实际并不严格对应每次买入的份额，而是买入均分金额分仓，卖出均分持有份额分仓


# In[6]:


gr.sellpts,gr.buypts # 网格计划对应的卖点和买点净值


# In[7]:


gfc.price.iloc[-4:-1] # 事实上中证500已大幅跌破网格底线


# In[5]:


gfc_t = xa.trade(gfc, gr.status) #  请开始你的交易


# In[9]:


gfc_t.v_tradevolume(bar_category_gap="90%") # 交易情况可视化


# In[10]:


gfc_t.xirrrate('2018-04-01') # 截止指定日期的年化收益率超过50%


# In[11]:


gfc_t.xirrrate() # 随着18年六七月份市场大跌，网格被跌穿，收益年化转负


# In[12]:


gfc_t.v_totvalue() # 网格投资持有基金的总值情况


# In[9]:


# 考虑到网格的闲置资金可以在货基中吃收益，于是使用投资组合分析
gfc_cb = xa.mulfix(gfc_t,cashobj=xa.cashinfo(start='2016-10-01')) # 恰好 mulfix 类的默认 totmoney 也是 100000，我们无需在额外设置


# In[10]:


gfc_cb.combsummary() 


# In[11]:


gfc_cb.xirrrate() # 系统总计收益年化勉强为正


# ### 技术指标交叉类
# 利用模块内置的海量技术指标，可以制定各种基于不同技术指标的交叉进行交易的策略，同样的也可以指定基于净值和单个技术指标交叉的策略

# In[3]:


hs300 = xa.indexinfo('0000300') # 获取指数作为假想的无摩擦成本的投资标的


# In[4]:


hs300.ma(window=14) # 生成指数14天的均线


# In[5]:


hs300.price.iloc[-1] # 此时 info 类的 price 表将自动添加一列 MA14


# In[13]:


hs300.v_techindex(col=['MA14'],is_symbol_show=False) # 均线和指数的纠缠


# In[6]:


st  = xa.policy.indicator_cross(hs300, start = '2013-01-01', col=('netvalue','MA14'))
# col 参量为一个两字符串的 tuple，每个代表标的价格表的一列名，当前者上穿后者时买入，反之卖出
# 具体到这里，就是最经典的一个趋势短线策略，价格涨过某条均线就买入，反之卖出


# In[7]:


hs300_t = xa.trade(hs300, st.status) #模拟真实交易


# In[8]:


hs300_t.dailyreport() # 盈利一般


# In[9]:


hs300_t.v_tradevolume() # 交易详情，相当高频，换手率 16 代表每笔的持有时间约为 1/16 年，即不到一个月


# In[11]:


hs300_t.v_tradecost(is_symbol_show=False) # 持仓成本降低缓慢


# In[12]:


sti  = xa.policy.indicator_cross(hs300, start = '2013-01-01', col=('MA14','netvalue'))
# 我们看下交易策略彻底反转会发生什么


# In[14]:


hs300_ti = xa.trade(hs300, sti.status)


# In[15]:


hs300_ti.dailyreport() # 跌穿均线买入涨出均线卖出，果然赔钱，噗


# ### 基于技术指标点位的策略
# 除了指标间的交叉，我们还可以给定几个不同的点位来买卖，其中也可以不给卖的点位，这相当于可以模拟熊市的网格底仓

# In[18]:


hs300.roc(window=20) # 先生成一个追涨杀跌的动量类变动率指标


# In[26]:


st = xa.policy.indicator_points(hs300, start = '2016-01-01', col='ROC20', buy = [(-0.08,1),(-0.11,2)], 
                                sell = [(0.06,1),(0.1,1)], buylow=True)
# 这个策略的含义时，跌破点位买，涨破点位跌， 这是 buylow 这个布尔量的意义，默认就是 true
# 点位看的是 ROC20 一栏，这是 col 参数决定的，交易从 16年开始，默认昨天结束
# 买点分别是 ROC 的值为 －8% 和 －11%， 分别买1/3，和2/3
# 卖点分别是 ROC 为 6% 和 8%， 各卖一半


# In[27]:


hs300_t = xa.trade(hs300,st.status)


# In[28]:


hs300_t.dailyreport() # 追跌杀涨好像效果一般


# In[29]:


hs300_t.v_totvalue() # 持有总金额的变化