聚宽策略研发

问题

在聚宽里写策略，容易把回测写得太“理想化”：忘记 import jqdata，没有开启动态复权，缺少 set_benchmark() 和 set_order_cost()，数据取到当前时间之后的价格，或者对停牌、涨跌停、订单失败处理不足。这些细节会导致回测结果偏乐观，甚至无法跑通。

工作方式

该技能围绕聚宽 API 的策略研发给出结构化约束：先检查 initialize 中的基础配置，再覆盖数据获取、定时任务、下单与回测验证。核心能力包括：

• 基础校验：必须包含 import jqdata，并设置 set_option('use_real_price', True)、set_benchmark()、set_order_cost()。
• 策略骨架：使用 initialize、before_trading_start、run_daily、run_weekly、run_monthly、after_trading_end 等函数组织策略，优先替代 handle_data。
• 数据与交易：围绕 get_price、attribute_history、history、get_fundamentals、get_current_data 等取数，并用 order、order_target、order_value、order_target_value 下单。
• 风险检查：避免未来函数，检查停牌、涨跌停、订单返回 None，并提醒买入数量保持 100 股整数倍。

关键步骤是先确定股票池与参数，再写初始化、数据获取、信号判断、下单、记录指标和日志，最后用短周期回测验证。

适用边界

它适合 A 股量化策略的代码起草、检查与调试，尤其适合均线、动量、均值回归、多因子等模板。但技能不替代真实交易风险判断，也不应缓存跨日期 API 结果；动态复权模式下价格会变化，panel 参数在新版 pandas 中也需注意兼容。涉及期货、期权等未覆盖函数时，应继续查阅聚宽 API 文档。