4.2 案例：設置Buy買入價格

下面看看具體的案例，案例文件名是：btr_e004buy.py。

程序主體部分的代碼和前面的案例是完全一樣的。第一組和第二組源碼都是設置數據及策略參數：

adddata類函數，作用是添加量化交易數據，設置數據源參數：

addstrategy類函數，作用是添加量化策略，設置策略參數：

第三組代碼運行量化程序；第四組代碼輸出回測數據，繪制相關圖表，如下：

運行案例程序，主要輸出信息如下：

在以前的案例程序中，因為是空策略，所以沒有買賣交易，程序的起始資金和資產總值都是10萬元。

但在本節案例中，從輸出信息來看，有稍許虧損：

本案例回測的時間周期是：2018年1月～2018年12月。

2018年，國內A股大盤形式不好，但本案例的虧損額很少，說明這個策略在2018年的行情中還是比較優秀的策略。

如圖4-2所示是程序生成的買入策略分析圖。

圖4-2最上方的藍色曲線是資產總額，包括股票和持有現金的總額。資產總額曲線，可以反映用戶買賣的盈虧情況。

大家注意藍色資產總額曲線的走勢變化：起點是10萬元，這是開始時的現金持有量。隨著股票的買入增多，現金持有量越來越少。但當前案例不是正式交易，只是單邊買入股票，沒有賣出。

案例中出現的虧損數額很少，還有一個原因是量化軟件默認只買入一手股票。而每只股票價格才6元多，每次交易就只是買賣一手，即使虧損也不會虧損太多。

圖4-2中價格曲線附近的三角符號就是股票的實際交易買賣點。

我們在實際測試時發現，這些買賣點存在一些時間誤差，前后誤差大約是兩天時間。

筆者分析，造成誤差的原因有兩個：

（1）時差和時區。例如，zipline量化軟件要求要把導入數據轉換為UTC世界統一時間。

（2）交易日歷模塊庫。目前還沒有統一的交易時間標準，因為各國風俗不同，所以各國的節假日也有所不同。

這些誤差，對于量化程序的實際分析結果影響不大，圖中的買賣點圖標也只是提示參考圖標。