4.2 案例：设置Buy买入价格

下面看看具体的案例，案例文件名是：btr_e004buy.py。

程序主体部分的代码和前面的案例是完全一样的。第一组和第二组源码都是设置数据及策略参数：

adddata类函数，作用是添加量化交易数据，设置数据源参数：

addstrategy类函数，作用是添加量化策略，设置策略参数：

第三组代码运行量化程序；第四组代码输出回测数据，绘制相关图表，如下：

运行案例程序，主要输出信息如下：

在以前的案例程序中，因为是空策略，所以没有买卖交易，程序的起始资金和资产总值都是10万元。

但在本节案例中，从输出信息来看，有稍许亏损：

本案例回测的时间周期是：2018年1月～2018年12月。

2018年，国内A股大盘形式不好，但本案例的亏损额很少，说明这个策略在2018年的行情中还是比较优秀的策略。

如图4-2所示是程序生成的买入策略分析图。

图4-2最上方的蓝色曲线是资产总额，包括股票和持有现金的总额。资产总额曲线，可以反映用户买卖的盈亏情况。

大家注意蓝色资产总额曲线的走势变化：起点是10万元，这是开始时的现金持有量。随着股票的买入增多，现金持有量越来越少。但当前案例不是正式交易，只是单边买入股票，没有卖出。

案例中出现的亏损数额很少，还有一个原因是量化软件默认只买入一手股票。而每只股票价格才6元多，每次交易就只是买卖一手，即使亏损也不会亏损太多。

图4-2中价格曲线附近的三角符号就是股票的实际交易买卖点。

我们在实际测试时发现，这些买卖点存在一些时间误差，前后误差大约是两天时间。

笔者分析，造成误差的原因有两个：

（1）时差和时区。例如，zipline量化软件要求要把导入数据转换为UTC世界统一时间。

（2）交易日历模块库。目前还没有统一的交易时间标准，因为各国风俗不同，所以各国的节假日也有所不同。

这些误差，对于量化程序的实际分析结果影响不大，图中的买卖点图标也只是提示参考图标。