请根据以下 SEO 主题生成完整页面内容：

Title: joinquant 集合竞价选股：利用 get_call_auction 获取 09:25 快照数据

Question: 如何在 joinquant 策略中获取早盘 09:25 的集合竞价数据并进行选股？

joinquant 集合竞价选股：利用 get_call_auction 获取 09:25 快照数据

在 A 股市场中，早盘 09:25 的集合竞价数据反映了市场主力资金在开盘前夕的博弈结果，蕴含了高开、高量爆板等强烈的股价异动信号。利用聚宽（JoinQuant）量化平台的 get_call_auction 函数，我们可以精确获取指定股票池在 09:25 的集合竞价 Tick 快照数据，并在盘中（如 09:30 开盘瞬间）实现自动下单交易。

---

一、get_call_auction API 核心参数解析

get_call_auction 用于获取指定时间区间内交易日 09:25 的集合竞价 Tick 数据（支持股票、场内基金、指数及期权）。

函数语法

from jqdata import *
get_call_auction(security, start_date=None, end_date=None, fields=None)

参数说明

• security: 标的代码或标的代码列表，例如 '000001.XSHE' 或 ['000001.XSHE', '000002.XSHE']。
• start_date: 开始日期，格式为字符串 'YYYY-MM-DD'。
• end_date: 结束日期，格式为字符串 'YYYY-MM-DD'。
• fields: 选择要获取的字段，默认为 None（获取全部字段）。常用字段包括：
  • time: 时间（如 2023-01-02 09:25:03）
  • current: 集合竞价最终撮合成交价
  • volume: 集合竞价成交量（股）
  • money: 集合竞价成交额（元）
  • a1_v~a5_v / a1_p~a5_p: 五档卖量与卖价
  • b1_v~b5_v / b1_p~b5_p: 五档买量与买价

---

二、早盘集合竞价选股策略逻辑

常见的早盘集合竞价选股逻辑如下：

1. 高开幅度过滤：挑选竞价开盘价（current）相对于昨日收盘价上涨 2% ~ 5% 之间的个股。
2. 爆量过滤：竞价成交额（money）或成交量（volume）达到历史日均的一定比例（如高爆量开盘）。
3. 挂单匹配：检查买一量（b1_v）与卖一量（a1_v），确保资金封板或抢筹意愿强烈。

---

三、完整 Python 策略源码示例

以下是一个在 JoinQuant 平台上运行的早盘集合竞价选股与交易示例：

import datetime
from jqdata import *

def initialize(context):
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)
    # 设置基准
    set_benchmark('000300.XSHG')
    # 设置股票手续费
    set_order_cost(OrderCost(open_commission=0.0003, close_commission=0.0003, close_tax=0.001, min_commission=5), type='stock')
    
    # 选股目标股票池（以沪深300成分股为例）
    g.stocks = get_index_stocks('000300.XSHG')
    
    # 定时运行：每天 09:30:00 开盘即刻运行撮合交易
    run_daily(market_open, time='09:30')

def market_open(context):
    today_str = context.current_dt.strftime('%Y-%m-%d')
    
    # 1. 获取选股池股票昨日收盘价
    last_df = history(1, '1d', 'close', g.stocks)
    
    # 2. 获取今日 09:25 的集合竞价数据
    auction_df = get_call_auction(g.stocks, start_date=today_str, end_date=today_str,
                                 fields=['time', 'current', 'volume', 'money', 'b1_v', 'a1_v'])
    
    if auction_df.empty:
        log.info("未获取到集合竞价数据")
        return
    
    buy_list = []
    
    # 3. 遍历分析竞价数据
    for security in g.stocks:
        sub_df = auction_df[auction_df['code'] == security]
        if sub_df.empty:
            continue
            
        auction_price = sub_df['current'].values[0]
        auction_money = sub_df['money'].values[0]
        last_close = last_df[security][0]
        
        # 过滤无效价格
        if last_close == 0 or auction_price == 0:
            continue
            
        # 计算竞价涨跌幅
        pct_change = (auction_price - last_close) / last_close
        
        # 选股条件：竞价高开 2% 至 5% 且集合竞价成交额大于 500 万元
        if 0.02 <= pct_change <= 0.05 and auction_money > 5000000:
            buy_list.append(security)
            log.info("选中股票: %s, 竞价涨幅: %.2f%%, 竞价成交额: %.2f万" % (security, pct_change * 100, auction_money / 10000))
    
    # 4. 执行调仓（均仓买入选中的股票）
    if buy_list:
        cash_per_stock = context.portfolio.available_cash / len(buy_list)
        for stock in buy_list:
            order_value(stock, cash_per_stock)

---

四、注意事项与最佳实践

1. 数据可获取时间：当日 09:25 的集合竞价快照数据，在回测及实盘模拟中，最晚于 09:28 分后即可稳定调用。
2. 避免未来函数：请确保 start_date 和 end_date 参数设置为当日（或当前逻辑时间 context.current_dt），切勿获取未发生交易日的数据。
3. 数据条数限制：get_call_auction 单次调用的最大返回行数为 5000 行，如果股票池过大（如全 A 股 4000+ 只），建议按行业或板块分批次查询。