PTrade 选股策略实战：如何剔除上市未满 N 天的新股？（附源码）

在PTrade中，排除上市不足90天的次新股主要依赖于 get_stock_info 接口获取股票的上市日期（listed_date），然后与当前回测或交易日期进行比较。

以下是一个完整的策略示例，展示了如何在每日盘前（before_trading_start）获取股票池并剔除上市不满90天的股票。

策略逻辑说明

1. 获取股票池：使用 get_index_stocks 获取某个指数（如沪深300）的成分股，或者使用 get_Ashares 获取全市场股票。
2. 获取上市日期：调用 get_stock_info 获取股票的 listed_date。
3. 计算天数差：将当前日期与上市日期进行相减，判断天数是否大于等于90天。
4. 设置股票池：将筛选后的股票列表通过 set_universe 设置为当天的交易股票池。

策略代码实现

import datetime

def initialize(context):
    # 初始化时设置一个默认的股票池，防止报错，实际逻辑在before_trading_start中更新
    g.security = ['600570.SS']
    set_universe(g.security)
    
    # 设定上市时间阈值（天）
    g.listed_days_threshold = 90

def before_trading_start(context, data):
    # 1. 获取初始股票池，这里以沪深300为例
    # 如果需要全市场，可以使用 get_Ashares()
    initial_stocks = get_index_stocks('000300.XBHS')
    
    # 2. 调用过滤函数，剔除次新股
    filtered_stocks = filter_new_stocks(context, initial_stocks, g.listed_days_threshold)
    
    # 3. 更新全局变量和股票池
    g.security = filtered_stocks
    set_universe(g.security)
    
    log.info("初始股票数量: %d, 剔除上市不满%d天股票后数量: %d" % (len(initial_stocks), g.listed_days_threshold, len(filtered_stocks)))

def handle_data(context, data):
    # 这里编写具体的买卖逻辑
    # 示例：买入股票池中的第一只股票
    if len(g.security) > 0:
        target_stock = g.security[0]
        # 简单的买入示例
        order_target_value(target_stock, 10000)

def filter_new_stocks(context, stock_list, days):
    """
    过滤上市时间不足指定天数的股票
    :param context: 上下文对象
    :param stock_list: 待过滤的股票代码列表
    :param days: 最小上市天数要求
    :return: 过滤后的股票列表
    """
    filtered_list = []
    
    # 获取当前回测/交易日期的 datetime.date 对象
    current_date = context.blotter.current_dt.date()
    
    # 批量获取股票的基础信息，只获取 'listed_date' 字段以提高效率
    # 注意：get_stock_info 返回的是字典 {code: {field: value}}
    infos = get_stock_info(stock_list, field=['listed_date'])
    
    for stock in stock_list:
        # 获取该股票的信息
        info = infos.get(stock)
        
        # 确保获取到了信息且包含上市日期
        if info and 'listed_date' in info:
            listed_date_str = info['listed_date']
            
            # 某些异常情况下上市日期可能为空，需做判断
            if not listed_date_str or listed_date_str == '0':
                continue
                
            try:
                # 将字符串转换为 date 对象
                listed_date = datetime.datetime.strptime(listed_date_str, "%Y-%m-%d").date()
                
                # 计算上市天数
                delta = (current_date - listed_date).days
                
                # 如果上市天数大于等于阈值，则保留
                if delta >= days:
                    filtered_list.append(stock)
            except Exception as e:
                # 防止日期格式解析错误导致策略中断
                log.error("解析股票 %s 上市日期失败: %s" % (stock, e))
                continue
    
    return filtered_list

代码关键点解析

1. get_stock_info 的使用：

   • 我们显式传入 field=['listed_date']，这样可以减少数据传输量，提高回测速度。
   • 返回的数据结构是嵌套字典，例如：{'600570.SS': {'listed_date': '2003-12-16'}}。

2. 日期处理：

   • context.blotter.current_dt 是 datetime.datetime 类型，包含时分秒。
   • listed_date 是字符串类型（如 '2023-01-01'）。
   • 代码中使用 strptime 将字符串转为日期对象，并统一使用 .date() 获取纯日期部分进行减法运算，得出相差的天数。

3. 异常处理：

   • 增加了 try-except 块和空值检查，防止因为个别股票数据缺失导致整个策略报错停止。

4. 兼容性：

   • 代码遵循 Python 3.5 语法规范（不使用 f-string），确保在 PTrade 所有环境中均可运行。

Q&A

Q: 为什么在 before_trading_start 中进行过滤而不是 initialize？
A: initialize 只在策略启动时运行一次。如果在 initialize 中过滤，随着回测时间的推移，原本不满90天的股票可能会满足条件，但因为没有重新过滤，它们永远不会被加入股票池。在 before_trading_start 中过滤可以确保每天都根据当天的日期动态更新股票池。

Q: get_stock_info 获取不到数据怎么办？
A: 如果 get_stock_info 返回 None 或者字典中没有 listed_date，代码中的 if info and 'listed_date' in info: 判断会将其跳过，这意味着数据缺失的股票会被默认剔除，这是一种安全的处理方式。

Q: 如何将此逻辑应用到全市场股票？
A: 将代码中的 get_index_stocks('000300.XBHS') 替换为 get_Ashares() 即可获取当天所有A股代码进行过滤。但请注意，全市场股票数量较多，循环处理可能会增加每日盘前的耗时。