例如采用‘EPS’ 选股，选排名前10的买入。根据策略成交记录基本上都是在每个季度的第一个交易日买入，例如在4月1号买入一季度排名前10的 ‘EPS\' ,而实际上一季度的 \'EPS’ 一般都是要到4月底才出来。而策略却在4月1号就买入股票了。

# 可以自己import我们平台支持的第三方python模块，比如pandas、numpy等。

#比较简单的根据市盈率做的策略，只选取排名前几的进行轮动调仓。
#使用前注意补充好300样本股历史数据及专业财务数据
#推荐使用000001上证指数做基准合约

import time
import os
import csv
import numpy as np
import talib as ta

# 在这个方法中编写任何的初始化逻辑。context对象将会在你的算法策略的任何方法之间做传递。
def init(context):
    #买入的股票数
    context.num = 10
    context.code = []
   
# before_trading此函数会在每天策略交易开始前被调用，当天只会被调用一次
def before_trading(context):
    #选取300成份样本股作为股票池
    try:
        context.code = get_blocks (\'上海A股\',0)+get_blocks(\'深圳A股\',0) + get_blocks(\'深圳创业\',0)
    except:
        pass

# 你选择的证券的数据更新将会触发此段逻辑，例如日或分钟历史数据切片或者是实时数据切片更新
def handle_bar(context):
    # 开始编写你的主要的算法逻辑
    try:
        pe = []
        code = []
        #筛选非停牌且eps大于0的票
        for i in context.code:
            close = history_bars(i, 1, \'1d\',\'close\')
            temp = fin_indicator(i,\'EPS\',1,0,0)
            if len(close)>0 and temp[-1]>0:
                code.append(i)
        #转换成市盈率
        for j in code:
            close = history_bars(j, 1, \'1d\',\'close\')
            temp = fin_indicator(j,\'EPS\',1,0,0)
            pe.append(temp[-1])
        pe_ra = np.array(pe)
        #对pe进行排序，buy_list是排名前几的股票列表
        sort = np.argsort(-pe_ra)
        code = np.array(code)
        buy_list = code[[sort[:context.num]]]
        sell_num = 0
        #获得持仓品种信息
        ho =get_portfolio_book(0)
       
        cash=get_account(19,\'\')/context.num
       
        if len(ho)>0:
            for k in ho:
                if not(k in buy_list):
                        portfolio=get_portfolio(k,0)
                        sell_close(k, \'Market\', volume=portfolio.buy_quantity)
                        sell_num = sell_num+1
        for kk in buy_list[:context.num]:
            if not(kk in ho):
                buy_open(kk, \'Market\', amount=cash)
    except:
        pass

# after_trading函数会在每天交易结束后被调用，当天只会被调用一次
def after_trading(context):
    pass
   

原来是这样的