context.get_position(ins)这个可以返回最近5日内的最高收盘价吗？

context.get_position(ins).last_price是返回最新的价格，那么，有没有一个context.get_position(ins).m_max(close,5)这样的函数可以返回最近5日的最高收盘价呢？我找不到context.get_position(ins)这个函数的各种用法说明。谢谢老师。

import pandas as pd 
import numpy as np 
import dai

sql = """
SELECT date, instrument,
m_avg(turn, 20) as avg_turn_20,
m_lead(close, 5) / close -1 AS future_return_5,
FROM cn_stock_prefactors
WHERE  date >='2024-01-01' AND date <='2024-07-08'
ORDER BY date, instrument
"""

df

股票预测

• 使用AI算法进行股票或线性模型的预测

\

量化应用

• 北上资金跟踪是否有超额收益？

\

数据因子

• 如何使用bigchart画图中文坐标字体？
• 如何将老版本的多因子列表，编程新版本的多因子模型？
• 通过sql获得预期的股票数据具体操作

徐啸寅老师专属邀请码：zvthi4

使用此邀请码开通plus会员立减100元，赠送10000宽币

添加小Q再领取300元优惠券，二者可叠加使用哦～

打开微信扫描下方二维码添加小Q👇👇

![](/wiki/api/attachments.redirect?id=

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

#ORDER BY子句 例如，从日线表中选择特定日期, 并查看换手率最高的三只股票:
# SELECT column1, column2, ...
# FROM table_name
# ORDER BY column1 [ASC|DESC], column2 [ASC|DESC], ...;
#注：全表扫描时（一般是没有对date字段做过滤），需要在查询前执行set full_db_scan=true;以设置支持全表扫描。
import dai
set full_db_scan=true;
dai.query("SELECT instrument, name, 

#提取一级行业，可以获得5000多只股票的行业列表。

sql ='''
select *
from cn_stock_industry_component
where date between '2023-0-01' and '2023-01-07'
'''
import dai
ww = dai.query(sql).df()
www_uni = ww.drop_duplicates(subset='instrument')

www_uni

#获取cn_stock_bar1d表数据

sql = '''
select *

通过instruments_CN_STOCK_A获取股票列表，然后再获取股票列表里的代码来获取当天所有的股票历史信息，报错，发现2020-08-24日里面，有一个651002.SHA是无效标的，通过股票软件查询，查询不到该股票信息，是不是数据里面有错误？

用可视化策略是不是只能分析股票的相关数据？比如我要分析行业，分析申万一级的电子行业的换手率历史数据是不是没有办法做到？如果可以的话麻烦说一下具体的方法！

{{use_style}} ### 基础因子

A股基础因子库

平台内置基础因子数据，支持A股

表名: features_CN_STOCK_A_G300

摘要

通过分析因子暴露来获取ESG的Alpha

本文章基于美国市场的股票及其基金数据，在国内市场中ESG评分因子与风格因子是否也有类似的相关关系值得进一步研究

如果这种相关性在国内市场依旧显著，那么则可以通过投资于特定因子实现ESG的暴露

正文

/wiki/static/upload/71/714d8fe1-84d6-4616-9a88-cad66f276348.pdf

\

我对股票的市值进行了升序排列，并且按日期分组。

现在我想获取每个日期市值最小的50只股票，应该怎么操作？

https://bigquant.com/experimentshare/01840cac49df4bae8eb735f0603d83bf

\

import pandas_datareader as pdr

获取股票数据

stock_data = pdr.get_data_yahoo('股票代码', start='2010-01-01', end='2020-12-31')

计算30日均线和72日均线

stock_data['MA30'] = stock_data['Close'].rolling(30).mean() stock_data['MA72'] = stock_data['Close'].rolling(72).mean()

计算平均数为基准价

stock_data['Avg']