JoinQuant聚宽量化平台实现REF(X, N)指标的完整指南

在传统的股票分析软件（如通达信、同花顺）中，REF(X, N) 是一个非常常用的函数，用于引用变量 X 在 N 个周期前的值。在 JoinQuant（聚宽）量化平台中，我们使用的是 Python 语言，可以通过平台提供的历史数据 API（如 attribute_history 或 history）来轻松实现这一功能。

实现原理

在 JoinQuant 的回测引擎中，attribute_history(security, count, unit, fields) 函数用于获取指定标的过去 count 个周期的历史数据。需要注意的是，该函数返回的数据不包含当前周期（例如当天）的数据。

因此，如果当前是 T 日，调用 attribute_history(security, N, '1d', ['close']) 将返回 T-N 日到 T-1 日共 N 天的数据。这个返回的 DataFrame 中，第一行（索引为 0）的数据正是 T-N 日的数据，也就是我们想要的 REF(X, N)。

封装 REF 函数

为了方便在策略中重复使用，我们可以将其封装成一个 Python 函数：

def REF(security, field, n, unit='1d'):
    """
    模拟传统指标中的 REF(X, N) 函数
    :param security: 标的代码，如 '000001.XSHE'
    :param field: 引用的字段，如 'close', 'open', 'high', 'low', 'volume'
    :param n: 向前引用的周期数
    :param unit: 周期单位，默认为 '1d'（天），也可设为 '1m' 等
    :return: N个周期前的值
    """
    if n <= 0:
        return None
    
    # 获取过去 N 个周期的数据
    hist = attribute_history(security, n, unit, [field])
    
    # 确保获取到的数据长度足够
    if len(hist) == n:
        return hist[field][0]  # 索引 0 即为 N 个周期前的数据
    else:
        return None  # 数据不足（如新股上市不足 N 天）

在策略中的具体应用示例

以下是一个完整的策略示例，展示了如何在 handle_data 中调用上述逻辑来获取 REF(CLOSE, 1) 和 REF(CLOSE, 5)：

import jqdata

def initialize(context):
    # 设定要操作的股票
    g.security = '000001.XSHE'
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)

def handle_data(context, data):
    security = g.security
    
    # 1. 直接使用 API 获取 REF(CLOSE, 5) 即 5天前的收盘价
    # 获取过去5天的收盘价数据
    close_data = attribute_history(security, 5, '1d', ['close'])
    if len(close_data) == 5:
        ref_5_close = close_data['close'][0] # 索引0是5天前，索引-1是昨天
        log.info("5天前的收盘价 REF(CLOSE, 5) 为: %s" % ref_5_close)
        
    # 2. 获取昨天的收盘价 REF(CLOSE, 1)
    ref_1_close = attribute_history(security, 1, '1d', ['close'])['close'][0]
    log.info("昨天的收盘价 REF(CLOSE, 1) 为: %s" % ref_1_close)
    
    # 3. 结合当前价格进行逻辑判断
    current_price = data[security].close
    if current_price > ref_5_close:
        log.info("当前价格大于5天前的收盘价，产生买入信号")
        # order(security, 100)

总结与注意事项

1. 数据对齐：attribute_history 默认返回的是前复权数据，这与传统软件的默认行为一致，适合用于计算技术指标。
2. 性能优化：如果你需要同时获取多个指标或多个周期的 REF 值，建议一次性获取足够长的数据（例如 attribute_history(security, 10, '1d', ['close', 'open'])），然后在本地 DataFrame 中通过索引取值（如 df['close'][-N]），这样可以减少 API 调用次数，提高回测速度。
3. 多标的查询：如果需要同时查询多只股票的 REF 值，请使用 history 函数替代 attribute_history。