JoinQuant聚宽平台策略间函数调用与数据共享指南

在 JoinQuant（聚宽）平台上，直接在一个策略中“调用”另一个正在运行的策略的函数是不支持的，因为每个策略运行在独立的进程/沙箱中。但是，你可以通过以下两种标准方法完美解决你的需求：函数复用（自定义Python库） 和 数据共享（文件读写）。

方法一：函数复用（通过自定义 Python 库）

如果你不想在多个策略中重复编写相同的函数，你可以将这些公共函数提取出来，写成一个独立的 .py 文件，放在聚宽的**“研究”模块根目录**下。然后在你的各个策略中通过 import 导入使用。

步骤 1：在“研究”根目录创建公共函数库

在聚宽的“投资研究”模块根目录下，新建一个 Python 文件，例如命名为 mylib.py。

# mylib.py
#-*- coding: utf-8 -*-
# 如果你的文件包含中文, 请在文件的第一行使用上面的语句指定你的文件编码

# 如果需要用到聚宽的API，请加入下面的语句
from kuanke.user_space_api import *

def my_custom_function(security):
    """
    这是一个自定义的公共函数示例
    """
    # 获取股票的上市时间
    info = get_security_info(security)
    return info.start_date

步骤 2：在策略中调用该函数

在你的回测或模拟交易策略代码中，直接 import 这个库即可调用。

# 策略代码
# 导入自己创建的库
from mylib import my_custom_function

def initialize(context):
    g.security = '000001.XSHE'
    
    # 调用自定义库中的函数
    start_date = my_custom_function(g.security)
    log.info(f"{g.security} 的上市时间是: {start_date}")

注意：目前只能 import 研究根目录下的 .py 文件，暂不支持 import 子目录下的文件。

方法二：数据共享（通过文件读写 API）

如果你希望策略 A 运行过程中产生的数据，能够被策略 B 直接引用，你可以使用聚宽提供的 write_file 和 read_file 函数。策略 A 将数据写入到“研究”目录的文件中，策略 B 从该文件中读取。

策略 A：输出数据并写入文件

使用 write_file 将数据（如 JSON 或 CSV 格式）保存到研究目录。

# 策略 A 代码
import json

def handle_data(context, data):
    # 假设这是策略A计算出的重要信号数据
    signal_data = {
        '000001.XSHE': 'buy',
        '000002.XSHE': 'sell',
        'update_time': str(context.current_dt)
    }
    
    # 将字典转换为 JSON 字符串并写入文件
    # 文件会保存在投资研究的根目录
    write_file('strategy_a_signals.json', json.dumps(signal_data), append=False)
    log.info("信号数据已写入文件")

策略 B：读取并引用数据

使用 read_file 读取策略 A 生成的文件。

# 策略 B 代码
import json

def handle_data(context, data):
    try:
        # 读取策略A生成的文件
        content = read_file('strategy_a_signals.json')
        signal_data = json.loads(content)
        
        log.info(f"读取到策略A的信号更新时间: {signal_data.get('update_time')}")
        
        # 根据策略A的数据执行操作
        if signal_data.get('000001.XSHE') == 'buy':
            order_target_value('000001.XSHE', 10000)
            
    except Exception as e:
        log.error(f"读取数据失败: {e}")

总结与建议

1. 代码逻辑复用：强烈建议使用自定义 Python 库 (mylib.py) 的方式，这符合编程中的模块化思想，便于维护。
2. 动态信号传递：如果必须是两个同时运行的模拟盘之间传递动态信号，使用 write_file 和 read_file 是唯一可行的方法。但请注意文件读写的频率，避免过于频繁的 IO 操作影响策略性能。