早盘强势跟随与尾盘退出策略

价格动量表示当前价格相对一个参考价格的变化幅度。这里的参考价格是当日最早一条有效输入分钟行情的开盘价，分子和分母都乘对应的复权因子：

其中，C_i,t 是股票 i 在时刻 t 的分钟收盘价，O_i,d,first 是交易日 d 第一条输入行情的开盘价，单位均为元；A_i,d 是当日复权因子。若同一天因子一致且非零，因子在比值中抵消。这不是相对昨收的涨跌幅。早盘行情缺失时，分母会变成第一条可用行情的开盘价，信号含义随之改变。

累计成交额为当日截至当前分钟的 amount 之和，要求源字段单位为元。本文案例在 09:35 时进行信号判断，筛选涨幅在 2% - 7% 的股票。

候选股票按涨幅降序截取前 5 只，再按实际入选数量 N，设置每只股票的计划权重 1/N。入选 1 只时，计划权重可达 100%；入选 5 只时才是每只 20%。

本例交易 30 只由生成的模拟普通股票，股票标的为带 .SZ 后缀的字符串，例如 000001.SZ，并按普通深市股票的 100 股整数倍处理委托数量。

策略采用普通股票现金账户，只建立多头持仓，不进行卖空、融资或借券。行情频率为日频，因子也按交易日提供；订单按下一交易日开盘价撮合。引擎启用当日买入持仓不可当日卖出的限制，因此策略不会依靠日内回转交易完成调仓。

接入真实数据时，候选股票应来自具有历史时点信息的股票池。除了分频数据外，还需要准备当时有效的 ST 状态、上市日期、停牌或可交易状态、复权和分红信息。不能使用当前成分股替代过去各交易日的股票池。

策略按以下顺序完成一次选股和调仓：

1. 遍历当前消息中的股票，跳过成交量不大于 0 的行情。14:50 及以后，如果持仓和昨仓可卖数量都大于 0，以该分钟 open 提交卖出限价委托。

2. 切换交易日时重置触发状态，只在时间恰好为 09:35:00.000 时尝试选股。缺少该时间的回调则当天不入场。

3. 从当前行情消息中筛选有成交量且符合涨幅、累计成交额条件的股票，排序后最多取 5 只。

4. 对入选但尚未持有的股票检查涨停条件，使用当前未复权 close 计算数量并提交买入限价委托。已持有的入选股票不加仓，也不按新权重调仓。

5. 每提交一笔买单，就在本轮预留对应资金并占用一个持仓名额。达到 5 个名额时停止继续买入；拒单不会在当天释放名额后补单。

每日买入流程最多触发一次，但不保证每天都有成交。卖出条件为“时间大于等于 14:50”，因此剩余可卖持仓可能在后续分钟再次触发委托。策略未记录未成交订单、未扣除挂单冻结数量，也未主动撤单或注册订单、成交回调，不能将其描述为已经实现去重追单机制。

持仓上限检查使用进入买入循环前的 openCount，循环内没有增加计数。如果原有 4 只持仓，当日又选中多只未持有股票，代码不会在第一笔新买单后立刻停止，实际持仓可能超过 5 只。5 是每次入选数量上限，不是可靠的总持仓硬上限。

先将配套附件 EarlySessionFollowing.csv 保存到 DolphinDB 服务器可读取的目录，再将 path 改为该文件的服务器真实路径。

csvPath = "/<path>/EarlySessionFollowing.csv"
csvSchema = table(
    ["symbol", "tradeTime", "open", "low", "high", "close", "volume", "amount",
     "upLimitPrice", "downLimitPrice", "adj_factor", "vwap"] as name,
    ["STRING", "TIMESTAMP", "DOUBLE", "DOUBLE", "DOUBLE", "DOUBLE", "LONG", "DOUBLE",
     "DOUBLE", "DOUBLE", "DOUBLE", "DOUBLE"] as type)
data = loadText(csvPath, ",", csvSchema, containHeader=true)

计算回测需要用到的相关因子：

data = select *, first(open * adj_factor) as stk_today_open,
    cumsum(amount) as stk_day_amount
    from data context by symbol, date(tradeTime) csort tradeTime
data = select * from data order by tradeTime, symbol
stockPool = exec distinct symbol from data

最终送入引擎的 data 表结构如下：

策略由 roundLot、initialize 和 onBar 组成。roundLot 函数处理成交数量，initialize 初始化策略状态，onBar 执行延迟调仓、市场状态判断和横截面选股。

初始化函数： initialize

initialize(mutable context) 是回测引擎的初始化回调。每次创建新引擎时调用一次，用于建立本次回测需要的可变状态。

context: 可变 DICTIONARY，包含引擎句柄。初始化回调将 lastSignalDate 设置为 DATE 类型空值，供后续分钟回调记录已选股日期。函数没有显式返回值，而是更新 context。

def initialize(mutable context) {
    context["lastSignalDate"] = date(NULL)
}

回调函数 onBar

context 为可变 DICTIONARY，保存引擎句柄、当前委托时间和初始化状态。

msg 为按代码索引行情记录的 DICTIONARY。函数没有显式返回值，而是更新 context。

回调函数作用包括更新当日触发标记、候选池、入选列表和权重，并提交买卖委托。先处理尾盘卖出，再判断是否到达早盘选股时点，主要逻辑如下：

1. 选股只在每天 09:35 的分钟回调中进行。函数先检查 lastSignalDate，如果当天已经触发过选股就直接返回；否则先记录当天日期，再遍历当前行情消息中的股票。即使本次没有符合条件的标的，当天也不会再次选股。

2. 对于每只股票，先排除当前分钟成交量不大于 0 的记录，再计算开盘以来的涨幅，只有涨幅有效、严格大于 2% 且小于 7%，同时截至当前分钟的累计成交额 stk_day_amount 严格超过 5,000 万元，才进入候选集合。这里使用的是截至 09:35 的累计成交额，而不是全天成交额。

3. 候选集合按涨幅从高到低排序，涨幅相同时按股票代码升序排列，取前 holdingCount 只，默认最多 5 只；不足 5 只时全部保留，没有候选股票则结束本次选股。计划权重按实际入选数量等分，例如选中 4 只时，每只按账户总权益的 25% 计算计划买入预算。

4. 入选后，函数按排序结果依次检查买入条件：已有持仓的股票不再加仓，当前收盘价达到或超过有效涨停价的股票跳过。每笔新买单还受到可用现金和剩余持仓名额限制，提交后立即预留资金并占用一个名额。跳过的入选股票不会由排名靠后的候选股票递补，也不会将其计划预算重新分配给其他入选股票，因此实际买入数量可能少于入选数量。

def onBar(mutable context, msg, indicator) {
    // 日内指标已在CSV导入后计算，保留接口要求的indicator形参但不读取。
    if (size(msg) == 0) { return }
    curDate = date(context.tradeTime)
    curTime = time(context.tradeTime)

    // 保留原策略尾盘卖出逻辑：仅卖昨仓，订单使用当前分钟open作为限价。
    // 未成交时后续分钟仍可能重复提交；本简化示例没有撤单或挂单去重机制。
    if (curTime >= 14:50:00.000) {
        for (s in msg.keys()) {
            bar = msg[s]
            if (bar.volume <= 0) { continue }
            position = Backtest::getPosition(context.engine, s)
            if (size(position) == 0) { continue }
            sellQty = max(0, position.lastDayLongPosition - position.todaySellVolume)
            if (position.longPosition > 0 && sellQty > 0) {
                Backtest::submitOrder(context.engine,
                    (s, context.tradeTime, 5, bar.open, sellQty, 3), "sell")
            }
        }
    }

    // 每天只在09:35触发一次，缺少该分钟不补触发。
    if (curTime != 09:35:00.000) { return }
    if (!isNull(context["lastSignalDate"])) {
        if (curDate == context["lastSignalDate"]) { return }
    }
    context["lastSignalDate"] = curDate
    symbols = []$STRING
    returns = []$DOUBLE
    for (s in msg.keys()) {
        bar = msg[s]
        if (bar.volume <= 0) { continue }
        r = bar.close * bar.adj_factor / bar.stk_today_open - 1.0
        if (isValid(r) && r > 0.02 && r < 0.07 && bar.stk_day_amount > 50000000) {
            symbols.append!(s)
            returns.append!(r)
        }
    }
    candidates = table(symbols as symbol, returns as intradayReturn)
    if (size(candidates) == 0) { return }
    limitN = min(context["holdingCount"], size(candidates))
    selected = select * from candidates order by intradayReturn desc, symbol asc limit limitN

    equity = Backtest::getTotalPortfolios(context.engine).totalEquity[0]
    weight = 1.0 / size(selected)
    positions = Backtest::getPosition(context.engine)
    openCount = 0
    if (size(positions) > 0) {
        openCount = size(select * from positions where longPosition > 0)
    }
    remainingCash = Backtest::getAvailableCash(context.engine)
    for (s in selected.symbol) {
        if (openCount >= context["holdingCount"]) { break }
        bar = msg[s]
        if (!isNull(bar.upLimitPrice) && bar.close >= bar.upLimitPrice) { continue }
        position = Backtest::getPosition(context.engine, s)
        if (size(position) > 0) {
            if (position.longPosition > 0) { continue }
        }
        unitCost = bar.close * (1.0 + context["commission"])
        cash = max(0.0, min(remainingCash, Backtest::getAvailableCash(context.engine)))
        buyQty = min(roundLot(equity * weight / unitCost), roundLot(cash / unitCost))
        if (buyQty <= 0) { continue }
        Backtest::submitOrder(context.engine,
            (s, context.tradeTime, 5, bar.close, buyQty, 1), "buy")
        // 提交即预留资金和持仓名额，避免本轮重复使用预算；拒单不在当日补单。
        remainingCash -= buyQty * unitCost
        openCount += 1
    }
}

定义日期、资金和成本参数，并将参数传入上下文及引擎配置；手续费率使用同一变量，保证买入预算与引擎计费口径一致。

actualStartDate = 2026.07.07
actualEndDate = 2026.08.06
initialCash = 1000000.0
commission = 0.00015
tax = 0.0005
holdingCount = 5
config = {
    startDate: actualStartDate,
    endDate: actualEndDate,
    strategyGroup: "stock",
    cash: initialCash,
    commission: commission,
    tax: tax,
    dataType: 3,
    outputOrderInfo: true,
    matchingMode: 1,
    enableMinimumPerTransactionFee: false,
    enableSellCloseRestrict: true
}
config["context"] = context

引擎及顶层参数含义如下：

• startDate、endDate：DATE 标量，分别为 2026.07.07、2026.08.06。区间也写在分红查询和交易日历查询中，修改时需保持一致。

• strategyGroup：STRING 标量，"stock"，使用股票账户。

• cash：DOUBLE 标量，1000000.0 元，初始资金，应为正数。

• commission：DOUBLE 标量，0.00015，即 0.015%，用于交易手续费；上下文同名值用于买入预算，两处应保持一致。

• tax：DOUBLE 标量，0.0005，即 0.05%，配置给股票交易税费；上下文同名值虽存在，但本策略没有读取它计算订单。

• dataType：INT 标量，3，分钟行情模式。

• outputOrderInfo：BOOL 标量，true，保留订单信息用于追溯委托和成交。

• matchingMode：INT 标量，1；分钟模式下，在行情时间大于委托时间后进行撮合，不能把 09:35 的信号和委托认定为 09:35 收盘即成交。

• enableMinimumPerTransactionFee：BOOL 标量，false，不启用每笔最低交易费；小额委托的费用可能低于真实账户最低收费。

• enableSellCloseRestrict：本策略排除当日新买数量，是由回调中的卖出数量公式实现，不能写成已经在配置中启用了该开关。

callbacks 为 Dictionary<STRING, ANY>，本例只设置 initialize 和 onBar。engineName 为固定 STRING，engine 保存创建接口返回的引擎句柄。创建前会尝试删除同名引擎，因此同一节点上并行任务需要避免名称冲突。

创建接口第四个实参为 false，表示不启用 JIT。

callbacks = dict(STRING, ANY)
callbacks["initialize"] = initialize
callbacks["onBar"] = onBar
engineName = "earlySessionFollowing_test"
try { Backtest::dropBacktestEngine(engineName) } catch(ex) { }
engine = Backtest::createBacktester(engineName, config, callbacks, false)

将排序后的 data 一次送入引擎，再调用Backtest::appendEndMarker(engine)通知回测结束。

try {
    Backtest::appendQuotationMsg(engine, data)
    Backtest::appendEndMarker(engine)
} catch(ex) {
    Backtest::dropBacktestEngine(engineName)
    throw ex
}

正常结束后保留引擎，继续下一节读取结果。发生异常时清理本次引擎并抛出错误。

处理完结束消息后，分别查询收益概述、订单与成交明细、每日持仓和每日账户权益。用 totalEquity / initialCash 计算净值；本例没有外部资金流入或流出。

将返回表和选股日志保存到 resultDict 后，再销毁引擎。结果仍可在当前会话中查看，不需要再次连接已销毁的引擎。完整结果处理代码如下：

resultDict = dict(STRING, ANY)
resultDict["returnSummary"] = Backtest::getReturnSummary(engine)
resultDict["tradeDetails"] = Backtest::getTradeDetails(engine)
resultDict["dailyPosition"] = Backtest::getDailyPosition(engine)
resultDict["totalPortfolios"] = Backtest::getDailyTotalPortfolios(engine)

各对象的用途如下：

脚本没有设置真实指数基准，收益概述中与基准有关的默认字段不能解释为沪深 300 表现或有效超额收益。