bug修复/日志调整

admin

2025-03-03 56f1a4db492a1b86a718503c0fad79ee7e54139f

bug修复/日志调整

 data_server.py

@@ -6,7 +6,7 @@
from http.server import BaseHTTPRequestHandler
import urllib.parse as urlparse

from log_module.log import hx_logger_l2_transaction
from log_module.log import hx_logger_l2_transaction, logger_debug
from strategy import data_cache
from trade import huaxin_trade_api, huaxin_trade_data_update
from trade.huaxin_trade_record_manager import DelegateRecordManager, DealRecordManager, MoneyManager, PositionManager
@@ -83,6 +83,7 @@
            fdatas = []
            for code in codes:
                data = data_cache.latest_code_market_info_dict.get(code)
                logger_debug.info(f"获取L1行情接口：{code}-{data}")
                if data:
                    fdatas.append(data)
            response_data = json.dumps({"code": 0, "data": fdatas})
@@ -145,7 +146,7 @@
                    price = tool.get_buy_max_price(current_price)
                    price = min(price, tool.get_limit_up_price(code,pre_price))
                else:
                    price = round(params.get("price"), 2)  # 价格
                    price = round(float(params.get("price")), 2)  # 价格
                result = huaxin_trade_api.order(1, code, volume, price, blocking=True)
                result_str = json.dumps(result)
            elif url.path == "/sell":

 huaxin_client/l1_api_client.py

@@ -164,7 +164,8 @@
        订阅股票指数行情
        """
        # 沪深300
        self.m_api.SubscribeStockIndexData(qcvalueaddproapi.QCVD_EXD_SSE, "000300")  # 沪深300
        self.m_api.SubscribeStockIndexData(qcvalueaddproapi.QCVD_EXD_COMM, "000300")  # 沪深300
        self.m_api.SubscribeStockIndexData(qcvalueaddproapi.QCVD_EXD_SZSE, "000300")
        self.m_api.SubscribeStockIndexData(qcvalueaddproapi.QCVD_EXD_SSE, "000001")  # 上证
        self.m_api.SubscribeStockIndexData(qcvalueaddproapi.QCVD_EXD_SZSE, "399006")  # 创业板指数
        self.m_api.SubscribeStockIndexData(qcvalueaddproapi.QCVD_EXD_SZSE, "399001")  # 深圳成指
@@ -205,6 +206,7 @@
        # 指数数据
        try:
            data = {
                "PreClosePrice":pStockIndexData.PreClosePrice,
                "LastPrice": pStockIndexData.LastPrice,
                "SecurityID": pStockIndexData.SecurityID,
                "UpdateTime": pStockIndexData.UpdateTime,

 main.py

@@ -54,11 +54,11 @@
    data_cache.DataCache()
    # 初始化A股所有目标票标的信息
    data_cache.all_stocks = utils.juejin_api.JueJinApi.get_target_codes()
    # 获取目标票标的K线
    # 获取目标标的K线---初始化
    all_K_line.k_line_history.init(data_cache.DataCache().today_date, data_cache.DataCache().next_trading_day,
                                   data_cache.DataCache().filtered_stocks)

    # 直接调用指标K线写入本地文件
    # 直接调用目标标的指标K线写入本地文件
    # all_K_line.all_stocks_all_k_line_dict_write()

    # 先使用json.load()直接从文件中读取【已经存储在本地的K线指标属性字典】并解析JSON数据
@@ -68,6 +68,11 @@
            print(
                f"data_cache.all_stocks_all_K_line_property_dict的个数==={len(data_cache.all_stocks_all_K_line_property_dict)}")

    # # 获取目标标的K线---初始化
    # all_K_line.main_index_k_line_history.init(data_cache.DataCache().today_date, data_cache.DataCache().next_trading_day, data_cache.DataCache().main_index_stocks)
    # # 直接调用主要指数K线写入本地文件
    # all_K_line.main_index_k_line_dict_write()


# 第一步：初始化context函数，并开启获取实时数据的线程
def init():

 strategy/all_K_line.py

@@ -336,12 +336,14 @@

# 实例化K线对象
k_line_history = KLineHistory()
# 实例化指数K线对象
main_index_k_line_history = KLineHistory()


# 在main.py中初始化函数里面就实例化上证A股和深证A股的历史K线方法【在本文件中调用且不写入本地文件时才需要在本文件内实例化】
# k_line_history.k_line_history_90day()

# 写入全股票90天K线
# 写入全目标标的股票90天K线
def all_stocks_all_k_line_dict_write():
    all_stocks_base_K_line_dict = k_line_history.k_line_history_90day()
    # 初始化所有个股的指标K线列表
@@ -380,7 +382,50 @@
            f.write(json_data)
    except Exception as error:
        print(f"An error occurred while converting the data to JSON: {error}")
    logger.info(f"历史k线写完了！{tool.get_now_time_str()}")
    logger.info(f"标的个股历史k线写完了！{tool.get_now_time_str()}")


# 写入主要指数的90天K线
def main_index_k_line_dict_write():
    main_index_base_K_line_dict = main_index_k_line_history.k_line_history_90day()
    # 初始化所有个股的指标K线列表
    main_index_k_line_property_dict = {}
    for i in data_cache.DataCache().main_index_stocks:
        # print(f"i==========={i}")
        i_k_line = main_index_base_K_line_dict[i]  # 获取i的K线
        i_k_line_copy = copy.deepcopy(i_k_line)  # 深拷贝i的K线
        # it_K_line_reversed = list(reversed(i_k_line_copy))  # 开盘啦获取的数据需要反转i的K线
        it_K_line_reversed = list(i_k_line_copy)  # 小辉端的数据不需要反转i的K线
        if not it_K_line_reversed:
            continue
        k_line_history.get_property_limit_mark(it_K_line_reversed, i)  # 给标的的K线更新指标属性 把股票代码同时传给要调用的函数
        index_k_line_property_dict = {i: it_K_line_reversed}  # 添加 更新极限指标属性的K线 字典
        # print(f"index_k_line_property_dict===={index_k_line_property_dict}")
        main_index_base_K_line_dict.update(index_k_line_property_dict)

    # 构造时间格式datetime转化为字符串，以便将K线属性指标转化为json格式写入本地文件
    def convert_datetime(obj):
        if isinstance(obj, datetime.datetime):
            return obj.strftime('%Y-%m-%d %H:%M:%S')  # 转换为字符串
        elif isinstance(obj, dict):
            return {k: convert_datetime(v) for k, v in obj.items()}  # 递归处理字典
        elif isinstance(obj, list):
            return [convert_datetime(element) for element in obj]  # 递归处理列表
        # 可以添加其他类型的处理逻辑
        else:
            # 对于未知类型，你可以选择保留原样、跳过或引发异常
            # 这里我们选择保留原样
            return obj

    try:
        json_data = json.dumps(convert_datetime(main_index_k_line_property_dict), ensure_ascii=False, indent=4)
        # 将转换后的JSON字符串写入文件
        with open(constant.K_BARS_PATH, 'w', encoding='utf-8') as f:
            f.write(json_data)
    except Exception as error:
        print(f"An error occurred while converting the data to JSON: {error}")
    logger.info(f"主要指数的历史k线写完了！{tool.get_now_time_str()}")



# 用开盘啦数据检测昨日的K线中涨停属性是否有误（盘尾 集合竞价 炸开一个卖一档，但涨幅未变的）
@@ -482,6 +527,7 @@
            # print(f"当前-时间：{formatted_time}")
            time.sleep(1)


# 历史K线累计涨停天数函数
def count_limit_up_day(k_line_data):
    limit_up_day = 0  # 初始化涨停天数

 strategy/data_cache.py

@@ -80,6 +80,8 @@
                                    'SZSE.00'))]
        # self.filtered_stocks =  self.filtered_stocks[:10]
        print(f"过滤后上证A股和深证A股数量filtered_stocks：{len(self.filtered_stocks)}")
        # 声明一下需要拉取K线的列表
        self.main_index_stocks = ['SHSE.000001', 'SZSE.399001', 'SZSE.399006', 'SHSE.000300']
        # 获取上证A股和深证A股 基本信息
        instruments = [stock for stock in self.all_stocks if stock['symbol'] in self.filtered_stocks]
        # 将获取到的上证A股和深证A股 基本信息 汇编为一个字典
@@ -222,7 +224,7 @@
# {"code":(代码,昨日收盘价,最新价,总成交量,总成交额,买五档（价格，成交额），卖五档（价格，成交额）,更新时间)}
latest_code_market_info_dict = {}

# 股票指数字典 例如：{"000001":（指数, 量, 额）}
# 股票指数字典 例如：{"000001":（指数, 量, 额, 昨日收盘价）}
stock_index_dict = {}

logging.info(f"全局初始化数据  完成《《《 - {os.getpid()}")

 strategy/index_market_trend_strategy.py

@@ -22,45 +22,39 @@
def instant_trend_strategy(current_info):
    len_current_info = len(current_info)
    if current_info is not None and len_current_info > 0:
        print(f"current_info------------{current_info}")
        # print(f"current_info------------{current_info}")
        # 上证指数数据
        Shanghai_index_data = current_info.get('000001')
        Shanghai_index = Shanghai_index_data[0]  # 上证指数
        Shanghai_index_volume = Shanghai_index_data[1]  # 上证指数 当日当时成交量
        Shanghai_index_turnover = Shanghai_index_data[2]  # 上证指数 当日当时成交额度
        print(
              f"上证 指数------------{Shanghai_index}"
              f"上指 成交量------------{Shanghai_index_volume}"
              f"上指 成交额------------{Shanghai_index_turnover}"
              )
        Shanghai_index_volume = round(Shanghai_index_data[1]/100000000, 2)  # 上证指数 当日当时成交量
        Shanghai_index_turnover = round(Shanghai_index_data[2]/100000000, 2)  # 上证指数 当日当时成交额度
        # print(
        #       f"上证 指数------------{Shanghai_index}   成交量------------{Shanghai_index_volume}亿 手   成交额------------{Shanghai_index_turnover}亿 元"
        #       )

        # 深证指数数据
        Shenzhen_index_data = current_info.get('399001')
        Shenzhen_index = Shenzhen_index_data[0]  # 深证指数
        Shenzhen_index_volume = Shenzhen_index_data[1]  # 深证指数 当日当时成交量
        Shenzhen_index_turnover = Shenzhen_index_data[2]  # 深证指数 当日当时成交额度
        print(
              f"深证 指数------------{Shenzhen_index}"
              f"深证 成交量------------{Shenzhen_index_volume}"
              f"深证 成交额------------{Shenzhen_index_turnover}"
              )
        Shenzhen_index_volume = round(Shenzhen_index_data[1]/100000000, 2)  # 深证指数 当日当时成交量
        Shenzhen_index_turnover = round(Shenzhen_index_data[2]/100000000, 2)  # 深证指数 当日当时成交额度
        # print(
        #       f"深证 指数------------{Shenzhen_index}   成交量------------{Shenzhen_index_volume}亿 手   成交额------------{Shenzhen_index_turnover}亿 元"
        #       )

        # 创业板指数数据
        TSXV_index_data = current_info.get('399006')
        TSXV_index = TSXV_index_data[0]  # 创业板指
        TSXV_index_volume = TSXV_index_data[1]  # 创业板指 当日当时成交量
        TSXV_index_turnover = TSXV_index_data[2]  # 创业板指 当日当时成交额度
        print(
            f"创业板 指数------------{TSXV_index}"
            f"创业板指 成交量------------{TSXV_index_volume}"
            f"创业板指 成交额------------{TSXV_index_turnover}"
        )
        # 调用涨幅公式计算对应的股票tick瞬时涨幅
        Shanghai_tick_growth = basic_methods.calculate_growth('000001', Shanghai_index)
        print(f"Shanghai_tick_growth ==== {Shanghai_tick_growth}")
        # 调用涨幅公式计算对应的股票tick瞬时涨幅
        Shenzhen_tick_growth = basic_methods.calculate_growth('399001', Shanghai_index)
        print(f"Shenzhen_tick_growth ==== {Shenzhen_tick_growth}")
        # 调用涨幅公式计算对应的股票tick瞬时涨幅
        TSXV_tick_growth = basic_methods.calculate_growth('399006', Shanghai_index)
        print(f"TSXV_tick_growth ==== {TSXV_tick_growth}")
        TSXV_index_volume = round(TSXV_index_data[1]/100000000, 2)  # 创业板指 当日当时成交量
        TSXV_index_turnover = round(TSXV_index_data[2]/100000000, 2)  # 创业板指 当日当时成交额度
        # print(
        #     f"创业板 指数------------{TSXV_index}   成交量------------{TSXV_index_volume}亿 手   成交额------------{TSXV_index_turnover}亿 元"
        # )
        # # 调用涨幅公式计算对应的股票tick瞬时涨幅
        # Shanghai_tick_growth = basic_methods.calculate_growth('000001', Shanghai_index)
        # print(f"Shanghai_tick_growth ==== {round(Shanghai_tick_growth, 4)}")
        # # 调用涨幅公式计算对应的股票tick瞬时涨幅
        # Shenzhen_tick_growth = basic_methods.calculate_growth('399001', Shanghai_index)
        # print(f"Shenzhen_tick_growth ==== {round(Shenzhen_tick_growth, 4)}")
        # # 调用涨幅公式计算对应的股票tick瞬时涨幅
        # TSXV_tick_growth = basic_methods.calculate_growth('399006', Shanghai_index)
        # print(f"TSXV_tick_growth ==== {round(TSXV_tick_growth, 4)}")

 strategy/instant_time_market.py

@@ -23,6 +23,7 @@
创建一个函数来对主要指数的实时行情作处理
'''


# 获取实时指数行情函数
def index_market_current():
    logging.info(f"index_market_trend进入")

 utils/hx_qc_value_util.py

@@ -161,6 +161,7 @@
                    """
                   值的格式为：
                    {
                       "PreClosePrice":pStockIndexData,
                       "LastPrice": pStockIndexData.LastPrice,
                       "SecurityID": pStockIndexData.SecurityID,
                       "UpdateTime": pStockIndexData.UpdateTime,
@@ -170,7 +171,7 @@
                   }
                   """
                    d = data[k]
                    data_cache.stock_index_dict[k] = (round(d["LastPrice"], 2), d["Volume"], d["Turnover"])
                    data_cache.stock_index_dict[k] = (round(d["LastPrice"], 2), d["Volume"], d["Turnover"], d["PreClosePrice"])
        except:
            pass