A strategy platform supportting 24 hours strategy development for professional investment
希望用户通过本页面能快速地了解策略平台网站的主要功能。
{todo；1，安装\软硬件环境dependent}
本模块基于Python 3.6.3版本，且需要依赖于一系列的开源模块包，大部分通用的模块包可以通过安装Python开源模块包集合的Anaconda套件实现。Anaconda包括了180多个Python包及依赖程序项目。除了默认已有的A股行情和基本面财务数据，Wind-API，Choice-API都具备相对丰富完善的数据和支持文档，是机构用户低成本的获取小规模数据的方式。虽然本模块绝大部分功能不限平台，但假设典型的用户使用Windows个人操作系统进行策略研究，特别是相关的数据接口和输出的csv格式文件需要基于Windows系统，也是绝大部分理论用户使用的系统。
用户可以通过在测试脚本“CISS_out\apps\test_all_ind-X_v_g.py”中进行参数测试，实现一键式回测和计算模拟组合。通过导入时间数据模块，用户可以设置所在国家或地区的交易所时间、模拟组合匹配的交易日和模拟组合的开始和结束时间。本例中我们使用中国区上海交易所时间，使用中证沪深300指数的交易日作为模拟组合的构建时间。本例中我们设置开始和截止日期分别为"2014-05-31"，"2018-11-05"。导入函数“get_port_rebalance_dates”后返回一系列组合定期调整时间区间及基本面信息参考时间。
从“db\db_assets\”目录可以导入A股市场所有个股对应的GICS一级至四级行业分类归属。模拟组合的初始资产规模本例中设定为3亿元。从目录“bin\abm_engine”主动基准引擎中导入主动基准模型Abm_model，首先导入所有相关股票的样本空间。样本空间主要包括基于季度的财务、股东变动数据及不定期调整的权息变动数据。脚本中给定3种简便的模拟组合股票池设定方式：单个特定行业或细分行业、1至3级行业分类下所有行业组合、不分行业的全市场组合。风格角度可以选择价值“value”或成长“growth”。最后一步是设置组合的名称“port_name”。
以上数据导入及参数初始化步骤完成后，使用组合引擎“engine_portfolio”内的测试脚本函数“test_abm_1port_Nperiods_ind_x”可以获得给定行业和风格的主动基准模拟组合。默认的输出文件位置是“D:\CISS_db”，若设置的组合名称为“port_rc_w_allo_growth_999”，则可以在目录“D:\CISS_db\ port_rc_w_allo_growth_999”内查阅从策略应用到账户明细变动等数据文件目录。另外，用户还可以通过在测试脚本“CISS_out\apps\test_ushk.py”进行类似设定，实现对港股或美股的全市场主动基准组合一键式计算。
Django网页显示变量的逻辑MVC=Model View Controller ：
1，html网页代码里Request引用变量core_stra_list_cs；
2，urls.py文件里用path(html,views.xxx,name="" )连接html和views里的变量；urls.py也可以再include包括别的urls_sub.py文件；除了views.py，也可以是veiws_sub.py。
3，views.py文件里的function，从数据库模型提取数据入core_stra_list_cs，保存到输出的context。