經(jīng)典策略與系統(tǒng)劉宏志教授

神奇公式神奇公式選股模型基本思想：用便宜的價(jià)格購買好公司的股票通過綜合考慮“便宜程度”和“好壞程度”對(duì)股票進(jìn)行排序和篩選便宜程度：通常用價(jià)格（容易獲?。┖蛢r(jià)值（難以獲取）比值進(jìn)行度量可用其盈利能力（例如每股收益）來間接度量其價(jià)值，例如市盈率PE企業(yè)好壞：能否產(chǎn)生價(jià)值并創(chuàng)造較高的投資回報(bào)常用指標(biāo)：資本回報(bào)率(ROIC)、凈資產(chǎn)收益率ROE、資產(chǎn)凈利率ROA等好

公司股票便宜高性價(jià)比股票神奇公式選股模型公司排序：將目標(biāo)公司的“便宜程度”和“好壞程度”全部計(jì)算出來然后，按照便宜程度和好壞程度進(jìn)行排序打分：

如果是1000家公司，最好的是1000分，最后一名就是1分每個(gè)公司的最終分值就是兩個(gè)數(shù)字相加最后按照最終分?jǐn)?shù)來排序，挑選前n佳公司來投資投資策略與步驟：1、確定股票池。進(jìn)行初步篩選，去除部分明顯不良的股票（例如ST股票）2、精選標(biāo)的。按神奇公式進(jìn)行打分排序，并選出前n只股票(神奇公式

股票)3、分批建倉。第一次投入總資金20%~33%，每隔兩三個(gè)月再投入20%~33%4、定期調(diào)倉。每只股票在持有一年后都將被賣出，買入新的神奇公式股票歐奈爾選股法則歐奈爾選股法則:CANSLIMCANSLIM是一個(gè)結(jié)合基本面和技術(shù)面的選股模型，一種多因子模型歐奈爾研究1953至1993年500家年度漲幅最大股票，得出“七步選股法”美國個(gè)人投資者協(xié)會(huì)用5年時(shí)間(1998~2002)，對(duì)各種選股系統(tǒng)的業(yè)績進(jìn)行比較分析：無論是在牛市還是熊市，CANSLIM都是最穩(wěn)定、表現(xiàn)最好的系統(tǒng)之一。歐奈爾選股法則:CANSLIMCANSLIM是一個(gè)結(jié)合基本面和技術(shù)面的選股模型，一種多因子模型歐奈爾研究1953至1993年500家年度漲幅最大股票，得出“七步選股法”C(Currentearnings)：上市公司近一季的每股收益率超過20%A(Annualearning)：上市公司年凈利潤持續(xù)增長三年以上N

(Newproduct)：上市公司有重大創(chuàng)新或突破，如新業(yè)務(wù)、新產(chǎn)品、新技術(shù)等S

(SupplyandDemand)：公司流通股一般不多于2500萬股L

(Leader)：上市公司為行業(yè)領(lǐng)導(dǎo)者，該股能引領(lǐng)市場(chǎng)走勢(shì)I(Institutionalsponsorship)：機(jī)構(gòu)投資者對(duì)股票熱捧M(Marketdirection)：股市為牛市或震蕩市，但絕非熊市“Buystocksinprofitablecompanies,withgreatproducts,ingrowingmarketsattherighttime.”配對(duì)交易策略配對(duì)交易基本思想：找出歷史走勢(shì)相近（相關(guān)性高）的股票或其他投資標(biāo)的進(jìn)行配對(duì)當(dāng)價(jià)差明顯偏離歷史均值時(shí)，做空相對(duì)高估股票同時(shí)買入相對(duì)低估的股票等待他們回歸到長期均衡狀態(tài)，由此賺取價(jià)格收斂的報(bào)酬本質(zhì)：利用配對(duì)間的短期錯(cuò)誤定價(jià)，通過買入相對(duì)低估，賣空相對(duì)高估一種動(dòng)量反轉(zhuǎn)投資策略，利用股票價(jià)格均值回歸配對(duì)交易：配對(duì)形成期目標(biāo)：選股尋找歷史走勢(shì)相近（相關(guān)性高）的股票或其他證券進(jìn)行配對(duì)步驟：行業(yè)劃分：為保證股票對(duì)在主營業(yè)務(wù)上相近，在同一行業(yè)內(nèi)篩選收益率相關(guān)性檢驗(yàn)：配對(duì)股票歷史收益率相關(guān)系數(shù)大于一定的閾值序列協(xié)整性檢驗(yàn)：價(jià)差（或價(jià)格比）具備圍繞均值上下波動(dòng)的平穩(wěn)性價(jià)差形態(tài)過濾：要求價(jià)差回復(fù)到均值的速度足夠快，最好交替相對(duì)走強(qiáng)配對(duì)交易：配對(duì)交易期

配對(duì)交易：建倉與平倉

配對(duì)交易：建倉與平倉動(dòng)量策略vs.反轉(zhuǎn)策略經(jīng)濟(jì)學(xué)解釋行為金融：羊群效應(yīng)：羊群建立（動(dòng)量）、羊群解散（反轉(zhuǎn)）信息反應(yīng)：反應(yīng)不足（動(dòng)量）、反應(yīng)過度（反轉(zhuǎn)）企業(yè)成長和發(fā)展：馬太效應(yīng)，強(qiáng)者愈強(qiáng)、弱者愈弱（動(dòng)量）周期性變化，日中則昃，月滿則虧（反轉(zhuǎn)）動(dòng)量vs.反轉(zhuǎn)動(dòng)量效應(yīng)：前一段時(shí)間強(qiáng)勢(shì)的股票，在未來一段時(shí)間繼續(xù)保持強(qiáng)勢(shì)反轉(zhuǎn)效應(yīng)：前一段時(shí)間弱勢(shì)的股票，在未來一段時(shí)間會(huì)變強(qiáng)動(dòng)量策略：尋找前期強(qiáng)勢(shì)的股票，判斷它將繼續(xù)強(qiáng)勢(shì)后買入持有反轉(zhuǎn)策略：尋找前期弱勢(shì)的股票，判斷它將出現(xiàn)逆轉(zhuǎn)后買入持有典型應(yīng)用：擇時(shí)動(dòng)量和反轉(zhuǎn)策略的思路可應(yīng)用于很多量化投資場(chǎng)景中擇時(shí)：高拋低吸（反轉(zhuǎn)）和橫盤突破（動(dòng)量）配對(duì)交易標(biāo)準(zhǔn)建倉是以動(dòng)量反轉(zhuǎn)策略為基礎(chǔ)延后建倉則是以動(dòng)量策略為基礎(chǔ)行業(yè)輪動(dòng)美林投資時(shí)鐘模型宏觀經(jīng)濟(jì)周期波動(dòng)是行業(yè)輪動(dòng)背后核心驅(qū)動(dòng)力行業(yè)配置的標(biāo)準(zhǔn)思路美林投資時(shí)鐘模型美林證券基于對(duì)美國歷史數(shù)據(jù)的研究，將經(jīng)濟(jì)周期與資產(chǎn)輪動(dòng)及行業(yè)策略聯(lián)系起來，提出“美林投資時(shí)鐘”階段時(shí)間產(chǎn)出缺口超勢(shì)通脹趨勢(shì)階段定性階段時(shí)間產(chǎn)出缺口超勢(shì)通脹趨勢(shì)階段定性197001-197012下降下降衰退199612-199902上升下降復(fù)蘇197012-197206上升下降復(fù)蘇199902-199911上升上升過熱197206-197306上升上升過熱199911-200105下降上升滯脹197306-197412下降上升滯脹200105-200206下降下降衰退197412-197503下降下降衰退200206-200303下降上升滯脹197503-197612上升下降復(fù)蘇200303-200403上升下降復(fù)蘇197612-197811上升上升過熱200403-200509上升上升過熱197811-198003下降上升滯脹200509-200708上升下降復(fù)蘇198003-198212下降下降衰退200708-200807下降上升滯脹198212-198307上升下降復(fù)蘇200807-200906下降下降衰退198307-198403上升上升過熱200906-201011上升下降復(fù)蘇198403-198612上升下降復(fù)蘇201011-201109上升上升過熱198612-198901上升上升過熱201109-201504上升下降復(fù)蘇198901-199011下降上升滯脹201504-201603下降上升滯脹199011-199112下降下降衰退201603-201912上升下降復(fù)蘇199112-199405上升下降復(fù)蘇201912-202006下降下降衰退199405-199612上升上升過熱202006-202009上升上升過熱其他投資時(shí)鐘模型庫茲涅茨周期：美國經(jīng)濟(jì)學(xué)家西蒙·庫茲涅茲在1930年提出反映經(jīng)濟(jì)基本面的長期趨勢(shì)對(duì)應(yīng)于20年左右的長周期朱格拉周期：法國經(jīng)濟(jì)學(xué)家克里門特·朱格拉在1862年提出反映市場(chǎng)的整體估值水平對(duì)應(yīng)于10年左右的中周期基欽周期：美國經(jīng)濟(jì)學(xué)家約瑟夫·基欽于1923年提出反映市場(chǎng)的牛熊趨勢(shì)對(duì)應(yīng)于40個(gè)月左右的短周期，是把握短期市場(chǎng)漲跌的重要依據(jù)多周期嵌套多因子模型策略模型建立過程候選因子因子有效性檢驗(yàn)冗余因子

剔除綜合評(píng)分

模型構(gòu)建選股模型驗(yàn)證原則:有效利用可得信息避免忽略一些重要信息避免引入一些無用信息避免重復(fù)利用冗余信息候選因子選取基本面因子：股票自身可觀察的特征，可通過財(cái)務(wù)報(bào)表（或簡(jiǎn)單計(jì)算）獲得例如：凈利潤、每股收益EPS、市盈率PE、市凈率PB等技術(shù)因子：以市場(chǎng)行為為研究對(duì)象，例如：動(dòng)量、換手率、波動(dòng)等經(jīng)濟(jì)因子：影響企業(yè)營銷活動(dòng)的一個(gè)國家或地區(qū)的宏觀經(jīng)濟(jì)狀況例如：GDP、CPI、通貨膨脹率、失業(yè)率、利率等其他指標(biāo)：預(yù)期收益增長、分析師一致預(yù)期變化等各種已知的和潛在的市場(chǎng)異象因子因子有效性檢驗(yàn)零投資組合檢驗(yàn)法：（針對(duì)打分法）根據(jù)因子打分排序，將股票平均分為n個(gè)組構(gòu)建零投資組合：等金額買入第1組股票并賣空第n組股票計(jì)算零投資組合的超額收益率，評(píng)估因子的有效性統(tǒng)計(jì)相關(guān)檢驗(yàn)法：（針對(duì)回歸法）計(jì)算因子與超額收益率之間的相關(guān)度相關(guān)度（相關(guān)系數(shù)的絕對(duì)值）越大，因子越有效

大市值股票期望收益率(1/3)

中市值股票期望收益率(1/3)

小市值股票期望收益率(1/3)冗余因子剔除動(dòng)機(jī)：由于內(nèi)在驅(qū)動(dòng)因素相同等原因，一些因子具有較高一致性基本思想：剔除冗余因子，只保留同類因子中收益最好、區(qū)分度最高的一個(gè)冗余度（共線性）計(jì)算：相關(guān)分析法：相關(guān)系數(shù)打分法：分組收益率分析分組收益率相關(guān)分析：針對(duì)每個(gè)因子，按因子值大小對(duì)股票進(jìn)行排序，并將股票分為n個(gè)組根據(jù)收益率對(duì)各組合進(jìn)行打分（n,n-1,…,1)，收益越大，分值越高按給定周期（例如：月）計(jì)算個(gè)股的不同因子得分間的相關(guān)性矩陣綜合評(píng)分模型建立和選股打分法：（例：神奇公式）先單獨(dú)根據(jù)每個(gè)因子進(jìn)行打分，再進(jìn)行加權(quán)求和得到總分根據(jù)總分排序選股，例如得分前10%或最高的50~100只股票回歸法：用歷史數(shù)據(jù)學(xué)習(xí)回歸方程，再用其對(duì)未來收益率進(jìn)行預(yù)測(cè)根據(jù)收益率預(yù)測(cè)值排序（選TopN）或是閾值截?cái)噙M(jìn)行選股模型評(píng)價(jià)及持續(xù)改進(jìn)動(dòng)機(jī)：隨著使用者不斷增加，有效因子將逐漸失效隨著環(huán)境變化，有效因子變得無效，另一些變得有效改進(jìn)（再平衡）方法：定期（例如：每月）vs

事件驅(qū)動(dòng)對(duì)因子進(jìn)行評(píng)價(jià)，對(duì)模型進(jìn)行改進(jìn)根據(jù)新結(jié)果調(diào)倉，以適應(yīng)市場(chǎng)變化候選因子因子有效性檢驗(yàn)冗余因子

剔除綜合評(píng)分

模型構(gòu)建選股模型驗(yàn)證策略回測(cè)劉宏志教授思想與目的基本思想通過歷史數(shù)據(jù)，盡可能還原實(shí)際交易過程，對(duì)策略進(jìn)行驗(yàn)證和優(yōu)化目的通過交易模擬找出策略中的缺陷和問題，并依據(jù)回測(cè)結(jié)果進(jìn)行優(yōu)化分析并確定策略中的合理假設(shè)，以及策略可能的應(yīng)用場(chǎng)景和適用范圍通過分析比較不同(參數(shù))設(shè)置下的策略表現(xiàn)，幫助確定策略最優(yōu)設(shè)置策略

回測(cè)缺陷&優(yōu)化假設(shè)&應(yīng)用參數(shù)

設(shè)置基本假設(shè)與流程基本假設(shè)：歷史會(huì)重復(fù)使用歷史數(shù)據(jù)進(jìn)行測(cè)試的結(jié)果可用來評(píng)估策略在未來市場(chǎng)上的應(yīng)用效果在歷史數(shù)據(jù)上不能盈利的策略在未來一般也很難盈利在歷史數(shù)據(jù)上表現(xiàn)優(yōu)秀的策略在未來很可能也會(huì)帶來較好的收益一般流程：策略實(shí)現(xiàn)、目標(biāo)與范圍設(shè)定、數(shù)據(jù)收集與處理、策略運(yùn)行、結(jié)果分析、策略調(diào)整等環(huán)節(jié)常用平臺(tái)與工具回測(cè)工具與平臺(tái)主要功能：提供基礎(chǔ)（功能）接口和（歷史）數(shù)據(jù)模擬交易流程，執(zhí)行交易策略，評(píng)估策略性能常用平臺(tái)與工具：在線平臺(tái)：聚寬、優(yōu)礦、掘金、萬礦等離線平臺(tái)：

Backtrader、BigQuant、zipline、vn.py等工具庫：TALib、QuantLib、PyQL、quantdsl等聚寬Joinquant服務(wù)：

1.選取參數(shù)，自動(dòng)生成策略

2.可以自己編寫代碼，生成策略（有代碼顯示）

語言：

Python，R

數(shù)據(jù)庫：

股票、基金、指數(shù)、股指、股票財(cái)務(wù)數(shù)據(jù)、金融期貨數(shù)據(jù)、行業(yè)概念數(shù)據(jù)、宏觀經(jīng)濟(jì)數(shù)據(jù)等

支持的功能：日級(jí)、分鐘級(jí)、tick級(jí)的回測(cè)與模擬交易

優(yōu)勢(shì)：

1.支持回測(cè)中訪問網(wǎng)絡(luò)

2.社區(qū)活躍，還有銷售策略活動(dòng)

策略基本框架策略基本框架：初始化+迭代執(zhí)行初始化：策略開始運(yùn)行前要做的事，如初始化全局變量、資產(chǎn)和數(shù)據(jù)范圍等迭代執(zhí)行：周期循環(huán)：策略開始后，每個(gè)周期要做的事，判斷是否交易以及如何交易事件驅(qū)動(dòng)：策略開始后，設(shè)定的事件發(fā)生時(shí)執(zhí)行，判斷是否交易以及如何交易回測(cè)過程流程：準(zhǔn)備好策略,實(shí)現(xiàn)handle_data函數(shù)初始設(shè)置：回測(cè)起止日期、初始資金、調(diào)倉間隔(如每天)、股票池開始回測(cè)（循環(huán)迭代）策略引擎根據(jù)選擇的股票池和日期,取得股票數(shù)據(jù),然后定期（如每天）調(diào)用handle_data函數(shù)在handle_data同時(shí)告訴用戶現(xiàn)金、持倉情況和股票在上一天的數(shù)據(jù).在函數(shù)中,用戶還可以調(diào)用函數(shù)獲取任何多天的歷史數(shù)據(jù),然后做出調(diào)倉決定當(dāng)用戶下單后,策略引擎會(huì)根據(jù)實(shí)際交易情況處理訂單說明：可以在handle_data中調(diào)用record()函數(shù)記錄某些數(shù)據(jù),引擎會(huì)以圖表的方式顯示在回測(cè)結(jié)果頁面用戶可以在任何時(shí)候調(diào)用/debug/warn/error函數(shù)來打印一些日志回測(cè)結(jié)束后，引擎會(huì)畫出用戶收益和基準(zhǔn)收益的曲線,列出每日持倉,每日交易和一系列風(fēng)險(xiǎn)數(shù)據(jù)神奇公式選股模型公司排序：將目標(biāo)公司的投資回報(bào)率和收益率全部計(jì)算出來然后，按照投資回報(bào)率和收益率排序打分：

如果是1000家公司，最好的是1000分，最后一名就是1分每個(gè)公司的最終分值就是兩個(gè)數(shù)字相加最后按照最終分?jǐn)?shù)來排序，挑選前n佳公司來投資投資策略與步驟：

1、按投資回報(bào)率和收益率合并后排序的前n個(gè)公司，買入其股票

2、在第一次投入投資金額的20%到33%

3、每隔兩三個(gè)月按照步驟一去投資買入

4、持有一種股票滿一年后就將其賣出，不管是否盈利

5、用賣股票的錢和新增投資買入神奇公司股票，替換已賣出的公司好

公司股票便宜高性價(jià)比股票神奇公式：實(shí)現(xiàn)思路預(yù)處理選定股票列表范圍（原始股票池），去除部分股票如：在滬深成分股中去除長期低PE股票（銀行、鋼鐵、煤炭）和ST股票股票排序選定投資回報(bào)率和收益率的評(píng)價(jià)指標(biāo)，例如：ROE和1/PE計(jì)算股票池中每只股票的ROE和1/PE，排序和挑選分?jǐn)?shù)排在前十的股票分批建倉第一年的每季度重新獲取滿足條件股票，對(duì)新股按照原始倉位的25%建倉定期調(diào)倉每個(gè)季度檢測(cè)股票是否已持倉滿一年，如果是則賣出這只股票用賣股票的錢和新增投資買入同等資金的神奇公司股票止損策略在檢測(cè)股票持倉時(shí)間時(shí)，強(qiáng)制賣出虧損超過10%的股票關(guān)鍵代碼神奇公式defget_stock_list(context,today):#獲取股票池security_list=st_filter(security_list)year=context.current_dt.yeardf=get_fundamentals(query(valuation.code,indicator.roe,#ROE凈資產(chǎn)收益率ROE(%)valuation.pe_ratio,#PE市凈率).filter(valuation.code.in_(security_list)),

statDate=str(year-1))#用前一年的數(shù)據(jù)計(jì)算（統(tǒng)計(jì)）指標(biāo)#以股票名詞作為indexdf.index=df['code'].valuesdf['1/pe']=1/df['pe_ratio']#獲取綜合得分df['point']=df[['roe','1/pe']].rank().T.apply(f_sum)name_list=list(map(lambda

x:get_security_info(x).display_name,df[['code']].values.flatten()))df.insert(0,'name',name_list)#按得分進(jìn)行排序，取10只股票df=df.sort_index(by=['point'],ascending=False).head(N)['code’]returnstock_list回測(cè)結(jié)果41開源回測(cè)引擎:backtraderbacktrader簡(jiǎn)介開源的Python量化回測(cè)框架（支持實(shí)盤交易）品種多：股票、期貨、期權(quán)、外匯、數(shù)字貨幣周期全：Ticks級(jí)、秒級(jí)、分鐘級(jí)、日度、周度、月度、年度速度快：支持pandas矢量運(yùn)算、多策略并行運(yùn)算組件多：內(nèi)置Ta-lib指標(biāo)庫、PyFlio分析、alphalens多因子庫等擴(kuò)展靈活：可集成TensorFlow、PyTorch等機(jī)器學(xué)習(xí)模塊安裝簡(jiǎn)單：

在pythonconsole中鍵入“pipinstallbacktrader”社區(qū)活躍、幫助文檔齊全回測(cè)主體：Cerebro策略類：Strategyinit(

):

數(shù)據(jù)初始化、指標(biāo)計(jì)算notify(

):監(jiān)控回測(cè)狀態(tài)，狀態(tài)變動(dòng)時(shí)被自動(dòng)調(diào)用next(

):單位時(shí)間間隔調(diào)用,負(fù)責(zé)邏輯判斷,生成買賣信號(hào),發(fā)出訂單請(qǐng)求回測(cè)引擎框架邏輯if__name__==‘__main__’:

#1.創(chuàng)建回測(cè)實(shí)體

cerebro=bt.Cerebro()

#2.添加策略

cerebro.addstrategy(TestStrategy)

#3.添加數(shù)據(jù)

filepath='./data/000001.csv'

#本地?cái)?shù)據(jù)文件

dataframe=pd.read_csv(filepath,index_col=0,parse_dates=True)#讀入數(shù)據(jù)

dataframe['openinterest']=0#添加一列，使傳入數(shù)據(jù)符合框架要求

data=bt.feeds.PandasData(dataname=dataframe,#設(shè)置回測(cè)起止時(shí)間

fromdate=datetime.datetime(2013,1,1),

todate=datetime.datetime(2015,1,1))

cerebro.adddata(data)回測(cè)主體：主函數(shù)main#4.策略流程配置

cerebro.broker.set_cash(10000)#設(shè)置回測(cè)金額

cerebro.addsizer(bt.sizers.FixedSize,stake=100)#設(shè)置買賣股數(shù)或金額比例

cerebro.broker.setcommission(commission=0.001)#設(shè)置手續(xù)費(fèi)#5.添加分析器

cerebro.addanalyzer(bt.analyzers.AnnualReturn,_name=‘AnnualReturn’)#年回報(bào)率

#6.運(yùn)行策略

results=cerebro.run()

#7.取出回測(cè)指標(biāo)結(jié)果

st0=results[0]

#索引1、2…

Annual_Return=st0.analyzers.AnnualReturn.get_analysis()#8.可視化展示

cerebro.plot()回測(cè)主體：主函數(shù)main(續(xù))1.數(shù)據(jù)獲取將時(shí)間序列稱作lines(時(shí)間線)由adddata()將數(shù)據(jù)傳入策略若只回測(cè)一只股票，則用data=self.data若對(duì)一個(gè)股票池進(jìn)行回測(cè)：data=self.datas[k]#股票池中第k支股票數(shù)據(jù)2.技術(shù)指標(biāo)計(jì)算寫策略時(shí)，有時(shí)需要一些技術(shù)指標(biāo)，例如MACD/KDJ/ROC等，在初始化函數(shù)中計(jì)算方法一：利用自身指標(biāo)backtrader.indicators方法二：利用指標(biāo)庫Ta-lib中的方法classTestStrategy(bt.Strategy):

def__init__(self):

#初始化函數(shù),策略循環(huán)前被調(diào)用

defnotify_order(self,order):

#訂單監(jiān)視函數(shù)

#監(jiān)視訂單變動(dòng)狀態(tài)

defnext(self):

#策略核心部分

#編寫生成買賣信號(hào)的邏輯策略類：初始化函數(shù)def__init__(self):

self.close=self.data.close#獲取股票的收盤價(jià)時(shí)間序列

self.macd=bt.ind.MACD(self.data.close)#計(jì)算MACD均線

self.order=None

#TokeeptrackofordersclassTestStrategy(bt.Strategy):

def__init__(self):

#初始化函數(shù)，策略循環(huán)前被調(diào)用

defnotify_order(self,order):

#訂單監(jiān)視函數(shù)

#監(jiān)視訂單變動(dòng)狀態(tài)

defnext(self):

#策略核心部分

#編寫生成買賣信號(hào)的邏輯next()函數(shù)策略類核心組成部分；策略回測(cè)開始后，每前進(jìn)一個(gè)時(shí)間單位，則next()將被調(diào)用一次，直到回測(cè)結(jié)束；以MACD均線（擇時(shí)）策略為例：當(dāng)MACD均線由下上穿零線時(shí)視為買入信號(hào)；

當(dāng)MACD均線由上下穿零線時(shí)視為賣出信號(hào)策略類：next()函數(shù)defnext(self

):

position=self.positionor0#持倉數(shù)量

#上穿零線

ifself.macd[-1]<0.0andself.macd[0]>0.0:

self.order=self.buy()#生成買入訂單

#下穿零線

ifse