Python中阳期货量化交易策略

相信很多做期货的人都有这么一个疑问，期货真的可以做到稳定盈利吗？

期货是可以做到稳定盈利的，而你只是缺一个方法！懂量化交易的人肯定是认同吧。有一句话是这么说的：既然存在，肯定就有存在的道理！如果期货这个市场上都没有人赚钱的话，那么你觉得它还会一直存在吗？所以，你只是缺一个方法而已。而个人觉得在期货市场上想要做到稳定盈利，只有量化交易才能做得到，为什么这么说？因为量化交易具有很强的纪律性，投资者是严格根据系统的信号和制定好的策略来开仓，而不是单纯的凭感觉，所以这样就能有效的控制人性的贪婪、恐惧和侥幸心理等弱点，还可以克服自身的认知偏差。能极大地减少投资者因自身情绪波动的影响和其他外界因素的影响，避免在市场极度狂热或悲观的情况下而做出非理性的投资决策。

什么是量化交易？

简单的说量化交易是以先进的数学模型来替代人为的主观判断，利用计算机技术从庞大的历史数据中海选出能带来超额收益的多种“大概率”事件集合而制定的交易策略。

如今，要想在企业和投资金融领域保持竞争力，只是精通电子表格和计算器已经远远不够，传统工具和数据集已经无法满足我们的需要。将用Python编程来解决期货量化交易的问题，并通过110多个技巧介绍实际的解决方案。

下面会给大家详细地分享一下我的经验和交易策略，能否认可请看完再评论！想学习量化交易的希望可以认真看完，相信对你一定会有帮助的，也许会让你对期货交易有一个崭新的认识！

Python是一种面向对象的解释型语言，具备优异的运算能力与执行性能，以及多样的扩展类库，是编写量化交易程序常用的语言之一。由于操作简单、易于上手，Python已成为程序交易切入的方便工具。量化交易将主观交易的想法具体量化，也就是写成明确的规则，并转为程序语言。一般交易者往往无法明确地提供量化的规则，而程序员对于金融交易普遍陌生，无法深入交易的业务领域。再者，多数交易者使用看盘软件，采用规范的图表与统计后的数据，对交易所原始的报价往往不知该如何处理。因此，量化交易是结合金融交易、程序设计与数据分析三大领域的新兴产业，进入的门槛较高。鉴于此，我们从数据分析的角度切入，以一个个的示例让您了解概念，并帮助你们照着案例实操，由最基本的期货交易规则开始，逐步切入程序设计来计算技术指标，进而进行历史回测，最后通过下单函数进行程序交易。本文旨在通过案例的逐步演练，降低学习的门槛，带您进入程序交易的殿堂。

Python拥有出色的运算效率，也有丰富的第三方类库，在许多应用领域都有出色的解决方案，是一款值得大家学习的程序设计语言。它的优势是能够克服人性的缺点。在交易中，人性的弱点是很难被忽略的，如贪婪、恐惧、陶醉等，这些都是阻碍稳定交易的因素。程序往往可以克服这些缺点，从中找出一套好的交易模型，并且将风险控制在可接受范围内，产生令人满意的交易。此外，程序化交易也能解决投资人花费大量时间追踪盘势的现状，以往每天需要花费数小时盯盘，现在只要确定程序正常运行，就可以稳定地进行交易。

期货市场是一个机遇和风险并存的市场。不论是期货开户还是期货交易，都建议您要先学习相关的知识，然后再开始操作，工欲善其事，必先利其器，但是负责专业的客户经理是您交易路上得力的帮手，对于期货知识和交易欢迎添加本人扣“头像名字”好友，我将为您详细解答，给您优惠的手续费和满意的服务。

python因为简单、易上手，所以深受大家的喜爱，并且随着人工智能的不断发展与进步，python也一跃成为了最受欢迎的编程语言之一，俗话说：人生苦短，我用python。伴随着量化交易的崛起，上期所下面的子公司根据CTP接口封装出了python版本的api接口：Algoplus

文章目录

python版期货量化交易（AlgoPlus）案例（多进程处理子任务）

前言

一、AlgoPlus是什么？

二、使用步骤

1.引入库

2.账号配置

3.合成分钟线

4.Join函数

5.结果展示

前言

为了 策略的安全性，有必要自己搭建一套交易系统

提示：以下是本篇文章正文内容，下面案例可供参考

一、AlgoPlus是什么？

安装： pip install AlgoPlus

1

关于AlgoPlus的介绍请查看www.algoplus.com官网，这里不得不得不吐槽有一下，AlgoPlus官网有一段时间打不开。

二、使用步骤

代码如下（示例）：

SimNow提供了7x24小时的模拟服务器

3.合成分钟线

代码如下（algoplus提供官方示例）：

1.# ///深度行情通知

2.    def OnRtnDepthMarketData(self, pDepthMarketData):

3.        last_update_time = 4.self.bar_dict[pDepthMarketData['InstrumentID']]["UpdateTime"]

5.       is_new_1minute = (pDepthMarketData['UpdateTime'][:-2] != 6.last_update_time[:-2]) and pDepthMarketData['UpdateTime'] != b'21:00:00'  7.# 1分钟K线条件

8.        # is_new_5minute = is_new_1minute and 9.int(pDepthMarketData['UpdateTime'][-4]) % 5 == 0  # 5分钟K线条件

10.        # is_new_10minute = is_new_1minute and 11.pDepthMarketData['UpdateTime'][-4] == b"0"  # 10分钟K线条件

12.       # is_new_10minute = is_new_1minute and 13.int(pDepthMarketData['UpdateTime'][-5:-3]) % 15 == 0  # 15分钟K线条件

14.        # is_new_30minute = is_new_1minute and 15.int(pDepthMarketData['UpdateTime'][-5:-3]) % 30 == 0  # 30分钟K线条件

16.       # is_new_hour = is_new_1minute and 17.int(pDepthMarketData['UpdateTime'][-5:-3]) % 60 == 0  # 60分钟K线条件

18.

19.       # # 新K线开始

20.       if is_new_1minute and 21.self.bar_dict[pDepthMarketData['InstrumentID']]["UpdateTime"] != 22.b"99:99:99":

23.           for md_queue in self.md_queue_list:

24.                25.md_queue.put(self.bar_dict[pDepthMarketData['InstrumentID']])

26.

27.       # 将Tick池化为Bar

28.       tick_to_bar(self.bar_dict[pDepthMarketData['InstrumentID']], 29.pDepthMarketData, is_new_1minute)

注意：我在向队列里添加数据时使用了深拷贝，官方给的示例有时无法得到正确的一分钟k线数据，因为当你在交易进程中还未拿到k线数据之前，已经被修改了。4.Join函数

在Join函数中可以写策略逻辑：开仓、平仓等。

趋势判断型量化投资策略，判断趋势型是一种高风险的投资方式，通过对大盘或者个股的趋势判断，进行相应的投资操作。如果判断是趋势向上则做多，如果判断趋势向下则做空，如果判断趋势盘整，则进行高抛低吸。这种方式的优点是收益率高，缺点是风险大。一旦判断错误则可能遭受重大损失。所以趋势型投资方法适合于风险承受度比较高的投资者，在承担大风险的情况下，也会有机会获得高额收益。

波动率判断型量化投资策略，判断波动率型投资方法，本质上是试图消除系统性风险，赚取稳健的收益。这种方法的主要投资方式是套利，即对一个或者N个品种，进行买入同时并卖出另外一个或N个品种的操作，这也叫做对冲交易。

1. # from CTP.MdApi import *
2. from AlgoPlus.CTP.FutureAccount import get_simnow_account, FutureAccount
3. from AlgoPlus.CTP.FutureAccount import SIMNOW_SERVER, MD_LOCATION, TD_LOCATION
5. from multiprocessing import Process, Queue
7. from CTP.MdApi import run_bar_engine, run_tick_engine
9. from CTP.TradeApi import run_trade_engine
10.      

    2.账号配置

    代码如下（示例）：

11. # 账户配置
12. future_account = FutureAccount(
13.  broker_id='9999',  # 期货公司BrokerID
14.  # server_dict={'TDServer': "180.168.146.187:10130", 'MDServer': '180.168.146.187:10131'},   # TEST
15. server_dict={'TDServer': "218.202.237.33:10102", 'MDServer': '218.202.237.33:10112'},       # 移动
16.  # TDServer为交易服务器，MDServer为行情服务器。服务器地址格式为"ip:port。"
17. reserve_server_dict={},
18. investor_id="****************",     # 账户
19. ="****************",        # 密码
20. app_id='simnow_client_test',        # 认证使用AppID
21. ='0000000000000000',       # 认证使用授权码
22. instrument_id_list=instrument_id_list,  # 订阅合约列表
23. md_page_dir=MD_LOCATION,                # MdApi流文件存储地址，默认MD_LOCATION
24. td_page_dir=TD_LOCATION                 # TraderApi流文件存储地址，默认TD_LOCATION
25. )