【深度学习量化交易12】基于miniQMT的量化交易框架总体构建思路——回测、模拟、实盘通吃的系统架构

我是Mr.看海，我在尝试用信号处理的知识积累和思考方式做量化交易，应用深度学习和AI实现 股票自动交易，目的是实现财务自由~
目前我正在开发基于miniQMT的量化交易系统——看海量化交易系统。

MiniQMT是一种轻量级的量化交易解决方案，使用MiniQMT可实现对交易过程的完全控制，借此优势实现最灵活的系统构建和最前沿的算法应用。然而，MiniQMT也有其挑战，它要求用户具有较强的编程能力，因为很多功能需要自己开发。

在之前的工作中，我介绍了“看海量化交易系统”的开发进展，即目前已经开发完成数据下载、数据清洗和可视化的工作。（如下图演示）

我开发的此系统免费向大家开放使用，获取方式在文末

此外我还用五篇文章的内容详细介绍了一下miniQMT的行情接口和交易接口，因为这是后续系统开发的基础（文章链接附在文末）。

今天开始，将要进入系统开发的核心部分——也就是回测、模拟盘和实盘的系统框架构建，我将该框架命名为khQuant。

零、我为什么要自己搭建一套量化交易框架？

这一节是本文写完之后加的，目的是想要再详细讲讲，在诸多现有量化交易系统可用的当下，我为什么要花这么大的力气再自己做一遍这件事。

1.想要足够开放灵活地实现量化交易。现有的量化交易系统往往对策略开发的方式有较多限制，比如对支持的python第三方包不开放，就限制了最先进的AI算法在量化交易中的应用，这对于我未来想在量化交易领域开展的探索是致命性的约束。基于miniQMT的系统开发几乎将所有自由度都交给了开发者，这是极具诱惑力的。

2.想要策略安全地本地运行。此外基于miniQMT的系统，所有的策略都在本地运行，我们只是调用了行情和交易接口，对于量化交易来说，策略就是一切，本地运行无疑是最安全的。其次是在需要进行大规模数据处理或复杂模型训练时，本地化部署能够提供更好的性能和更低的成本。

3.想要打造一个趁手的“兵器”。关注我的老粉丝可能知道，我以前主要是做信号处理和机器学习算法研究的，在前几年的开发中就有着将工具高效化的开发习惯，在保证专业性的同时实现高度的易用性，软件毕竟只是工具，未来大部分经历是要放在策略研究上的，所以我对这个自己要用的工具的要求就是要足够好用。

最重要的，目前还没有基于miniQMT回测和模拟平台，我开发khQuant框架来吃这个螃蟹，也是给自己和读者朋友们提供更多的可选择空间。

一、khQuant框架总体思路

为了给策略开发提供充分的便利，框架层面的设计我考虑要兼顾以下几点特性：

1. 同一个