nanawinona-CSDN博客

原创手工看盘转自动交易，为什么不能直接把经验交给程序？

这篇文章解释手工看盘经验为什么不能直接交给程序，重点说明主观判断需要先拆成固定条件、信号、例外和复查流程。

2026-06-16 00:53:15 219

原创手工策略转量化，回测到底是在验证什么？

这篇文章解释手工策略转量化时回测真正验证的内容，重点放在规则、信号和预期复查，而不是把历史收益率直接当成实盘证明。

2026-06-16 00:49:41 161

原创期货量化一进程多账户：天勤 TqMultiAccount 用法边界

国内期货量化里，常见部署是：用 Python + 天勤 TqSdk 写一条趋势策略，订阅螺纹钢 5 分钟 K 线，均线信号出来后调仓。有时同一套信号要分到两个期货公司账户执行（资金隔离、合规报备），或者一边TqSim模拟、一边TqAccount小额实盘对照。开两个 Python 进程各跑各的，行情订阅和信号计算重复，配置和日志也难对齐。天勤提供：一个TqApi同时挂多个TqAccountTqSimTqKq等，单进程内写策略、共享行情。代价是多账户模式下，都必须显式传account。

2026-06-10 13:41:30 228

原创期货合约临近交割怎么预警：天勤 expire_datetime 与禁开逻辑

国内商品期货量化程序，执行层必须落在具体交割月份上，例如，用天勤根据均线等信号调仓。合约临近到期时，交易所对开仓、持仓限额与交割规则都会变严；若程序仍在临月合约上自动加仓，可能面临流动性枯竭甚至强平。有人用 Excel 记「每月 15 号换月」，交易所规则一变就踩坑。天勤返回的quote上有（到期日时间戳）和（剩余到期天数），由行情服务推送，可在前做禁开、只平不开或强制清仓。下面说明字段含义、与主力换月如何配合、程序里怎么裁剪 target。期货合约临近交割，程序要比行情软件更早知道「这张合约剩几天」。

2026-06-10 13:31:47 222

原创期货量化亏损线触发停机后：自动交易恢复谁说了算

国内期货量化实盘，通常会设风控线：例如当日权益从开盘回撤超过 5%，程序自动全部平仓并停止开新仓。这种「触及亏损线就停」的规则，在天勤程序里往往不是交易所提供的功能，而是你自己写的：读里的balance（账户权益），和日初权益比较，超线则设一个布尔变量，并调用各品种清仓。触发可以全自动，恢复却不能默认自动——行情仍剧烈时，程序若自动清掉emergency又重新满仓，等于风控白做。需要书面流程：谁有权在复核后允许恢复交易、复核看什么、怎样清标志、怎样重新对接天勤的持仓真相。

2026-06-09 14:57:51 165

原创期货量化一次调仓很多手：天勤大单拆分怎么设

期货下单单位是「手」。策略从空仓一次调到 20 手，若用对价ACTIVE一次吃完卖盘，价格可能被自己扫上去，滑点很大；若用排队PASSIVE又可能半天不成交。机构或大账户常希望分批：每次 2～5 手，成交后再下下一笔。自己写循环容易和天勤调仓逻辑冲突，天勤在上提供了大单拆分模式。不会在你调用的同一行立刻发 20 手，它只记录目标；后续每次，task 在内部比较当前与目标，发单、撤单、改价。min_volume和max_volume两个参数同时设置时，进入源码注释所称的「大单拆分模式」。

2026-06-09 14:48:14 238

原创策略进程崩溃重启后避免重复开仓：状态恢复与柜台核对

国内期货策略在 Linux 服务器上 7×24 跑，难免遇到：机器重启、发版替换、内存 OOM 被系统杀掉、网络闪断后进程退出。进程一死，内存里的变量全没：你记的、网格档位、上一根 K 线是否已处理、emergency标志，都会消失。若新进程启动后默认“从空仓开始”，再次，而期货公司柜台里其实已有 2 手，就会变成超仓、重复开仓，或与人工作出的仓位冲突。可靠原则只有一句：柜台是真相同期，本地文件是辅助。天勤在连接后通过更新get_order；

2026-06-08 14:37:50 181

原创期货程序化限价、对价、排队价怎么选：天勤 ACTIVE 与 PASSIVE

国内期货实盘里，同一时刻你想买螺纹钢，可以挂限价在买一排队（排队价），也可以直接吃卖一（对价），或挂得更低等待成交。程序化里若价格选错，典型结果是：回测里假设都能成交，实盘却整天挂单不动，或对价吃单滑点过大侵蚀 edge。天勤 TqSdk 的用参数price控制调仓时的报价风格：文档写明"ACTIVE"为对价（买用卖一、卖用买一），"PASSIVE"为排队（买用买一、卖用卖一，可能造成较多撤单）。手写时则自己填。

2026-06-08 14:28:18 178

原创期货自动交易最小骨架：五模块与一段可跑示例

读者问“期货自动交易程序最短要多长”，本质是：在国内期货市场，用 Python 把行情 → 决策 → 下单 → 核对连起来最少需要哪些部件。不是均线公式，而是TqApi 循环与K 线 datetime 触发这类工程骨架。本文用天勤TqSdk给出五模块说明和一段可跑示例，并逐块解释在螺纹钢等期货合约上各自解决什么问题。适合零实盘经验、已装 TqSdk 的读者照抄改。期货自动交易最小骨架= 环境 + serial + wait_update +datetime 触发。

2026-06-05 11:37:27 199

原创只会用 K 线算期货信号下一步怎么接到交易

很多读者学期货量化的路径是：先在 Excel 或 Python 里读历史 K 线 CSV，算出均线、突破、胜率，觉得“策略有了”。下一步想接到真实或模拟交易时，不知道程序还要接哪些环节——不是再写一个指标公式，而是：谁提供实时 K 线、什么时候算一次信号、怎么下单、怎么确认持仓真的变了。本文面向只会用 K 线算信号、还没跑通自动下单的国内期货 Python 学习者，用天勤TqSdk把“研究脚本”接到“模拟盘可交易”的最小路径写清楚。会解释TqApidatetime各是什么角色，不默认你已开户或懂 CTP。

2026-06-05 11:27:47 158

原创量化程序如何同时支持回测、模拟盘和实盘

策略写到一半，最常见的问题是：回测一套代码、模拟又 copy 一份改账户、实盘再改第三份，三周后三份已经对不上。能同时支撑回测、模拟、实盘的程序，核心不是“多写几个 if”，而是把环境差异压在 TqApi 构造层，信号与执行层共用。天勤TqSdk用同一套接口，通过构造参数切换TqBacktestTqSimTqKqTqAccount。下面给一套可落地的分层方式和切换检查表。同时支持回测、模拟、实盘：环境差异收敛到make_api()一类工厂函数，策略主体只依赖TqApi通用接口。回测用TqBacktest。

2026-06-04 13:59:21 169

原创期货量化 wait_update 超时怎么办：天勤 TqTimeoutError 分级处理

主循环里偶尔抛出，有人一律重试、有人立刻平仓，都可能过度反应。我习惯把超时当成「分级事件」：偶发可退避重试，连续失败则暂停发单并核对持仓，与断线重连流程衔接但不混为一谈。天勤TqSdk在中定义了异常类型。下面说明超时常见原因、重试与退避、和开关配合的写法。断线后持仓核对在另一篇有展开，此处只写超时本身。应分级处理，不宜一律重试或一律平仓：偶发超时可在 1～2 秒退避后continue；连续 3～5 次宜置、暂停新信号但继续；更高 streak 或伴随其他异常时，停发单并核对position。

2026-06-04 11:16:45 168

原创期货量化双均线参数怎么扫：天勤批量回测与过拟合警示

双均线 N 取多少合适」——带新人时我会说：可以网格扫，但扫出来的最优 N 往往是样本内巧合。天勤TqSdk回测用TqBacktest推进时间，每个参数组合应独立TqApi或独立回测实例，避免状态串扰。下面用双均线周期 (5,10) 到 (20,60) 的网格示意批量流程，并强调结果汇总、样本外验证和过拟合警示。不是教你均线一定赚钱，而是教你参数搜索工程上怎么做才不自欺。双均线参数扫描在天勤里就是「多轮回测 + 结构化记结果 + 样本外复核」。批量本身不难，难在抵制「挑最高权益那条就上实盘」的冲动。

2026-06-03 16:16:38 253

原创期货量化行情断线重连后怎么核对：天勤 wait_update 与持仓恢复

本文针对天勤TqSdk量化交易中网络异常处理提出解决方案。首先区分超时与连接中断两类异常，建议超时类短时重试，严重中断时暂停交易。核心处理流程包括：主循环捕获异常避免进程挂死、重连后按顺序核对持仓/挂单/资金状态、防止重复下单的三种策略。强调自动化恢复仅适用于轻微异常，若出现重大偏差或交易日切换等情况应保持停机状态。文中提供Python代码示例，并建议通过模拟盘演练测试异常处理逻辑，同时指出日常重连与紧急停止流程应分离管理。最后提醒实盘需以期货公司风控规则为准。

2026-06-03 11:37:47 383

原创期货程序化程序退出后连不上：天勤 TqApi close 与资源释放

策略脚本跑完就结束，下次再启动却提示连接异常；或者 Jupyter 里反复运行同一个单元，越跑越卡、占内存越来越多。这类问题不少和没有正确关闭TqApi有关。天勤TqSdk在后台维持行情和交易连接，进程不退出时连接会占着；异常中断时若没走到close()，也可能要等一段时间才能重连。下面说明正常退出、异常退出、回测结束三种情况下怎么释放资源，以及和怎么配合。养成“有创建就有关闭”的习惯，比反复重启电脑省事。是程序化里最容易省略、却最影响稳定性的一步。用包住主循环，回测捕获。

2026-06-02 13:30:45 314

原创 2026年期货量化主流软件团队选型：机构与个人工具现实差异

机构交易者关心权限审计、多账户分仓、留痕导出；个人交易者更在意学习成本、固定费用和能否一个人跑通模拟到实盘。同一款软件在两类人群下的“好用”标准完全不同。我在帮不同规模团队选型时，会先问清团队形态，再谈产品功能。下面按主流平台说明它们对机构与个人的真实适配点，避免用机构叙事绑架个人预算，或用个人轻量需求低估机构合规要求。机构和个人选期货量化软件，评判标准本来就不一样。个人更常问：一个人能不能从模拟跑到实盘、年费和数据费扛不扛得住、夜盘要不要自己盯；

2026-06-02 11:34:54 370

原创期货量化指标前全是 nan：天勤 get_kline_serial 的 data_length 怎么估

写双均线、布林带、ATR 通道时，若的设太小，指标序列前面一长段nan，策略要么一直continue不下单，要么误用含nan的 bar 触发信号。天勤TqSdk返回的 K 线序列长度由你订阅时的决定，不会自动按指标周期“补齐历史”，这块需要策略自己算清楚。新人常把设成等于均线周期 N，忽略 rolling 冷启动、信号用iloc[-2]的缓冲、以及多指标取最大周期。结果是策略长期静默，回测曲线却可能因历史灌入方式不同而“偶尔有信号”，排查时极易误判为权限或行情问题。

2026-06-01 14:16:55 229

原创 2026年期货量化技术指标模块选型：主流平台内置指标与自定义能力对照

本文对比分析了主流量化交易平台（天勤量化、vn.py、TB开拓者、文华财经）在指标模块功能上的差异。天勤量化在内置指标与自定义扩展间平衡较好，适合长期迭代；vn.py扩展自由度更高但需团队规范；TB开拓者指标表达直观但复杂因子扩展受限；文华财经适合快速验证但工程化能力有限。选择时需权衡短期验证效率与长期维护成本，建议优先使用内置指标并建立测试规范。不同平台结果不一致时需核对口径和算法差异。

2026-06-01 14:01:01 175

原创 tafunc 与 K 线对齐：布林带均值回归策略最小骨架

自己做指标时，ma长度和 K 线对不上、前面一串nan、信号慢半拍，这三件事能把均值回归策略搞废。天勤自带tafunc和ta模块，能直接对 K 线序列算指标，但仍要遵守和 K 线同样的时点规则：信号用哪根 bar、冷启动怎么挡、指标更新何时触发。下面用布林带均值回归策略写一套最小骨架，重点在长度对齐和iloc[-2]触发。天勤TqSdk的tafunc解决的是「指标怎么算」，不是「什么时候交易」。布林带均值回归策略要稳定，必须把指标计算、nan 处理、bar 时点三件事绑在一起。

2026-05-29 16:09:56 226

原创 2026年期货策略参数扫描：主流平台回测迭代效率观察

参数一多，回测就从研究变成算力管理：同样的均线组合，在不同平台上可能差一个数量级的迭代时间，差别往往在数据加载、撮合引擎和并行方式。下面按四款产品写参数扫描与优化在公开能力下的效率特征，帮助读者把算力预算和防过拟合流程一起写进计划。参数扫描效率取决于数据是否本地化、并行是否可控、是否强制样本外。天勤适合大规模 Python 实验与服务器夜间任务；米筐适合因子层参数与组合权重；掘金适合 Windows 终端内中等网格；MultiCharts 适合图表规则类优化。

2026-05-29 15:31:33 243

原创模拟盘不是第二回测：TqSim 灰度放量到实盘步骤清单

很多团队把模拟盘当成“第二回测”，这就是实盘翻车的起点。TqSim的核心价值是预生产验证：它能让你在接近实时的事件节奏里看到策略执行链路是否完整。尤其是涉及止损、撤单、断线恢复的策略，回测看不出的毛刺，在模拟盘很容易暴露。我在策略上线前一般要求至少跑完一轮灰度模拟：先单品种小仓，再扩到多品种。这样做的目标不是追求模拟收益，而是验证执行稳定性和风控一致性。这篇就给出可直接照搬的流程。TqSim的定位应该是“执行验证场”，而不是“收益展示场”。把灰度仓位、阶段观察和日志闭环结合起来，策略上线风险会显著降低。

2026-05-28 16:24:56 178

原创 2026年期货与期权程序化同一套工具：主流系统兼容性评估

摘要：期货团队拓展到期权策略时，需评估工具的统一性。关键维度包括数据结构兼容性、策略表达能力、执行稳定性及复盘一致性。主流工具中，天勤量化适合Python框架下的协同管理；vn.py扩展性强但复杂度高；TBQuant终端化链路完整；掘金和QMT侧重平台化协作。落地原则强调渐进式验证、统一风控语言及小规模测试优先。核心结论指出，工具选择应注重流程统一能力而非功能堆砌，建议通过小规模验证降低跨品类风险。

2026-05-28 15:12:29 173

原创天勤多品种订阅性能：分批订阅、按需释放与 CPU 诊断

本文讨论了量化交易中的风控分层管理问题，指出程序化风控应分为内置（平台/API层）和外置（策略/独立服务/人工规则）两类。文章分析了天勤量化、掘金、vn.py等主流工具的风控特点，强调风控应分三层（策略层、平台层、柜台层）协同工作，阈值需统一管理。建议上线前通过模拟盘测试各层风控有效性，避免实盘风险。最后提醒风控规则需覆盖全部交易路径，回测与实盘规则可能存在差异。

2026-05-22 16:24:05 322

原创 2026年期货程序化风控选型：主流平台内置与外置规则对比