python从零开始写一个量化交易策略，框架要如何设计？

一直有朋友询问我关于量化交易的问题，虽然之前也介绍了一些量化交易框架（backtrader）的使用，但是依然有很多人还是比较困惑，为什么呢？因为成熟的框架是经过高度封装的，很多具体的原理我们没办法理解透彻，除非我们有非凡的毅力去啃他的源代码，但是我相信大部分人都没有这个毅力和能力，而且也没必要，我们使用量化框架的目的是为了提高我们交易的效率和成绩，而不是成为编程专家。

之所以很多人想要对回测框架的理解更深入一些，是因为他们想要尝试将自己的策略量化，但是他们又不知道在backtrader中如何把自己的策略写成代码，所以这就是一道不可逾越的知行合一的鸿沟。

今天我就把这道鸿沟填平，我将带着大家，一点点地从零开始写出一个策略，而在写代码之前，要先学会思考和梳理流程。

量化回测的流程如下：

流程大致如上图所示，具体操作过程和代码框架如下

获取数据并存入本地硬盘

量化的基础就是获取股票的历史数据，你可以使用各种开源框架获取股票的历史数据，我一般是把各个周期（5分钟，15分钟，30分钟，日，周，月）的数据全部下载下来。

加载数据到策略中

通常我们需要把csv格式的股票数据加载到python中，这样才方便我们处理，所以我们需要写一个数据加载函数。

def load_ohlc_from_local():
    df=pd.read_csv(r'D:/python_stock/stock_data/{}_d.csv'.format(stk_code),parse_dates=['date'],index_col='date')
    df=df[['open','high','low','close','volume']]
    return df[pd.to_datetime(bt_start_date):]

计算指标

当把数据加载到python中以后，我们可以进一步对其进行各种指标的计算。

比如最简单的就是计算某周期的均线，我们这里计算20日均线

ma20=df.close.rolling(20).mean()

当然你也可以计算更多的指标，这主要取决于你的策略需要使用到哪些指标。

设计策略规则

计算完各种技术指标（当然真正的量化因子不只有技术指标，但是最基础最好获取的就是技术指标）之后，我们就可以设计我们的买卖策略了。

就以最简单的20日均线作为标准设计一个策略：

如果价格大于20日均线的1.02倍，则买入。

如果价格小于20日均线的0,98倍，则卖出。

韭菜AI量化

这就是一个最简单的单均线策略。

判断买入信号

原始价格数据有了，用于生成交易信号的指标也有了，接下来我们就可以扫描整个回测周期内的数据，用于生成买入信号。

这里我们需要先写一个for循环用来遍历整个股票历史数据。

for data in df:
    pass

紧接着我们需要用价格和均线数据进行比较。

if close>ma20*1.02:
    pass

判断是否有持仓

由于我们是从零开始，所以不宜把策略搞得过于复杂，所以我们这里只做单一股票的操作，规则就是每次都是全仓进出，所以在策略的执行过程中，首先需要去判断是否存在交易信号，然后我们要判断是否有持仓，如果有持仓，那么我们就不能继续买入，如果没有持仓我们才会继续买入。

下面是判断是否有持仓的伪代码：

if 当前订单==0:
    buy()

买入函数

如果策略判断当前还没有持仓，则我们可以买入股票。

我们需要定义买入函数。

如果是实盘交易，我们的买入函数会将交易指令发送到券商。

而虚拟盘则不需要，但是包含的信息是一致的。

这其实和你手动交易没什么区别，只是我们将买入的动作程序化了而已。

买入函数定义如下：

def buy(股票代码,买入价格,买入股数,买入日期):
    pass

持仓监控

买入持仓后，程序会继续按日期循环数据，寻找卖出信号。

判断卖出信号

与买入类似，这里不再赘述。

if close<ma20*0.98:
    pass

卖出函数

同样这一段我们也需要先检查持仓，我们必须要有持仓才能做卖出操作，与买入检查持仓逻辑一致，这里就不再赘述了。

卖出函数如下：

def sell(股票代码,卖出价格,卖出股数,卖出日期):
    pass

统计总体收益

在一个回测周期内，通常会进行若干次买卖，最终我们需要统计总体收益，从而判断这个策略是否值得我们拿真金白银去投入。

统计总体收益函数如下：

def calc_total_pnl():
    total_pnl=0
    for order in history_orders.values():
        total_pnl+=order['pnl']
    return total_pnl

总结

通过量化交易流程图和一些文字描述，相信你对量化交易的具体实施有了一个更深入的了解，如果你有一定的编程基础，相信按照这个流程应该可以自己写出一个完整的量化交易策略。

感兴趣的小伙伴，赠送全套Python学习资料，包含面试题、简历资料等具体看下方。

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

若有侵权，请联系删除