纳指期货涨的太狠了，老板交给我一个任务，看看能不能实现程序化交易。我想这操蛋啊，当年玩比特币俩月亏了一半，最后勉强回本就不玩了。结果刚不玩就一波大涨突破十万了。。。只能说哥们没这个命。但老板的任务得琢磨琢磨啊，经过一番学习，量化水真深。一开始还想着自己写个平台，发现毛都不懂，好不容易整出来的东西还死慢，不如直接用大佬的东西，发现了VNPY，开源万岁。
VNPY简单入门安装Windows直接去官网安装社区版就好了，甚至省去了git clone的功夫，现在直接可以安装可视化界面了，傻瓜式部署。
数据导入根据文档，通常可以直接下载数据，但是一些海外市场的数据可能没有，或者有自己导入数据的需求，可以直接准备数据导入即可。
这里勾选应用模块下的DataManager，点击启动。
事实上，可以一次全部启动所需要的模块，这里为了演示，每次只启动一个。
在弹出窗后的工具栏选择 功能 -> 数据管理，弹出以下窗口，随后导入数据，一步步根据实际情况导入数据即可。这里假设我需要导入的是微型纳指100指数期货的历史小时数据。
导入完成后，左侧刷新会看到导入好的数据，本地代码为MNQ.CME，之后回测会用到。
回测回到之前的界面，这次勾选CtaBacktester（CTA回测研究模块），启动。同样，在弹出的窗口功能栏点击CTA回测启动新窗口。
在新窗口，输入必要的信息，如刚才记录的本地代码，回测策略，交易费用等信息。这里的DemoStrategy是最简单的双均线策略，不存在与预设的策略中，怎么加自定义策略后面会讲。
这里就多尝试功能吧，不赘述了，运行过后所有结果都会出现在右侧。
自定义策略注意到在启动时，最右下角有个运行目录了吗？这就是项目信息保存的目录，我们的自定义策略也需要放在这个下面。
导航到这个文件夹下，新建文件夹“strategies”，这个文件夹里头存放的就是自己写的策略，每次程序启动就会扫描这个文件夹，然后把策略显示在回测平台。
示例代码如下，我忘了从哪抄的了，想起来补上出处，只是一个最简单的双均线策略，但是可以通过代码学习以下如何开发适合这个平台的策略。
from vnpy_ctastrategy import (
CtaTemplate,
StopOrder,
TickData,
BarData,
TradeData,
OrderData,
BarGenerator,
ArrayManager,
)
class DemoStrategy(CtaTemplate):
"""演示用的简单双均线"""
# 策略作者
author = "Smart Trader"
# 定义参数
fast_window = 10
slow_window = 20
# 定义变量
fast_ma0 = 0.0
fast_ma1 = 0.0
slow_ma0 = 0.0
slow_ma1 = 0.0
# 添加参数和变量名到对应的列表
parameters = ["fast_window", "slow_window"]
variables = ["fast_ma0", "fast_ma1", "slow_ma0", "slow_ma1"]
def __init__(self, cta_engine, strategy_name, vt_symbol, setting):
"""
构造函数
"""
super().__init__(cta_engine, strategy_name, vt_symbol, setting)
# K线合成器：从Tick合成分钟K线用
self.bg = BarGenerator(self.on_bar)
# 时间序列容器：计算技术指标用
self.am = ArrayManager()
def on_init(self):
"""
当策略被初始化时调用该函数。
"""
self.write_log("策略初始化")
# 加载10天的历史数据用于初始化回放
self.load_bar(10)
def on_start(self):
"""
当策略被启动时调用该函数。
"""
self.write_log("策略启动")
# 通知图形界面更新（策略最新状态）
self.put_event()
def on_stop(self):
"""
当策略被停止时调用该函数。
"""
self.write_log("策略停止")
self.put_event()
def on_tick(self, tick: TickData):
"""
通过该函数收到Tick推送。
"""
self.bg.update_tick(tick)
def on_bar(self, bar: BarData):
"""
通过该函数收到新的1分钟K线推送。
"""
am = self.am
# 更新K线到时间序列容器中
am.update_bar(bar)
# 若缓存的K线数量尚不够计算技术指标，则直接返回
if not am.inited:
return
# 计算快速均线
fast_ma = am.sma(self.fast_window, array=True)
self.fast_ma0 = fast_ma[-1] # T时刻数值
self.fast_ma1 = fast_ma[-2] # T-1时刻数值
# 计算慢速均线
slow_ma = am.sma(self.slow_window, array=True)
self.slow_ma0 = slow_ma[-1]
self.slow_ma1 = slow_ma[-2]
# 判断是否金叉
cross_over = (self.fast_ma0 > self.slow_ma0 and
self.fast_ma1 < self.slow_ma1)
# 判断是否死叉
cross_below = (self.fast_ma0 < self.slow_ma0 and
self.fast_ma1 > self.slow_ma1)
# 如果发生了金叉
if cross_over:
price = bar.close_price + 5
if self.pos == 0: # 当前无仓位，则直接开多
self.buy(price, 1)
elif self.pos < 0: # 当前持有空头仓位，则先平空，再开多
self.cover(price, 1)
self.buy(price, 1)
# 如果发生了死叉
elif cross_below:
price = bar.close_price - 5
if self.pos == 0: # 当前无仓位，则直接开空
self.short(price, 1)
elif self.pos > 0: # 当前持有多头仓位，则先平多，再开空
self.sell(price, 1)
self.short(price, 1)
self.put_event()
def on_order(self, order: OrderData):
"""
通过该函数收到委托状态更新推送。
"""
pass
def on_trade(self, trade: TradeData):
"""
通过该函数收到成交推送。
"""
self.put_event()
def on_stop_order(self, stop_order: StopOrder):
"""
通过该函数收到本地停止单推送。
"""
pass
保存后，再次启动程序回测时就能看到了。
总结这篇文章简单讲了一下VNPY这个开源量化平台的基本使用，下一篇应该讲讲如何对接IB盈透证券使用吧，主要讲讲如何先使用延迟数据测试，毕竟哪有那么对富人呢，对吧，都是臭打工的。