量化交易系统开发策略（源码demo示例）

一个基本的量化交易系统大致上有两个分层：资金管理层与 ( 商品 策略 ) 层。 框架 ( 模组 )决定好了，再更有系统地强化各个模组，进而更接近交易本质。初阶的交易者多数先选定一个邻近市场，如外汇或是熟悉的台股、台指期、台指选择权，并进行策略的开发。一个基本策略的框架大致上如下，可以分成数个模组，设计者可以依循这样的框架进行一个初步策略开发或交易程式撰写：

1、多空指标也就是多数人所认知的技术分析，诸如均线、KD、MACD、董诠通道、布林通道等大家耳熟能详的指标，场内游戏者希望能够藉此探知当前市场状态，是多或空。

2、交易合约模组 这个模组会较为细分，因不同交易所提供的商品与合约不同，使用这一模组可以快速选定特定商品与合约进行交易。

3、风控模组 交易员可以设置停损、加码、减码等动作，以及交易杠杆比例。

4、交易执行模组 这个模组会负责开平仓的讯号执行，以及订单的管理。

5、数据管理模组 这个模组通常会包括行情数据、财务数据、以及交易记录。

6、运算模组 这个模组可以进行技术指标计算、机器学习以及深度计算。

以下是一个简单的量化交易系统开发170系统-2006搭建-5093可电可微源码demo（使用Python编写），供参考：

i

import numpy as np

import pandas as pd

from sklearn import linear_model

import numpy as np

import pandas as pd

from sklearn import linear_model

# 定义交易资金

capital = 100000

# 定义每次交易的数量

trade_qty = 1000

# 定义交易费用

trade_fee = 0.003

# 定义时间跨度

time_span = 10

# 计算交易收益

def calc_profit(open_price, close_price):

    return (close_price - open_price) * trade_qty -trade_qty * trade_fee * 2

# 计算交易均值回归模型

def calc_linear_model(df):

    X = np.array(df['open']).reshape(-1, 1)

    y = np.array(df['close']).reshape(-1, 1)

    model = linear_model.LinearRegression()

    model.fit(X, y)

    return model.coef_[0][0], model.intercept_[0]

# 读入交易数据

df = pd.read_csv('trade_data.csv')

# 计算交易均值回归模型参数

slope, intercept = calc_linear_model(df)

# 初始化资产和交易结果

capital_list = []

result_list = []

# 开始交易

for i in range(time_span, len(df)):

    # 计算收益

    open_price = df.iloc[i-time_span]['open']

    close_price = df.iloc[i]['close']

    profit = calc_profit(open_price,close_price)