量化策略开发，高质量社群，交易思路分享等相关内容

『正文』

大家好，我们在6月29日发布了盘口策略| 回测版，今天我们做好了CTP的实盘版本供俱乐部会员使用和玩耍，今天主要说明一下如何使用CTP实盘版本。

先回顾一下策略逻辑和模块：

策略逻辑

1.开仓条件：多头堆积次数大于X做多，空头堆积次数大于X做空.互为正反手。

2.固定止损：以开仓价格的百分比计算止损价。

3.跟踪止盈：以吊灯方法跟踪价格计算出场线。

策略逻辑非常简单，没有那么多弯弯绕。这也是我非常喜欢它的地方，不用动脑子。订单流策略不同于传统技术指标策略，它无法预测信号。如果是MACD或者KDJ，你甚至可以预判到是否会交叉，但是订单流不行。它是基于最小颗粒度计算的主动买卖力量，只能等到它出现你才知道。

策略模块

通过tick(或逐笔)数据计算of数据
基于of数据计算堆积信号或其他指标
合成堆积信号为bar数据进行回测
基于CTP实时生成OF数据及信号（实盘版）

回测报告

条件设置是：堆积大于5次，正反手，固定止损0.005，固定止盈0.01

回测已经调整好了手续费和滑点，具体品种要针对设置，这也是BackTrader麻烦的地方。为了避免偷价，我们用上一个Bar固定的信号判断，用本根bar的开盘价进行交易。这个回测是沪镍1分钟，回测的时间是2023年1月-6月。

可以点击《盘口策略 | 交易中最重要的是什么？》了解详情

实盘版

实盘版本与回测版的区别在于实时数据传过来时针对数据录入，周期聚合，指标计算，保存读取等模块进行了修改，同时也做了部分优化。交易模块的条件，参数与回测版一致。

模块介绍

该程序的主要目的是处理Tick数据并生成交易信号。代码中定义了一个tickcome函数，它接收到Tick数据后会进行一系列的处理，包括构建Tick字典、更新上一个Tick的成交量、保存Tick数据、生成K线数据等。其中涉及到的一些函数有：

1.on_tick(tick): 处理单个Tick数据，根据Tick数据生成K线数据。

2.tickdata(df, symbol): 处理Tick数据，生成K线数据。

3.orderflow_df_new(df_tick, df_min, symbol): 处理Tick和K线数据，生成订单流数据。

4.GetOrderFlow_dj(kData): 计算订单流的信号指标。

除此之外，代码中还定义了一个MyTrader类，继承自TraderApiBase，用于实现交易相关的功能。

交易函数解释

#下单函数 |  insert_order(self, exchange_id, instrument_id, order_price, order_vol, direction, offset_flag) |      录入报单请求。将订单结构体参数传递给父类方法ReqOrderInsert执行。 |      :param exchange_id:交易所ID。 |      :param instrument_id:合约ID。 |      :param order_price:报单价格。 |      :param order_vol:报单手数。 |      :param direction:买卖方向。 |      (‘买 : 0’,) |      (‘卖 : 1’,) |      :param offset_flag:开平标志，只有SHFE和INE区分平今、平昨。 |      (‘开仓 : 0’,) |      (‘平仓 : 1’,) |      (‘强平 : 2’,) |      (‘平今 : 3’,) |      (‘平昨 : 4’,) |      (‘强减 : 5’,) |      (‘本地强平 : 6’,) |      :return:  开多 |self.insert_order(data['ExchangeID'], data['InstrumentID'], data['AskPrice1'],1,b'0',b'0')  开空  self.insert_order(data['ExchangeID'], data['InstrumentID'], data['BidPrice1'],1,b'1',b'0')  卖平-平多  self.insert_order(data['ExchangeID'], data['InstrumentID'], data['BidPrice1'],1,b'1',b'3')  买平-平空  self.insert_order(data['ExchangeID'], data['InstrumentID'], data['AskPrice1'],1,b'0',b'3')

运行步骤

1.在future_account填写你的模拟账号：

   
 future_account = get_simulate_account(
        investor_id='',  # 账户
        password='',  # 密码
        server_name='电信1',  # 电信1、电信2、移动、TEST、N视界
        subscribe_list=[b'ni2308'],  # 合约列表
    )

如果是穿透好的实盘账号，用下面这个完整的future_account ：

 future_account = FutureAccount(
         broker_id='',  # 期货公司BrokerID
         server_dict={'TDServer': "ip:port", 'MDServer': 'ip:port'},  # TDServer为交易服务器，MDServer为行情服务器。服务器地址格式为"ip:port。"
         reserve_server_dict={},  # 备用服务器地址
         investor_id='',  # 账户
         password='',  # 密码
         app_id='simnow_client_test',  # 认证使用AppID
         auth_code='0000000000000000',  # 认证使用授权码
         subscribe_list=[],  # 订阅合约列表
         md_flow_path='./log',  # MdApi流文件存储地址，默认MD_LOCATION
         td_flow_path='./log',  # TraderApi流文件存储地址，默认TD_LOCATION
     )

默认的品种是'ni2308'

2.class MyTrader是交易策略，可以修改相关的交易设定。默认的跟踪出场参数0.01，固定出场参数是0.005，开仓堆积默认是5(具体品种具体调整)。

3.调整交易周期是在def tickdata函数里的bardata变量的rule参数，默认是1T(1分钟)，可以自行调整交易周期，代码里已经做了聚合处理。

4.运行程序，交易开始：

注：SIMNOW的模拟数据并不适合跑tick数据策略，它的价格没什么我问他，但是成交量有问题。比对之后发现，模拟的量数据比较稀薄。因此不建议用SIMNOW测试，可以尝试接真实的行情，交易用SIMNOW模拟双进程做，但是模拟的交易结果可能存在延迟，所以我打算小资金实盘测试了。

松鼠Quant日内图表

盘口策略是按照Bar线走完交易，很多人误解为是逐tick的高频策略，其实不是。专享06主要是用盘口数据计算出主动强弱的分歧指标，然后去抓一个波段的小周期趋势。它也不是传统意义上的CTA策略，其信号的出现并没有固定规律和特点。订单流策略不同于传统技术指标策略，它无法预测信号。如果是MACD或者KDJ，你甚至可以预判到是否会交叉，但是订单流不行。它是基于最小颗粒度计算的主动买卖力量，只能等到它出现你才知道。

专享06是2023年俱乐部最重要的一个策略，这个月我的小账户做好穿透后会在群内实盘测试，把最新的测试结果分享给大家，共同迭代。

本策略仅作学习交流使用，实盘交易盈亏投资者个人负责。

专享策略06 | 盘口策略CTP实盘版