使用 Python、IBPy 和 Interactive Brokers API 实现交易自动化

不久前，我们讨论了如何设置 Interactive Brokers 模拟账户。Interactive Brokers 是零售算法交易者使用的主要经纪商之一，因为它的最低账户余额要求相对较低（10,000 美元）且 API（相对）简单。在本文中，我们将使用模拟账户通过 Python 和 IBPy 插件自动执行 Interactive Brokers API 交易。

披露：我与 Interactive Brokers 没有任何关系。我之前在专业基金环境中使用过它们，因此熟悉它们的软件。

盈透证券 API

Interactive Brokers 是一家大型企业，因此服务范围广泛，从自由散户到自动化机构。这使得他们的 GUI 界面 Trader Workstation (TWS) 拥有大量“花哨”的功能。

除了 TWS 之外，还有一个轻量级组件，称为 IB 网关，它提供对 IB 服务器的相同访问，尽管没有 GUI 的额外功能。对于我们的自动交易目的，我们实际上不需要 TWS GUI，但我认为在本教程中使用它具有示范作用。

底层架构基于客户端/服务器模型，通过 API 提供执行和市场数据（历史和实时）。在本教程中，我们将利用此 API 通过 IBPy 发送自动订单。

IBPy 的编写是为了“包装”原生 Java API，使其可以直接从 Python 调用。我们感兴趣的 IBPy 中的两个主要库是ib.ext和ib.opt。后者是更高级别的，并使用了前者中的功能。

在以下实施中，我们将创建一个非常简单的示例，该示例将使用智能订单路由简单地发送一个购买 100 股 Google 股票的市价订单。后者旨在在实践中实现最佳价格，尽管在某些情况下它可能不是最优的。然而，对于本教程的目的来说，这就足够了。

Python 中的实现

在开始之前，我们必须遵循先前教程中关于设置 Interactive Brokers 帐户的步骤。此外，还需要有一个先前的 Python 工作区，以便我们可以安装IBPy，这将允许您将代码的其他方面结合在一起。有关安装 Python 研究环境的教程将创建必要的工作区。

安装 IBPy

IBPy是一个基于 Java 的 Interactive Brokers API 编写的 Python 包装器。它使用 Python 开发算法交易系统变得不那么麻烦。它将被用作与 Interactive Brokers 的所有后续通信的基础，直到我们稍后考虑 FIX 协议。

由于 IBPy 在GitHub上作为git存储库维护，因此我们需要安装 git。在 Ubuntu 系统上，此操作由以下方式处理：

sudo apt-get install git-core

安装 git 后，您可以创建一个子目录来存储 IBPy。在我的系统上，我只是将其放在我的主目录下：

扫描二维码关注公众号，回复： 17466265 查看本文章

mkdir ~/ibapi

下一步是通过以下方式下载 IBPy git clone：

cd ~/ibapi
git clone https://github.com/blampe/IbPy

确保进入 IbPy 目录并使用首选的 Python 虚拟环境进行安装：

cd ~/ibapi/IbPy
python setup.py.in 安装

这样就完成了 IBPy 的安装。下一步是打开 TWS（如上一个教程中所述）。

TWS 投资组合视图（Google Trade 之前）

自动交易

以下代码将演示一个非常简单的基于 API 的订单机制。该代码远未投入生产，但它确实演示了 Interactive Brokers API 的基本功能以及如何使用它来执行订单。

以下所有代码都应位于ib_api_demo.py文件中。第一步是从较低级别的库导入Contract和对象。此外，我们还从较高级别的库导入和对象：Order``ib.ext``Connection``message``ib.opt

# ib_api_demo.py

from ib.ext.Contract import Contract
from ib.ext.Order import Order
from ib.opt import Connection, message

IB 为我们提供了通过回调机制处理错误和服务器响应的能力。以下两个函数的作用只是打印出从服务器返回的消息内容。更复杂的生产系统必须实现逻辑，以确保在出现异常行为时系统能够持续运行：

# ib_api_demo.py

def error_handler(msg):
    """Handles the capturing of error messages"""
    print "Server Error: %s" % msg

def reply_handler(msg):
    """Handles of server replies"""
    print "Server Response: %s, %s" % (msg.typeName, msg)

Contract以下两个函数包装了和对象的创建Order，并设置了各自的参数。函数文档分别描述了每个参数：

# ib_api_demo.py

def create_contract(symbol, sec_type, exch, prim_exch, curr):
    """Create a Contract object defining what will
    be purchased, at which exchange and in which currency.

    symbol - The ticker symbol for the contract
    sec_type - The security type for the contract ('STK' is 'stock')
    exch - The exchange to carry out the contract on
    prim_exch - The primary exchange to carry out the contract on
    curr - The currency in which to purchase the contract"""
    contract = Contract()
    contract.m_symbol = symbol
    contract.m_secType = sec_type
    contract.m_exchange = exch
    contract.m_primaryExch = prim_exch
    contract.m_currency = curr
    return contract

def create_order(order_type, quantity, action):
    """Create an Order object (Market/Limit) to go long/short.

    order_type - 'MKT', 'LMT' for Market or Limit orders
    quantity - Integral number of assets to order
    action - 'BUY' or 'SELL'"""
    order = Order()
    order.m_orderType = order_type
    order.m_totalQuantity = quantity
    order.m_action = action
    return order

该__main__函数最初为 Trader Workstation 创建一个Connection对象，该对象必须运行才能使代码发挥作用。然后，错误和回复处理程序函数将注册到连接对象。随后order_id定义一个变量。在生产系统中，必须为每个交易订单增加该变量。

接下来的步骤是创建一个Contract和一个代表购买 100 股 Google 股票的市价订单。最后的任务是通过对象的方法Order实际下达该订单。然后我们断开与 TWS 的连接：placeOrder``Connection

# ib_api_demo.py

if __name__ == "__main__":
    # Connect to the Trader Workstation (TWS) running on the
    # usual port of 7496, with a clientId of 100
    # (The clientId is chosen by us and we will need 
    # separate IDs for both the execution connection and
    # market data connection)
    tws_conn = Connection.create(port=7496, clientId=100)
    tws_conn.connect()

    # Assign the error handling function defined above
    # to the TWS connection
    tws_conn.register(error_handler, 'Error')

    # Assign all of the server reply messages to the
    # reply_handler function defined above
    tws_conn.registerAll(reply_handler)

    # Create an order ID which is 'global' for this session. This
    # will need incrementing once new orders are submitted.
    order_id = 1

    # Create a contract in GOOG stock via SMART order routing
    goog_contract = create_contract('GOOG', 'STK', 'SMART', 'SMART', 'USD')

    # Go long 100 shares of Google
    goog_order = create_order('MKT', 100, 'BUY')

    # Use the connection to the send the order to IB
    tws_conn.placeOrder(order_id, goog_contract, goog_order)

    # Disconnect from TWS
    tws_conn.disconnect()

最后一步是运行代码：

python ib_api_demo.py

可以立即看到 Trader Workstation 中打开了 API 选项卡，其中显示了做多 100 股 Google 股票的市价订单：

Google订单后的TWS API标签视图

如果我们现在查看投资组合选项卡，我们可以看到 Google 头寸。您还会注意到列表中有一个外汇头寸，这不是我生成的！我只能假设 IB 模拟账户以某种方式“共享”（由于登录信息相同）或 IB 向账户下达任意订单以使其看起来更“真实”。如果有人对这种行为有任何见解，我会很想了解更多：

Google 订单之后的 TWS API 投资组合视图

这是我们可以考虑的最基本的自动执行形式。在后续文章中，我们将构建一个更强大的事件驱动架构，以处理现实的交易策略。