量化交易系统开发-实时行情自动化交易-8.22.富途牛牛平台

19年创业做过一年的量化交易但没有成功，作为交易系统的开发人员积累了一些经验，最近想重新研究交易系统，一边整理一边写出来一些思考供大家参考，也希望跟做量化的朋友有更多的交流和合作。

接下来会对于富途牛牛平台介绍。

富途牛牛是一款提供股票交易、行情查看以及社区互动的综合性投资平台。随着量化交易的普及，富途牛牛平台也逐渐提供了支持程序化交易的接口和服务，通过其API开发者可以实现从数据获取到策略开发与回测的一体化流程。本文以一个经典的“双均线策略”为例，详细展示如何在富途牛牛平台上进行量化交易开发与回测。

1. 策略背景：双均线策略

策略逻辑

双均线策略是一种趋势跟随型策略，利用短期和长期均线的交叉关系生成买卖信号：

买入信号：短期均线（如10日均线）上穿长期均线（如50日均线），称为黄金交叉。
卖出信号：短期均线下穿长期均线，称为死亡交叉。

策略特点

适用场景：适用于趋势性较强的市场，能有效捕捉价格波动。
局限性：在震荡市场中可能出现较多错误信号。

2. 策略开发

富途牛牛支持通过其官方API接口开发量化交易策略。以下为基于“双均线策略”的开发和回测过程。

（1）准备工作

在使用富途API之前，需要完成以下准备：

注册API权限：通过富途牛牛的开放平台申请开发者权限。
安装SDK：富途牛牛提供了Python SDK，用户需先安装：
```
pip install futu-api
```

（2）初始化参数与环境

# 导入所需模块
from futu import OpenQuoteContext
import pandas as pd

# 策略参数
SHORT_PERIOD = 10  # 短期均线周期
LONG_PERIOD = 50   # 长期均线周期
INITIAL_CAPITAL = 100000  # 初始资金
STOCK_CODE = 'HK.00700'  # 腾讯控股

（3）获取历史数据

通过富途API获取指定股票的历史数据。

# 获取股票历史数据函数
def get_stock_data(stock_code, start_date, end_date):
    quote_ctx = OpenQuoteContext(host='127.0.0.1', port=11111)  # 初始化行情接口
    ret, df = quote_ctx.get_history_kline(stock_code, start=start_date, end=end_date, ktype='K_DAY', autype='qfq')
    quote_ctx.close()  # 关闭连接
    if ret != 0:
        raise Exception(f"获取数据失败: {df}")
    df = df[['time_key', 'close']]  # 提取日期和收盘价
    df.rename(columns={'time_key': 'Date', 'close': 'Close'}, inplace=True)
    df['Date'] = pd.to_datetime(df['Date'])
    df.set_index('Date', inplace=True)
    return df

# 加载历史数据
start_date = '2020-01-01'
end_date = '2022-01-01'
data = get_stock_data(STOCK_CODE, start_date, end_date)

（4）计算均线

根据收盘价计算短期和长期移动平均线。

# 计算均线
data['Short_MA'] = data['Close'].rolling(window=SHORT_PERIOD).mean()
data['Long_MA'] = data['Close'].rolling(window=LONG_PERIOD).mean()

（5）生成交易信号

根据均线交叉情况生成买卖信号。

# 生成买卖信号
data['Signal'] = 0  # 初始化信号
data.loc[data['Short_MA'] > data['Long_MA'], 'Signal'] = 1  # 买入信号
data.loc[data['Short_MA'] <= data['Long_MA'], 'Signal'] = -1  # 卖出信号

（6）回测逻辑

通过信号模拟交易，计算资金曲线与持仓。

# 初始化回测环境
data['Position'] = 0  # 持仓状态
data['Cash'] = INITIAL_CAPITAL  # 初始资金
data['Portfolio'] = INITIAL_CAPITAL  # 总资产

# 回测过程
holdings = 0  # 持仓数量
entry_price = 0  # 记录买入价格

for i in range(1, len(data)):
    current_signal = data.iloc[i]['Signal']  # 当前信号
    current_price = data.iloc[i]['Close']   # 当前收盘价
    
    # 买入逻辑
    if current_signal == 1 and holdings == 0:
        holdings = data.iloc[i - 1]['Cash'] // current_price  # 按当前资金最大买入
        data.at[data.index[i], 'Cash'] = data.iloc[i - 1]['Cash'] - holdings * current_price
        data.at[data.index[i], 'Position'] = holdings
        entry_price = current_price  # 记录买入价格

    # 卖出逻辑
    elif current_signal == -1 and holdings > 0:
        data.at[data.index[i], 'Cash'] = data.iloc[i - 1]['Cash'] + holdings * current_price
        holdings = 0
        data.at[data.index[i], 'Position'] = holdings

    # 更新总资产
    current_holdings = holdings * current_price  # 持仓市值
    data.at[data.index[i], 'Portfolio'] = data.iloc[i]['Cash'] + current_holdings

3. 策略优化

（1）参数优化

通过网格搜索寻找短期和长期均线的最佳周期。

# 参数优化
best_params = None
best_return = -float('inf')

for short_period in range(5, 21):
    for long_period in range(30, 101):
        if short_period >= long_period:
            continue
        data['Short_MA'] = data['Close'].rolling(window=short_period).mean()
        data['Long_MA'] = data['Close'].rolling(window=long_period).mean()
        data['Signal'] = 0
        data.loc[data['Short_MA'] > data['Long_MA'], 'Signal'] = 1
        data.loc[data['Short_MA'] <= data['Long_MA'], 'Signal'] = -1

        # 简化回测逻辑，仅计算最终收益率
        holdings = 0
        cash = INITIAL_CAPITAL
        for i in range(1, len(data)):
            signal = data.iloc[i]['Signal']
            price = data.iloc[i]['Close']
            if signal == 1 and holdings == 0:
                holdings = cash // price
                cash -= holdings * price
            elif signal == -1 and holdings > 0:
                cash += holdings * price
                holdings = 0
        portfolio = cash + holdings * data.iloc[-1]['Close']
        total_return = (portfolio - INITIAL_CAPITAL) / INITIAL_CAPITAL

        if total_return > best_return:
            best_return = total_return
            best_params = (short_period, long_period)

print(f"最佳参数：短期均线={best_params[0]}, 长期均线={best_params[1]}, 总收益率={best_return:.2%}")

（2）止盈止损

为策略引入止盈止损机制。

TAKE_PROFIT = 0.1  # 止盈10%
STOP_LOSS = 0.05   # 止损5%

for i in range(1, len(data)):
    if holdings > 0:
        pnl = (data.iloc[i]['Close'] - entry_price) / entry_price
        if pnl >= TAKE_PROFIT or pnl <= -STOP_LOSS:
            data.at[data.index[i], 'Cash'] = data.iloc[i - 1]['Cash'] + holdings * data.iloc[i]['Close']
            holdings = 0
            data.at[data.index[i], 'Position'] = holdings