Python量化交易学习笔记（0）

本文将简单回顾我的量化交易学习的历程，并给出新手学习量化交易的建议学习路线，适合于尚无稳定盈利策略的量化新手阅读，量化大神们请略过。

本文将在博客中置顶，并不定期根据我的学习、交易进行更新。

回顾学习历程

2020年初接触量化交易以来，创建了3个微信群，每个群都有400多位群友，感谢大家捧场，
与群友一同探讨开发策略，也是受益匪浅。

下面按时间顺序介绍下接触过的平台/工具。

zwPython

读书的时候就开通了股票的账户，当时就是凭感觉，一顿胡乱操作，结果可想而知。那时候也想通过历史数据分析，来做自动化的交易，苦于毕业压力，没有再深入调研。

工作以后，开始买书学习，在书上接触了zwPython（极宽量化）。加了他们的付费群（长期不发言，已经被移出群了），把书里给的例子都敲了一遍。

我把zwPython看做是集成了部分量化包的免安装版Anaconda，里面集成了Tushare，可以获取股票的部分数据，还可以自己根据需要安装卸载python的各种包。

优点

• 下载解压即用，无需配置环境。
• 有配套书籍，有实例可参考。

缺点

• 新版zwPython代码更新快，配套书籍跟不上更新速度。
• 没有独立成熟的回测框架。
• 无法对接实盘交易。

我没有研究出zwPython的核心技术在哪里，不做推荐。如果想本地做回测分析，可以使用Anaconda，加股票数据源包（BaoStock\Tushare\AKShare），加独立的回测框架（Backtrader）等。

Backtrader

在zw的群里看到了他们开始研究Backtrader，我也跟着开始了学习。在博客里也发布了大量的Backtrader的文章，记录自己的学习过程。

优点

• 较成熟，社区资源多。
• 代码风格整洁，阅读源代码收获满满。
• 可以用于A股、美股、期货等回测。

缺点

• 需要准备数据源
• 没有官方的A股交易接口

easytrader

这是我自动化交易用过的第一个工具，通过模拟键鼠操作，来实现对指定券商或者同花顺软件进行交易操作。

优点

• 无资金门槛自动化交易方案。

缺点

• 稳定性不足，交易频率稍高就会报错。
• 需配合其他包提供数据源。

qmt

在实盘交易前，用过一小段时间的qmt，编程风格整体偏C++一些。当时用模拟交易功能遇到问题比较多，后来就没当做实盘的工具。qmt用的不多，小结下已知的特点。

特点

• 自带数据源
• 支持A股回测、实盘
• 支持港股通
• 策略本地运行

掘金

用掘金写过一些策略进行回测，掘金应该是做得最完备的交易平台了。

特点

• 支持多种编程语言
• 自带数据源
• 支持A股回测、实盘
• 支持tick级别数据回测、实盘
• 大券商，资金门槛高，佣金高
• 策略本地运行

PTrade

目前回测和实盘都在使用PTrade，PTrade的策略运行在券商服务器上，不需要自己每天都开着终端，策略保密性读者自己考量。

特点

• 自带数据源
• 支持A股回测、实盘
• 资金门槛相对低
• 策略运行在券商服务器上

建议学习路线

心态准备

对新手来说，没有成熟的交易策略，就先降低心理预期，先寻找能跑赢银行定期的策略，再探索高收益的策略，滚雪球。

选择工具

建议以A股实盘为目标的读者，直接使用PTrade/qmt/掘金等券商提供的工具，开始进行量化研究，原因如下：

• 无需单独采集数据
• 同时支持回测和实盘交易，回测和实盘代码可以保持基本一致
• 券商提供工具，交易接口稳定，有较丰富的教程，有支撑服务团队

策略实现

如果读者已经有完整的策略思路，那么可以直接在量化工具上编写代码进行回测实盘；如果还没有，那么可以去网上找找公开的策略，选一个自己能理解、能够承载自己的资金量、收益和回撤等方面自己能够接受的策略，在此基础上进行改进，然后回测实盘。我目前实盘的策略就是和小伙伴通过后面这条路线实现的。

不断优化

策略回测和实盘之间区别还是很大的，实盘时会遇到各种回测无法遇到的问题，包括量化工具自身在实盘中会出现问题，量化工具在回测和实盘定义不同的接口，实盘中订单各种无法成交的情况等等。

我们可以在策略编写时尽量让回测代码与实盘代码保持一致，并且尽量考虑到实盘中可能遇到的各种异常情况，来缩小回测和实盘间的差别。但实际上确实很难做到一锤定音，还是要不断修改优化。我的策略已实盘了6个月，才算基本稳定。

探索新策略

单个策略的资金最大容量往往有限，需要不断探索新策略充实我们的策略兵器库，来承载更大容量的资金。

插播小AD

需要开户获取交易平台的读者可以加文末微信留言。
想要合作的券商经理也可微信联系。

近期计划

目前我的策略是运行在PTrade上的，积累了一些PTrade的实战经验，所以近期还是计划使用PTrade优化现有策略和探索新策略。

计划新建一个PTrade交流群，大家一起探索新的策略，构建PTrade兵器库，玩转PTrade。

近期（2023年9月）行情不好，给大家打打气，量化交易是可以努力的方向。从2023年3月份部署了新策略，期间一边实盘一边优化，截止9月份，只有3月份是亏损的，其余月份都实现了盈利，最大回撤是8%左右。如果策略代码能够一步优化到现在的程度，策略应该能表现的更好一些。

终身学习，一起加油吧！！！

---

博客内容只用于交流学习，不构成投资建议，盈亏自负！

个人博客：http://coderx.com.cn/（优先更新）
项目最新代码：https://gitee.com/sl/quant_from_scratch
欢迎大家转发、留言。有微信群用于学习交流，感兴趣的读者请扫码加微信！
如果认为博客对您有帮助，可以扫码进行捐赠，感谢！