同花顺股票交易接口怎样执行量化挂单策略？

Posted 2023-04-08 Q_121463726

证券同花顺股票交易接口是实现自动量化交易重要系统之一，主要是指在证券市场中，通过对交易资金及交易报价等数据进行批量比对后，分别找出资金数据及价格数据的运作规律，并根据这种规律进行投资交易。那么，同花顺股票交易接口怎样执行挂单程序？

import numpy as np
import pandas as pd
 
# 同花顺股票交易接口支持期货策略类，包括开仓、买入、止盈、止损方法与策略执行主函数
class StockStrategy:
    df = None
    open_offset_num = 5
    buy_in_offset_num = 0
    stop_win_offset_num = 0
    stop_lose_num = 0
    price_list = []
    price_stop_lose = []
    flag_buy_in = False
    need_sell_out = False
    stop_lose_rate = 3
 
    # 初始化策略类StockStrategy
    def __init__(self, df: pd.DataFrame) -> None:
        self.df = df
 
    # 设置止损模块，止损比例
    def set_stop_lose_rate(self, slr) -> None:
        self.stop_lose_rate = slr
 
    # 设置偏移量: 开仓偏移、买入偏移和止盈偏移，如需修改止损量，需重写set_stop_lose_num(self, date)方法
    def set_offset_num(self, oon: int, bion: int, swon: int) -> None:
        if oon is not None:
            self.open_offset_num = oon  # 开仓偏移量
        if bion is not None:
            self.buy_in_offset_num = bion  # 买入偏移量
        if swon is not None:
            self.stop_win_offset_num = swon  # 卖出偏移量
 
    # 返回买卖结果
    def get_buy_sell_list(self) -> list:
        return self.stock_strategy_main()
 
    # 准备开仓模块
    def strategy_open(self, i) -> bool:
        df = self.df
        if df['hl'][i] <= (df['支撑线'][i] + self.open_offset_num):
            return True
        else:
            return False
 
    # 买入策略模块
    def strategy_buy_in(self, i) -> bool:
        df = self.df
        if df['hl'][i] >= (df['阻力线'][i] + self.buy_in_offset_num):
            return True
        else:
            return False
 

股票量化简介

股票量化交易

金融市场基础知识

1.量化交易简介

1.1定义

量化交易（量化投资）是指借助现代统计学和数字（机器学习）的方法，利用计算机技术来进行交易的证券投资方式

• 量化交易从庞大的数据中海选出能带来超额收益的多种大概率事件指定策略，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以获得可以持续的，稳定且高于平均收益的超额回报。

1.2掌握技能

• 现代统计学和机器学习的方法
• 计算机技术（编程、IT互联网）
• 证券的投资或者分析方法
• 用数量模型检验及固化这些规模和策略，然后严格执行已经固化的策略来指导投资
• 掌握技能：金融策略、挖掘技术、计算机技术

1.3量化交易分类

量化交易

• 趋势性交易
  • 期货 CTA
• 市场中性
  • Alpha策略
    • 对冲
    • 量化选股
    • 择时
  • 统计套利
• 高频交易
  • 程序化交易

我们所做的量化投资：市场中性策略

三种分类特点以及要求

1.3.1趋势性交易

• 金融专业出身，对财务、金融市场非常了解（交易员、基金经理）

适合一些主观交易的高手，用技术指标作为辅助工具在市场中如鱼得水，但如果只用各种技术指标或指标组合作为核心算法构件模型，从未见过能长期盈利的。

一般也会做一些量化分析操作，使用编程如python/matlab

1.3.2市场中性

• 计算机专业出身，擅长编程、机器学习、数据挖掘技术

在任何市场环境下风险更低，收益稳定性更高，资金容量更高，适合一些量化交易者，发现市场中的alpha因子赚取额外收益，例如股票与股指期货的对冲策略等。

会做一些量化分析操作，使用编程如python/matlab

1.3.3高频交易

• 非常擅长算法编程，主要做交易（算法高手）

在极端的时间内频繁买进卖出，完成多次大量的交易，此类交易方式对硬件系统以及市场环境的要求极高，所以只有在成熟市场中的专业机构才会得到应用。

适合一些算法高手，使用C/C++编程，进行算法交易，对软硬件要求比较高

1.4金融产品的投资策略

股票：市场中性策略占大多数、设计Alpha策略

期货：趋势性策略占大多数，CTA策略、统计套利策略 、Alpha策略

注：比特币不属于衍生产品，通常使用的也是趋势策略，少部分使用高频策略

1.5量化交易的优势

• 严格的纪律性
• 完备的系统性
  • 完备的系统性体表现为三多
    • 首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型
    • 其次是多角度，量化交易的核心投资包括宏观周期，市场结构、估价、成长、盈利质量、分析师盈利预测、市场情绪等多个角度
    • 再者就是多数据，就是海量数据处理。人脑处理信息的能力是有限的，当一个资本市场只有100只股票，者 对定性投资基金经理是有优势的，他可以深刻分析这100家公司，但在一个很大的资本市场，比如有成千上万只股票的时候，强大的量化交易的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。
• 靠数学模型取胜
  • 股票实际操作过程中，运用概率分析，提高吗，买卖成功的概率

1.6小结

股票的量化投资可以说是一种价值投资，我们所做的也是去挖掘市场中的价值股票，而并非去预测股票涨跌来进行投资等等（至少目前机构不会采取这种方式指导投资），这需要大家明确一个问题。

最终量化分析是众多投资机构的工具、分析手段而已。

1.7量化交易项目做什么

量化投资涵盖整个交易过程，需要一个完整的作为研究的量化回测框架和实盘交易系统作为支撑。

1.7.1量化交易研究流程

量化回测框架提供完整的数据，以及回测机制进行策略评估研究，能够及时进行模拟交易，为实盘交易提供选择，我们的研究一般在回测平台中做

• 获取数据（行情数据、基本面数据）
• 数据挖掘（运用机器学习算法和特征工程）
• 构建策略
• 策略回测
• 策略分析
• 模拟交易
• 实盘交易

1.7.2什么是策略

量化策略是指使用计算机作为工具，通过一套固定的逻辑来分析、判断和决策。量化策略即可自动执行，也可以人工执行。其实策略也可以理解为，分析数据之后，策略买什么以及交易时间。

1.7.3流程包含的内容

• 获取数据
  • 公司财务、新闻数据
  • 基本行情数据
• 数据分析挖掘
  • 传统分析方法、机器学习、数据挖掘方法
  • 数据处理、标准化、去极值、中性化分组回测、行业分布
• 构建策略
  • 获取历史行情，历史持仓信息，调仓记录
  • 止盈止损单，限单价，市单价
• 回测
  • 股票涨跌停、停复牌处理
  • 市场冲击、交易滑点，手续费
• 策略分析
  • 订单分析，成分分析，持仓分析
• 模拟交易
  • 接入实时行情，实时获取成交回报
  • 实时监控，实时归因分析
• 实盘交易
  • 接入真实券商账户

1.7.4量化开发研究岗位要求

• 基于交易市场数据，研究、开发交易策略，进行基础建模
• 负责对交易策略进行回测、跟踪、分析、优化
• 定期对交易策略的结果进行总结，给出分析报告，评估市场适用度
• 负责数据挖掘、处理，数据统计分析，从数据中发现规律，为量化分析提供支持，开发量化模型 策略
• 与基金经理合作跟踪优化股票市场量化策略在实盘中的表现

1.8量化交易发展历史

1.8.1量化交易全球发展史

• 量化投资的产生（60年代）
  • 1969年，爱德华.索普利用他发明的“科学股票市场系统”，（实际上是一种股票权证定价模型），成立了第一个量化投资基金，索普也被称之为量化投资的鼻祖
• 量化投资的兴起
  • 1988年，詹姆斯.西蒙斯成立了大奖章基金，从事高频交易和多策略交易，基金成立20年来收益率达到70%左右，除去报酬后达到40%以上，西蒙斯也因此被称为“量化对冲之王”。
• 量化交易的繁荣（90年代）
  • 1991年，彼得.穆勒发明了alpha系统策略等，开始用计算机+金融数据来设计模型，构建组合

1.8.2国内量化的发展史