量化交易里面如何创建一个 Python 策略？

想使用量化交易的你蠢蠢欲试，但是不知道如何创建Python策略，那么今天讲一下，这样你上手就非常明白了。

首先在量化平台打开一个简单的 Python 策略

在量化平台上用 Python 写一个输出 hello world 的模型。图中的模型实现了一个 Python 模型 必须实现 的两个接口：** init()** 与 handlebar() 。输出窗口展示了这个模型的运行输出。平台首先调用 init() 方法输出了 hello init，随后在每根 K 线上调用一次 handlebar() ，输出一次 hello handlebar。

新建一个 Python 策略

模型创建方法有三种：

方法一，在【策略开发】界面，使用平台预置的各种示例模型，点击后方“编辑”按钮，并在弹出的【策略编辑器】中以此示例模型代码为基础进行编写。

我的主页-编辑模型

方法二，在【策略开发】界面，点击新建模型，选择 Python 模型，在弹出的【策略编辑器】中从头到尾编写一个用户自己的量化模型。

策略开发-新建模型

方法三，在模型管理面板右键，选择新建模型，并选择 Python 模型。

模型管理-新建模型

如何策略编写呢？

【策略编辑器】是专门为模型开发者设计的，集成了模型列表、函数列表、函数帮助、模型基本信息、参数设置、回测参数等多个部分，拥有代码高亮、自动补全等特色功能于一体的便捷的模型编辑、开发环境。

模型编辑页面 右侧可选择策略默认的周期、品种

编写 Python 策略需在开始时定义编码格式，如 gbk。

之后可选择导入第三方库，所选第三方库要在相应管理端白名单内才可运行。

Init 方法和 handlebar 方法的定义是必须的。Init 方法会在策略运行开始时调用一次，用以初始化所需对象（包裹在 ContextInfo 对象中传递），设定股票池等。

Handlebar 方法会在历史 K 线上逐 K 线调用，平台会保存函数所做更改。

在盘中交易时间，handlebar 函数会随行情推送（tick 数据）被调用，当一个 tick 数据为所在 K 线最后一个 tick 时，此 tick 调用的 handlebar 所做的更改会被平台保存，如有交易指令，会在下一根K 线的第一个 tick 到来时发送；其他 tick 可以打印运行结果，但 handlebar 所做更改不会被保存，也不会发送交易信号。

编写创建完模型后，对应模型的基本信息和回测参数进行设置。

点击优化，评测结果弹窗显示不同参数变量组合下的回测结果，根据结果选择最优参数组合。可点击所需指标进行排序。需要注意的是，在测评之前，需要针对所选品种和周期补充数据。

补充数据

在创建用户的模型之前，用户应使用客户端提供的“数据管理”功能，选择并补充模型所需的相应市场、品种以及对应周期的历史数据。

如何策略运行呢？

策略编写完毕后，点击编译，可保存策略。编译按钮在 Python 策略中只起保存功能，不会检查语法与引用的正误。之后点击运行可以看到策略运行效果（如有错误，会在日志输出的位置报错）。

策略编辑器-运行

如当前平台所处界面为“行情”界面或“交易”界面，点击运行之前，需在行情中手动设置好 K 线品种和周期，点击运行后，策略即可运行。

接下来经历了策略调试，策略回测，反复了运行之后就得到一个可以试用的Python 策略。

给你推荐一个量化交易平台实用性较高：

（1）Python API 是绑定在此平台中的，底层是 C++，保证了该 Python API 对行情数据，财务数据等的高访问速度。

（2）支持跨资产类别的量化交易策略的回测、模拟交易功能。依照提供的的策略模板，可以编程出各种独特的投资策略，进行单一市场或跨市场交易。

（3）可以便捷的对投资策略进行日频率、分钟频率的历史回测，了解策略在市场中的历史表现，比较不同策略的优劣；也可以对策略进行模拟交易，了解策略在市场中的真实表现，更加准确的对策略进行评估。

（4）采用的是所见即所得的策略运行机制，完美展示策略运行结果。

有需要随时联系！