商品期貨量化交易實戰：以PYTHON為工具（簡體書）

《商品期貨量化交易實戰（以Python為工具）》一書首先講解量化交易基礎和Python編程入門；再講解量化交易API；然後講解CTA的趨勢跟蹤策略和回歸策略，並且配合量化交易策略實戰案例，重點講解如何在發明者量化交易平臺上進行策略開發和回測，讓讀者不但可以系統地學習量化交易和Python編程的相關知識，而且可以對CTA策略開發有更深入的理解；接著講解量化交易回測與實盤；最後對管理風險、投資組合、交易技巧與交易理念進行系統的講解。

胡凱博，發明者量化首席策略分析師。在股票市場和期貨市場沉浮十載，資深Python量化交易策略師，熟悉Python/JavaScript/Go語言。先後供職於國內量化交易團隊和私募基金公司，曾擔任期貨量化交易策略開發師、技術顧問等職務，作為CSDN、掘金、雪球、知乎等平臺的專欄作者，已發布上百篇技術文章，目前正積極運營發明者量化軟件產品。

史超，發明者量化CTO。從事商品期貨程序化、量化交易研究、實踐多年。資深程序化交易、量化交易領域工程師。擅長C/C++、Python、JavaScript、Golang編程語言。在“網易云課堂”發布有“區塊鏈資產量化交易課程”系列教學視頻。目前主要從事發明者量化交易平臺底層系統的開發維護、系統測試等工作。

無需基礎：針對完全沒有編程經驗、編程語言基礎、交易基礎的讀者設計編寫。

追求實用：根據實戰應用，僅講解Python基礎，不涉及複雜的編程知識，簡單易學。

經典剖析：涵蓋了量化交易領域多種經典策略，逐個剖析講解。

工具支持：學會使用量化交易平臺中的工具，避免重復造“輪子”節約時間。

詳細圖解：全書範例配圖說明，幫助您快速理解、記憶，使學習效率事半功倍。

前言

為什麼要寫這本書？

隨著計算機科學的不斷發展，商品期貨量化交易越來越流行。計算機能夠以比人類快1000倍的速度執行交易，從而降低主觀交易成本、增加獲利機會，使量化交易廣泛應用於商品期貨交易中，中國的量化交易市場規模已經超過300億元，金融與科技的結合勢在必行，在可預見的未來，我們將見證金融市場的高度自動化。

由於金融量化交易行業有較高的門檻，因此要進入這個行業，除了需要有扎實的主觀交易基礎，還要有計算機編程功底。目前圖書市場關於量化交易的圖書很多，但真正從實戰交易出發，通過各種經典量化交易策略案例指導讀者提高量化交易水平的圖書很少。

本書以實戰為主旨，系統地講解商品期貨量化交易基礎知識、Python編程語法、量化交易API、完整的策略案例，讓讀者全面、深入、透徹地理解量化交易的各種基礎知識及各種經典交易策略的使用方法，幫助讀者打破萬事開頭難的局面，更好、更快地入門金融量化交易，提高實際策略開發水平和實戰能力。

本書有何特色？1. 附帶圖書內的完整策略，提高學習效率

為了便於讀者理解本書內容，提高學習效率，作者為本書中CTA策略的相關章節提供了完整的策略代碼，這些與本書配套的源代碼一起收錄於云盤中，讀者可以下載使用。

2. 涵蓋Python編程語言基礎知識

本書涵蓋Python編程語言基礎知識，包括Python的基礎語法、Python中的變量和數據類型、Python中的數據運算、Python中的數字和字符串、Python中的列表和字典、Python中的條件語句和循環語句、Python中的日期和時間、Python中的常用內置函數、Python中的異常處理。

3. 對量化交易策略案例進行分析

本書以商品期貨為標的，利用簡潔、高效的Python語言，從量化交易策略原理著手分析，深入淺出地揭示量化交易的本質，引導讀者從理解量化交易開始，逐步掌握行情數據的獲取和管理方法、技術指標的可視化方法，並且在熟練編程的基礎上，在練習過程中摸索期貨量化交易的技巧，構建個性化的交易策略體系。

4. 項目案例典型，實戰性強，有較高的應用價值

本書在CTA策略的相關章節提供了多個入門策略案例。這些案例來源於商品期貨市場經典策略，具有很高的應用價值和參考性。這些案例按照功能模塊逐步實現，便於讀者融會貫通地理解本書內容。

5. 提供完善的技術支持和售後服務

本書提供了專門的技術支持郵箱：support@fmz.cn。讀者在閱讀本書過程中有任何疑問都可以通過該郵箱獲得幫助。

本書內容及知識體系第1章 量化交易基礎

本章主要介紹量化交易的基礎知識，包括量化交易的發展和特點、量化交易與主觀交易的區別、量化交易流程及一個完整的交易策略包含哪些要素等。

第2章 Python編程入門

Python是一個面向物件的腳本語言，憑借極其簡潔、高效的語言特性，以及在數據分析方面的巨大優勢，在金融領域得到了廣泛的應用。本章主要介紹Python語言的基礎知識，將Python作為策略開發工具，為期貨量化交易提供助力。

第3章 量化交易API

在掌握了Python語言的基礎知識後，就可以利用這些知識開發量化交易策略了。但如果從零開始對接原始的行情和交易API，則會是一個龐大的IT系統工程。對初學者來說，利用免費開源的發明者量化SDK，可以快速進行量化交易策略開發。本章主要介紹量化交易API。

第4章 CTA之趨勢跟蹤策略

CTA策略是一種多樣性的投資策略，一般是指商品期貨和金融期貨策略。無論是主觀交易，還是量化交易，只要其交易方法相對規則化、系統化，就都可以稱為CTA策略。本章會結合不同的策略理論開發CTA策略。

第5章 CTA之回歸策略

回歸策略是與趨勢跟蹤策略邏輯相反的一種交易策略，根據均值回歸原理，價格始終圍繞其均值上下波動，通過低買高賣賺取差價。本章會結合回歸策略的多種形式開發CTA策略，包括布林帶跨期套利策略、乘離率策略。

第6章 量化交易回測與實盤

一個新開發出來的交易策略，需要經過全方位檢測，才能應用於實戰。一個優秀的交易策略是在試錯中不斷改進產生的。本節主要介紹量化交易回測與實盤，包括使用Tick數據讓回測更精準、回測績效報告詳解、如何規避回測中的陷阱、遞進和交叉回測、量化交易實盤。

第7章 風險管理與投資組合

量化交易的關鍵常識是有風險，但對大部分交易者來說，風險是一個令人不愉快的話題。雖然嚴格控制風險意味著與暴利絕緣，但對優秀的量化交易者來說，掌握風險管理的方法是非常有必要的。本章主要介紹期貨市場三大風險及正確的倉位管理方法。

第8章 交易技巧及交易理念

玩轉量化交易，學會一定的操作技巧是非常有必要的。本章主要介紹常用的止盈和止損方法、量化交易與基本面數據、交易中常用的數理知識、量化交易與統計學。

適合閱讀本書的讀者

需要全面學習量化交易的主觀交易者。

金融分析師。

金融專業學生。

喜歡交易的IT從業者。

希望提高量化交易水平的人員。

閱讀本書的建議

需要對量化分析或量化交易有濃厚的興趣，並且能夠接受高強度的學習內容。

教程對學員沒有專業限制，但要求學員具備自主深入學習的能力。

對於零基礎的讀者，建議從第1章順次閱讀。

有一定交易或編程基礎的讀者，可以根據實際情況有重點地選擇閱讀各章節。

對於量化交易策略案例，先自己思考一下實現的思路，再閱讀，學習效果更好。

目錄
第1章 量化交易基礎
1.1 什麼是量化交易
1.1.1 量化交易概述
1.1.2 量化交易的發展
1.1.3 量化交易的特點
1.1.4 量化交易有哪些入門策略
1.2 為什麼選擇量化交易
1.2.1 量化交易與主觀交易的區別
1.2.2 量化交易比主觀交易更好嗎
1.2.3 量化交易一定能賺錢嗎
1.2.4 量化交易的風險
1.3 量化交易需要哪些準備工作
1.3.1 安裝SDK
1.3.2 策略構思
1.3.3 建立模型
1.3.4 回測調優
1.3.5 仿真交易
1.3.6 實盤交易
1.4 一個完整的策略有哪些要素
1.4.1 策略選擇
1.4.2 交易什麼
1.4.3 交易多少
1.4.4 何時交易
1.4.5 如何交易
1.4.6 交易心態
1.5 溫故知新
第2章 Python編程入門
2.1 為什麼要學習Python
2.1.1 Python的特點
2.1.2 Python的版本
2.2 Python的基礎語法
2.2.1 編碼
2.2.2 變量命名
2.2.3 關鍵字
2.2.4 注釋
2.2.5 縮進
2.2.6 代碼塊
2.2.7 空行
2.2.8 導入模塊
2.3 Python中的變量和數據類型
2.3.1 變量
2.3.2 標準數據類型
2.3.3 Number（數值）
2.3.4 String（字符串）
2.3.5 List（列表）
2.3.6 Dictionary（字典）
2.3.7 數據類型轉換函數
2.4 Python中的數據運算
2.4.1 算術運算符
2.4.2 關係運算符
2.4.3 賦值運算符
2.4.4 邏輯運算符
2.4.5 運算符優先級
2.5 Python中的數字和字符串
2.5.1 內置數學函數
2.5.2 訪問字符串中的字符
2.5.3 拼接字符串
2.5.4 其他常用函數
2.6 Python中的列表和字典
2.6.1 列表索引
2.6.2 列表切片
2.6.3 列表中元素的修改與刪除
2.6.4 二維列表
2.6.5 列表中元素的增加
2.6.6 列表反向排序
2.6.7 創建字典
2.6.8 訪問字典中的鍵值
2.6.9 字典中元素的增加與修改
2.6.10 字典中元素的刪除
2.7 Python中的條件語句和循環語句
2.7.1 條件語句
2.7.2 循環語句
2.7.3 break語句
2.7.4 continue語句
2.8 Python中的日期和時間
2.8.1 time庫
2.8.2 什麼是時間戳
2.8.3 將時間戳轉換為時間
2.9 Python中的常用內置函數
2.9.1 len()函數
2.9.2 range()函數
2.9.3 split()函數
2.9.4 type()函數
2.9.5 isinstance()函數
2.9.6 取整函數
2.10 Python中的異常處理
2.10.1 語法錯誤
2.10.2 異常錯誤
2.10.3 異常捕獲
2.11 溫故知新
第3章 量化交易API
3.1 全局常量和數據結構
3.1.1 exchange交易所物件
3.1.2 exchanges交易所物件列表
3.1.3 Order數據結構
3.1.4 Position數據結構
3.1.5 Trade數據結構
3.1.6 Ticker數據結構
3.1.7 Record數據結構
3.1.8 Depth數據結構
3.1.9 Account數據結構
3.1.10 策略參數
3.2 獲取Tick、深度、歷史K線數據
3.2.1 獲取Tick數據函數GetTicker()
3.2.2 獲取深度數據函數GetDepth()
3.2.3 獲取K線數據函數GetRecords()
3.2.4 商品期貨策略框架
3.3 獲取和取消訂單、獲取當前掛單
3.3.1 訂閱合約代碼函數SetContractType()
3.3.2 設置期貨交易方向和類型函數SetDirection()
3.3.3 Buy()函數
3.3.4 Sell()函數
3.3.5 取消訂單函數CancelOrder()
3.3.6 獲取所有未完成訂單函數GetOrders()
3.3.7 獲取訂單詳情函數GetOrder()
3.4 IO()函數
3.4.1 切換行情模式
3.4.2 判斷與期貨公司前置機服務器的連接狀態
3.4.3 獲取交易所中的所有合約信息
3.4.4 擴展函數IO("api", …)
3.4.5 等待消息函數IO("wait")
3.5 帳戶API獲取帳戶和持倉信息
3.5.1 獲取帳戶信息函數GetAccount()
3.5.2 獲取持倉信息函數GetPosition()
3.6 常用的日志信息函數
3.6.1 打印日志信息函數Log()
3.6.2 打印收益信息函數LogProfit()
3.6.3 打印狀態欄信息函數LogStatus()
3.6.4 畫圖函數Chart()
3.6.5 日志消除函數LogReset()
3.6.6 訂單信息日志功能開關函數EnableLog()
3.7 常用的內置函數
3.7.1 休眠函數Sleep()
3.7.2 交互函數GetCommand()
3.7.3 判斷回測/實盤函數IsVirtual()
3.7.4 全局字典函數_G()
3.7.5 時間戳函數_D(Timestamp, Fmt)
3.7.6 浮點數格式化函數_N(Num, Precision)
3.7.7 重試函數_C()
3.7.8 列表交叉函數_Cross()
3.8 常用的指標函數及圖表繪製
3.8.1 內置的TA指標庫
3.8.2 繪製圖表
3.9 策略參數及策略交互
3.9.1 策略參數
3.9.2 策略交互
3.10 內置的模板類庫及經典策略架構
3.10.1 模板類庫
3.10.2 經典策略架構
3.11 溫故知新
第4章 CTA之趨勢跟蹤策略
4.1 什麼是CTA策略
4.1.1 CTA策略的分類
4.1.2 趨勢策略
4.1.3 反轉策略
4.1.4 量化CTA策略
4.2 經典的MACD策略
4.2.1 MACD簡介
4.2.2 MACD的原理
4.2.3 MACD的計算方法
4.2.4 MACD的使用方法
4.2.5 MACD的有效性
4.2.6 策略邏輯
4.2.7 策略編寫
4.2.8 策略回測
4.2.9 完整的策略代碼
4.3 使用ADX輔助MACD策略
4.3.1 什麼是ADX
4.3.2 ADX的計算方法
4.3.3 策略邏輯
4.3.4 策略編寫
4.3.5 策略回測
4.3.6 完整的策略代碼
4.4 自適應動態雙均線策略
4.4.1 傳統均線的弊端
4.4.2 考夫曼均線的原理
4.4.3 考夫曼均線的計算方法
4.4.4 策略邏輯
4.4.5 策略編寫
4.4.6 策略回測
4.4.7 完整的策略代碼
4.5 日內高低點突破策略
4.5.1 什麼是日內交易
4.5.2 策略邏輯
4.5.3 策略編寫
4.5.4 策略回測
4.5.5 完整的策略代碼
4.6 增強版唐奇安通道策略
4.6.1 唐奇安通道策略簡介
4.6.2 原始策略邏輯
4.6.3 改進後的策略邏輯
4.6.4 策略編寫
4.6.5 策略回測
4.6.6 完整的策略代碼
4.7 HANS123日內突破策略
4.7.1 策略邏輯
4.7.2 策略編寫
4.7.3 策略回測
4.7.4 完整的策略代碼
4.8 菲阿裡四價策略
4.8.1 菲阿裡簡介
4.8.2 策略邏輯
4.8.3 策略編寫
4.8.4 策略回測
4.8.5 完整的策略代碼
4.9 AROON（阿隆指標）策略
4.9.1 阿隆指標簡介
4.9.2 阿隆指標的計算方法
4.9.3 如何使用阿隆指標
4.9.4 基於阿隆指標構建交易策略
4.9.5 策略回測
4.9.6 完整的策略代碼
4.10 EMV（簡易波動指標）策略
4.10.1 EMV的計算公式
4.10.2 EMV的使用方法
4.10.3 策略編寫
4.10.4 策略回測
4.10.5 完整的策略代碼
4.11 動態階梯突破策略
4.11.1 什麼是突破策略
4.11.2 突破策略理論
4.11.3 策略邏輯
4.11.4 策略編寫
4.11.5 策略回測
4.11.6 完整的策略代碼
4.12 Dual Thrust日內交易策略
4.12.1 Dual Thrust簡介
4.12.2 Dual Thrust日內交易策略的上、下軌
4.12.3 策略邏輯
4.12.4 策略編寫
4.12.5 策略回測
4.12.6 完整的策略代碼
4.13 經典恒溫器策略
4.13.1 策略簡介
4.13.2 市場波動指數
4.13.3 策略邏輯
4.13.4 策略編寫
4.13.5 策略回測
4.13.6 完整的策略代碼
4.14 R-breaker策略
4.14.1 策略原理
4.14.2 計算方法
4.14.3 策略邏輯
4.14.4 策略編寫
4.14.5 策略回測
4.14.6 完整的策略代碼
4.15 溫故知新
第5章 CTA之回歸策略
5.1 布林帶跨期套利策略
5.1.1 策略原理
5.1.2 策略邏輯
5.1.3 策略編寫
5.1.4 策略回測
5.2 期現套利圖表
5.2.1 什麼是套利
5.2.2 期現套利方法
5.2.3 期現套利的局限
5.2.4 獲取數據
5.2.5 期現和基差圖表
5.2.6 圖表展示
5.3 乖離率（BIAS）策略
5.3.1 乖離率簡介
5.3.2 乖離率的原理
5.3.3 乖離率的計算公式
5.3.4 策略邏輯
5.3.5 策略編寫
5.3.6 策略回測
5.3.7 完整的策略代碼
5.4 溫故知新
第6章 量化交易回測與實盤
6.1 使用Tick數據讓回測更精準
6.1.1 回測需要哪些數據
6.1.2 基於Bar數據的回測
6.1.3 基於Tick數據的回測
6.1.4 Tick數據回測引擎原理
6.1.5 如何選擇最佳回測方式
6.2 回測績效報告詳解
6.2.1 回測配置參數
6.2.2 年化收益率
6.2.3 年化波動率
6.2.4 最大回撤率
6.2.5 夏普比率
6.3 如何規避回測中的陷阱
6.3.1 未來函數
6.3.2 偷價
6.3.3 成本衝擊
6.3.4 幸存者偏差
6.3.5 過擬合
6.4 遞進和交叉回測
6.4.1 樣本內回測和樣本外回測
6.4.2 樣本遞進回測
6.4.3 樣本交叉回測
6.5 量化交易實盤
6.5.1 配置期貨帳戶
6.5.2 在Windows操作系統中部署托管者
6.5.3 在Linux操作系統中部署托管者
6.5.4 一鍵租用托管者
6.5.5 創建策略
6.5.6 管理策略
6.5.7 創建實盤
6.5.8 管理實盤
6.6 溫故知新
 
第7章 風險管理與投資組合
7.1 認識期貨中的風險
7.1.1 系統性風險
7.1.2 人為主觀性風險
7.1.3 策略性風險
7.1.4 資金管理的意義
7.1.5 資金管理的方法
7.2 等價鞅資金管理
7.2.1 什麼是馬丁格爾策略
7.2.2 正向馬丁格爾策略
7.2.3 正向馬丁格爾策略的測試代碼
7.2.4 反向馬丁格爾策略
7.2.5 反向馬丁格爾策略的測試代碼
7.2.6 馬丁格爾策略在期貨市場中的應用
7.3 反等價鞅資金管理方法
7.3.1 什麼是凱利公式
7.3.2 凱利公式的計算方法
7.3.3 用數據驗證凱利公式
7.3.4 凱利公式在量化交易中的應用
7.3.5 凱利公式的局限性
7.4 構建投資組合和風險控制
7.4.1 投資分散與均衡
7.4.2 投資組合分類
7.4.3 構建投資組合
7.4.4 收益與風險
7.5 溫故知新
第8章 交易技巧及交易理念
8.1 常用的止盈、止損方法
8.1.1 止損的成本
8.1.2 止損的意義
8.1.3 如何止損
8.1.4 止損的本質
8.1.5 正確的止盈
8.1.6 如何止盈
8.2 量化交易與基本面數據
8.2.1 常用的基本面數據
8.2.2 基本面分析鐵三角
8.2.3 獲取基本面數據
8.2.4 繪製基本面數據圖表
8.3 交易中常用的數理知識
8.3.1 VWAP算法
8.3.2 TWAP算法
8.3.3 布朗運動
8.3.4 維納過程
8.3.5 伊藤引理
8.3.6 馬爾可夫過程
8.4 建立概率思維，提升交易格局
8.4.1 交易來自生活
8.4.2 概率思維
8.4.3 久賭必贏
8.4.4 概率的變化
8.4.5 交易中的大數定律
8.5 溫故知新