• 策略开发
    • 参数设置
    • 类的初始化
    • 策略的初始化、启动、停止
    • Tick数据回报
    • K线数据回报
    • 15分钟K线数据回报
    • 委托回报、成交回报、停止单回报

    策略开发

    CTA策略模板提供完整的信号生成和委托管理功能，用户可以基于该模板自行开发策略。新策略可以放在根目录下vnpy\app\cta_strategy\strategies文件夹内，也可以放在用户运行的文件内（VN Station模式）。注意：策略文件命名是以下划线模式，如boll_channel_strategy.py；而策略类命名采用的是驼峰式，如BollChannelStrategy。

    下面通过BollChannelStrategy策略示例，来展示策略开发的具体步骤：

    参数设置

    定义策略参数并且初始化策略变量。策略参数为策略类的公有属性，用户可以通过创建新的实例来调用或者改变策略参数。

    如针对rb1905品种，用户可以创建基于BollChannelStrategy的策略示例，如RB_BollChannelStrategy，boll_window可以由18改成30。

    创建策略实例的方法有效地实现了一个策略跑多个品种，并且其策略参数可以通过品种的特征进行调整。

    1.     boll_window = 18
    2.     boll_dev = 3.4
    3.     cci_window = 10
    4.     atr_window = 30
    5.     sl_multiplier = 5.2
    6.     fixed_size = 1
    7.  
    8.     boll_up = 0
    9.     boll_down = 0
    10.     cci_value = 0
    11.     atr_value = 0
    12.  
    13.     intra_trade_high = 0
    14.     intra_trade_low = 0
    15.     long_stop = 0
    16.     short_stop = 0

    类的初始化

    初始化分3步：

    • 通过super( )的方法继承CTA策略模板，在init( )函数传入CTA引擎、策略名称、vt_symbol、参数设置。
    • 调用K线生成模块:通过时间切片来把Tick数据合成1分钟K线数据，然后更大的时间周期数据，如15分钟K线。
    • 调用K线时间序列管理模块：基于K线数据，如1分钟、15分钟，来生成相应的技术指标。
    1.     def __init__(self, cta_engine, strategy_name, vt_symbol, setting):
    2.         """"""
    3.         super(BollChannelStrategy, self).__init__(
    4.             cta_engine, strategy_name, vt_symbol, setting
    5.         )
    6.  
    7.         self.bg = BarGenerator(self.on_bar, 15, self.on_15min_bar)
    8.         self.am = ArrayManager()

    策略的初始化、启动、停止

    通过“CTA策略”组件的相关功能按钮实现。

    注意：函数load_bar(10)，代表策略初始化需要载入10个交易日的历史数据。该历史数据可以是Tick数据，也可以是K线数据。

    1.     def on_init(self):
    2.         """
    3.         Callback when strategy is inited.
    4.         """
    5.         self.write_log("策略初始化")
    6.         self.load_bar(10)
    7.  
    8.     def on_start(self):
    9.         """
    10.         Callback when strategy is started.
    11.         """
    12.         self.write_log("策略启动")
    13.  
    14.     def on_stop(self):
    15.         """
    16.         Callback when strategy is stopped.
    17.         """
    18.         self.write_log("策略停止")

    Tick数据回报

    策略订阅某品种合约行情，交易所会推送Tick数据到该策略上。

    由于BollChannelStrategy是基于15分钟K线来生成交易信号的，故收到Tick数据后，需要用到K线生成模块里面的update_tick函数，通过时间切片的方法，聚合成1分钟K线数据，并且推送到on_bar函数。

    1.     def on_tick(self, tick: TickData):
    2.         """
    3.         Callback of new tick data update.
    4.         """
    5.         self.bg.update_tick(tick)

    K线数据回报

    收到推送过来的1分钟K线数据后，通过K线生成模块里面的update_bar函数，以分钟切片的方法，合成15分钟K线数据，并且推送到on_15min_bar函数。

    1.     def on_bar(self, bar: BarData):
    2.         """
    3.         Callback of new bar data update.
    4.         """
    5.         self.bg.update_bar(bar)

    15分钟K线数据回报

    负责CTA信号的生成，由3部分组成：

    • 清空未成交委托：为了防止之前下的单子在上一个15分钟没有成交，但是下一个15分钟可能已经调整了价格，就用cancel_all()方法立刻撤销之前未成交的所有委托，保证策略在当前这15分钟开始时的整个状态是清晰和唯一的。
    • 调用K线时间序列管理模块：基于最新的15分钟K线数据来计算相应计算指标，如布林带通道上下轨、CCI指标、ATR指标
    • 信号计算：通过持仓的判断以及结合CCI指标、布林带通道、ATR指标在通道突破点挂出停止单委托（buy/sell)，同时设置离场点(short/cover)。注意：CTA策略具有低胜率和高盈亏比的特定：在难以提升胜率的情况下，研究提高策略盈亏比有利于策略盈利水平的上升。
    1.     def on_15min_bar(self, bar: BarData):
    2.         """"""
    3.         self.cancel_all()
    4.  
    5.         am = self.am
    6.         am.update_bar(bar)
    7.         if not am.inited:
    8.             return
    9.  
    10.         self.boll_up, self.boll_down = am.boll(self.boll_window, self.boll_dev)
    11.         self.cci_value = am.cci(self.cci_window)
    12.         self.atr_value = am.atr(self.atr_window)
    13.  
    14.         if self.pos == 0:
    15.             self.intra_trade_high = bar.high_price
    16.             self.intra_trade_low = bar.low_price
    17.  
    18.             if self.cci_value > 0:
    19.                 self.buy(self.boll_up, self.fixed_size, True)
    20.             elif self.cci_value < 0:
    21.                 self.short(self.boll_down, self.fixed_size, True)
    22.  
    23.         elif self.pos > 0:
    24.             self.intra_trade_high = max(self.intra_trade_high, bar.high_price)
    25.             self.intra_trade_low = bar.low_price
    26.  
    27.             self.long_stop = self.intra_trade_high - self.atr_value * self.sl_multiplier
    28.             self.sell(self.long_stop, abs(self.pos), True)
    29.  
    30.         elif self.pos < 0:
    31.             self.intra_trade_high = bar.high_price
    32.             self.intra_trade_low = min(self.intra_trade_low, bar.low_price)
    33.  
    34.             self.short_stop = self.intra_trade_low + self.atr_value * self.sl_multiplier
    35.             self.cover(self.short_stop, abs(self.pos), True)
    36.  
    37.         self.put_event()

    委托回报、成交回报、停止单回报

    在策略中可以直接pass，其具体逻辑应用交给回测/实盘引擎负责。

    1.     def on_order(self, order: OrderData):
    2.         """
    3.         Callback of new order data update.
    4.         """
    5.         pass
    6.  
    7.     def on_trade(self, trade: TradeData):
    8.         """
    9.         Callback of new trade data update.
    10.         """
    11.         self.put_event()
    12.  
    13.     def on_stop_order(self, stop_order: StopOrder):
    14.         """
    15.         Callback of stop order update.
    16.         """
    17.         pass