十分钟快速入门

希望快速开始使用天勤量化(TqSdk)? 本页面将介绍如何开始使用 TqSdk.

如果您以前曾经使用过其它框架编写过策略程序, 这些内容可以快速帮助您了解 TqSdk 与它们的区别:

注意: TqSdk 使用了 python3 的原生协程和异步通讯库 asyncio,部分 Python IDE 不支持 asyncio,例如:

可以直接运行示例代码,或使用支持 asyncio 的 IDE (例如: pycharm / vscode)

安装

天勤量化的核心是TqSdk开发包, 在安装天勤量化 (TqSdk) 前, 你需要先准备适当的环境和Python包管理工具, 包括:

  • Python 3.6 或以上版本

  • Windows 7 以上版本, Mac Os, 或 Linux

你可以选择使用 pip 命令安装 TqSdk, 或者下载源代码安装. 对于一般用户, 我们推荐采用 pip 命令安装:

pip install tqsdk

但是由于 pip 使用的是国外的服务器,普通用户往往下载速度过慢或不稳定,对于使用 pip 命令下载速度较慢的用户,我们推荐采用切换国内源的方式安装:

pip install tqsdk -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com

下面让我们从一个简单的例子开始

获取实时行情数据

通过 TqSdk 获取实时行情数据是很容易的.

首先, 必须引入 tqsdk 模块:

from tqsdk import TqApi

创建API实例:

api = TqApi()

获得上期所 cu1812 合约的行情引用:

quote = api.get_quote("SHFE.cu1812")

现在, 我们获得了一个对象 quote. 这个对象总是指向 SHFE.cu1812 合约的最新行情. 我们可以通过 quote 的各个字段访问行情数据:

print (quote.last_price, quote.volume)

要等待行情数据更新, 我们还需要一些代码:

while True:
    api.wait_update()
    print (quote.datetime, quote.last_price)

wait_update() 是一个阻塞函数, 程序在这行上等待, 直到收到数据包才返回.

上面这个例子的完整程序请见 t10 - 获取实时行情 . 你也可以在自己电脑python安装目录的 site_packages/tqsdk/demo 下找到它

很简单, 对吗? 到这里, 你已经了解用 TqSdk 开发程序的几个关键点:

  • 创建 TqApi 实例

  • 用 api.get_quote() 或 其它函数获取数据引用对象

  • 在循环中用 api.wait_update() 等待数据包.

  • 收到数据包以后通过引用对象获得所需数据

下面我们将继续介绍 TqSdk 更多的功能. 无论使用哪个功能函数, 都遵循上面的结构.

使用K线数据

你很可能会需要合约的K线数据. 在TqSdk中, 你可以很方便的获得K线数据. 我们来请求 cu2002 合约的10秒线:

klines = api.get_kline_serial("SHFE.cu2002", 10)

klines是一个pandas.DataFrame对象. 跟 api.get_quote() 一样, api.get_kline_serial() 也是返回K线序列的引用对象. K线序列数据也会跟实时行情一起同步自动更新. 你也同样需要用 api.wait_update() 等待数据刷新.

一旦k线数据收到, 你可以通过 klines 访问 k线数据:

while True:
    api.wait_update()
    print("最后一根K线收盘价", klines.close.iloc[-1])

这部分的完整示例程序请见 t30 - 使用K线/Tick数据 .

我们也可以通过传入一个合约列表作为参数,来获取包含多个合约数据的K线:

klines = api.get_kline_serial(["SHFE.au1912", "SHFE.au2006"], 5)  # 获取SHFE.au2006向SHFE.au1912对齐的K线

详细使用方法及说明请见 get_kline_serial() 函数说明。

到这里为止, 你已经知道了如何获取实时行情和K线数据, 下面一段将介绍如何访问你的交易账户并发送交易指令

生成图形化界面

如果想要将你订阅的K线或策略图形化显示, 只需在 TqApi() 中传入参数 web_gui = True即可:

# 引入TqSdk模块
from tqsdk import TqApi
# 创建api实例,设置web_gui=True生成图形化界面
api = TqApi(web_gui=True)
# 订阅 cu2002 合约的10秒线
klines = api.get_kline_serial("SHFE.cu2002", 10)
while True:
    # 通过wait_update刷新数据
    api.wait_update()

当你运行该程序后,预期会显示如下两条信息:

2019-12-13 10:45:26,468 - INFO - 您可以访问 http://127.0.0.1:62964 查看策略绘制出的 K 线图形。
2019-12-13 10:45:27,422 - INFO - 通知: 与 wss://openmd.shinnytech.com/t/md/front/mobile 的网络连接已建立

点击生成的地址,即可访问订阅的K线图形

_images/web_gui_klines.png

具体请见 策略程序图形化界面

交易账户, 下单/撤单

要获得你的账户资金情况, 可以请求一个资金账户引用对象:

account = api.get_account()

要获得你交易账户中某个合约的持仓情况, 可以请求一个持仓引用对象:

position = api.get_position("DCE.m1901")

与行情数据一样, 它们也通过 api.wait_update() 获得更新, 你也同样可以访问它们的成员变量:

print("可用资金: %.2f" % (account.available))
print("今多头: %d 手" % (position.volume_long_today))

要在交易账户中发出一个委托单, 使用 api.insert_order() 函数:

order = api.insert_order(symbol="DCE.m1901", direction="BUY", offset="OPEN", volume=5, limit_price=3000)

这个函数调用后会立即返回, order 是一个指向此委托单的引用对象, 你总是可以通过它的成员变量来了解委托单的最新状态:

print("委托单状态: %s, 已成交: %d 手" % (order.status, order.volume_orign - order.volume_left))

要撤销一个委托单, 使用 api.cancel_order() 函数:

api.cancel_order(order)

这部分的完整示例程序请见 t40 - 下单/撤单 .

到这里为止, 我们已经掌握了 TqSdk 中行情和交易相关功能的基本使用. 我们将在下一节中, 组合使用它们, 创建一个自动交易程序

构建一个自动交易程序

在这一节中, 我们将创建一个简单的自动交易程序: 每当行情最新价高于最近15分钟均价时, 开仓买进. 这个程序是这样的:

klines = api.get_kline_serial("DCE.m1901", 60)
while True:
    api.wait_update()
    if api.is_changing(klines):
        ma = sum(klines.close.iloc[-15:])/15
        print("最新价", klines.close.iloc[-1], "MA", ma)
        if klines.close.iloc[-1] > ma:
            print("最新价大于MA: 市价开仓")
            api.insert_order(symbol="DCE.m1901", direction="BUY", offset="OPEN", volume=5)

上面的代码中出现了一个新函数 api.is_changing(). 这个函数用于判定指定对象是否在最近一次 wait_update 中被更新.

这部分的完整示例程序请见 t60 - 双均线策略 .

按照目标持仓自动交易

在某些场景中, 我们可能会发现, 自己写代码管理下单撤单是一件很麻烦的事情. 在这种情况下, 你可以使用 tqsdk.lib.TargetPosTask. 你只需要指定账户中预期应有的持仓手数, TqSdk 会自动通过一系列指令调整仓位直到达成目标. 请看例子:

# 创建 rb1810 的目标持仓 task,该 task 负责调整 rb1810 的仓位到指定的目标仓位
target_pos_near = TargetPosTask(api, "SHFE.rb1810")
# 创建 rb1901 的目标持仓 task,该 task 负责调整 rb1901 的仓位到指定的目标仓位
target_pos_deferred = TargetPosTask(api, "SHFE.rb1901")

while True:
    api.wait_update()
    if api.is_changing(quote_near) or api.is_changing(quote_deferred):
        spread = quote_near.last_price - quote_deferred.last_price
        print("当前价差:", spread)
        if spread > 200:
            print("目标持仓: 空近月,多远月")
            # 设置目标持仓为正数表示多头,负数表示空头,0表示空仓
            target_pos_near.set_target_volume(-1)
            target_pos_deferred.set_target_volume(1)
        elif spread < 150:
            print("目标持仓: 空仓")
            target_pos_near.set_target_volume(0)
            target_pos_deferred.set_target_volume(0)

这部分的完整示例程序请见 t80 - 价差回归策略 .

策略回测

自己的交易程序写好以后, 我们总是希望在实盘运行前, 能先进行一下模拟测试. 要进行模拟测试, 只需要在创建TqApi实例时, 传入一个backtest参数:

api = TqApi(backtest=TqBacktest(start_dt=date(2018, 5, 1), end_dt=date(2018, 10, 1)))

这样, 程序运行时就会按照 TqBacktest 指定的时间范围进行模拟交易测试, 并输出测试结果.

关于策略程序回测的详细信息, 请见 策略程序回测

实盘交易

要让策略程序在实盘账号运行, 请在创建TqApi时传入一个 TqAccount , 填入 期货公司, 账号, 密码 (使用前请先 import TqAccount):

from tqsdk import TqApi, TqAccount

api = TqApi(TqAccount("H海通期货", "412432343", "123456"))

目前支持的期货公司列表, 请见 TqSdk支持的期货公司列表 .

关于实盘交易的详细信息, 请见 账户与交易

模拟交易和论坛

如果您需要使用能保存账户资金及持仓信息的模拟交易功能, 请点击 注册论坛账号 ,填写完对应信息之后,并点击激活邮件后即可进入 用户论坛 .

_images/tq_register1.png

同时刚刚注册完成的【邮箱地址】和【密码】可以作为 快期模拟 账号,通过 TqKq 对 auth 传入参数进行登录,这个 快期模拟 账户在快期APP、快期V3 pro 和天勤量化上是互通的:

from tqsdk import TqApi, TqKq

api = TqApi(TqKq(), auth = "邮箱地址,密码")

特别的,如果创建TqApi实例时没有提供任何 TqAcccount 账户或 TqKq 的快期模拟账户,则每次会自动创建一个临时模拟账号,当程序运行结束时,临时账号内的记录将全部丢失:

api = TqApi()

更多内容