量化交易开发之基本框架（二）
通过前面的文章，对量化交易有了一个基本的认识之后，我们开始学习量化交易。毕竟就像学习游泳，有些东西讲是讲不懂，必须要做过！
一、从一个简单的交易策略开始
先看一个非常简单的交易策略
每天买100股的平安银行；
为了这个策略能让计算机执行，首先要使策略符合"初始化+周期循环"框架
初始化：选定要交易的股票为平安银行；
每天循环：买100股的平安银行；
二、什么是"初始化+周期"框架
-
为了将投资灵感高效转化成计算机可执行的量化策略，必须基于一种模式来写，框架就是这种模式。而此框架包括两个部分：初始化和周期循环：
初始化：即指策略最开始运行前要做的事情。比如，准备好要交易的股票。
周期循环：策略开始后，随和时间一周期一周期的流逝，每个周期要做的事情。如周期为天，周期循环为每天买100股的平安银行。
能帮助你理解这一框架的是，其实人本身日常做交易就是符合"初始化+周期"框架的，初始化就是已存在人脑的交易思想与认知，周期循环就是每天或每分钟查看行情、判断、下单等行为。
三、把策略变成计算机可执行的程序
通过编程将策略写成计算机可以识别的代码，具体说，这里我们选用python语言。当然你也可以选择C++/java等。但是为什么是python，因为：
Python 简单易用，学习成本低，看起来非常优雅干净；
Python 标准库和第三库众多，功能强大，既可以开发小工具，也可以开发企业级应用；
四、将策略写成代码
这并非三言两语就能说清，尤其是对于没有编程基础的人。所以我们将通过后续的内容逐步地介绍。首先我们将学习“初始化+周期循环”框架代码的写法。
写法：
def initialize(context):
这里是用来写初始化代码的地方，例子中就是选定要交易的股票为平安银行
def period(context);
这里是用来写周期循环代码的地方，例子中就是买100股的平安银行
补全代码：
# 导入函数库
from jqdata import *
# 初始化函数，设定基准等等
def initialize(context):
# 开盘前运行
run_daily(period, time='every_bar')
g.security = '000001.XSHE'
## 开盘时运行函数
def period(context):
order(g.security, 100)
这里我们选择一个策略开发平台，设置好起始资金和起止时间（比如初始资金为100000，起止时间为20160601-20160701），频率设置成天。
可以看到，若你20160601有初始资金100000元，每个交易日尝试买100股的平安银行，到20161231，你的收益曲线将如图中蓝线般增长。图中红线是基准收益（默认是沪深300指数，代表整个市场增长水平）
1705653440503.png
可以看到，如果20160601有初始资金100000源，每个交易日尝试买100股的平安银行，到20160701，收益曲线如图。
图中红线是基准收益（默认是沪深300指数，代表整个市场增长水平）。
1705653507003.png
上图，是每日的持仓记录和持仓记录。
五、总结
- 像刚刚那样，用一段时间内的历史的真实行情数据，来验证一个确定的交易策略在这段时间表现如何，这个过程叫回测。
- 运行回测就是是字面意思，让计算机运行这次回测，运行后会告诉你策略在这段时间表现情况，比如收益率、年化收益率、最大回撤、夏普比率等指标，而且一般也会包括下单记录、持仓记录等。
六、未完待续
下章将继续介绍量化策略的python基本语法和变量。
欢迎关注知乎：北京不北
欢迎关注douyin：near.X （北京不北）
欢迎+V：beijing_bubei
获得免费答疑，长期技术交流。
网友评论