liaozhaorun/NewQuant
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

修复未来函数bug

Browse Source
This commit is contained in:
liaozhaorun
2025-07-15 22:45:51 +08:00
parent 5de1a43b02
commit 5a2d0fb984
19 changed files with 15019 additions and 9388 deletions
Download Patch File Download Diff File Expand all files Collapse all files

204
data/ analysis/Volume.ipynb
View File

File diff suppressed because one or more lines are too long

4
data/tqsdk/tq_copy_data.py
View File

@@ -236,11 +236,11 @@ if __name__ == "__main__":
# 这种方式适合获取相对较短或中等长度的历史K线数据。
df_if_backtest_daily = collect_and_save_tqsdk_data_stream(
symbol="KQ.m@CZCE.MA",
symbol="KQ.m@DCE.jm",
# symbol='SHFE.rb2510',
# symbol='KQ.i@SHFE.bu',
freq="min60",
start_date_str="2022-01-01",
start_date_str="2021-01-01",
end_date_str="2025-07-11",
mode="backtest", # 指定为回测模式
tq_user=TQ_USER_NAME,

373
grid_search_multi_process2.ipynb
View File

File diff suppressed because one or more lines are too long

786
main2.ipynb
View File

File diff suppressed because one or more lines are too long

28
real_trading.py
View File

@@ -2,6 +2,7 @@ from datetime import timedelta
from src.analysis.result_analyzer import ResultAnalyzer
# 导入 TqsdkEngine，而不是原来的 BacktestEngine
from src.indicators.indicators import RSI, HistoricalRange
from src.tqsdk_real_engine import TqsdkEngine
# 导入你的策略类
@@ -17,29 +18,34 @@ initial_capital = 100000.0
slippage_rate = 0.000 # 在 Tqsdk 模拟中，滑点通常由 TqSim 处理或在策略中手动模拟
commission_rate = 0.0001 # 同上
# 主力合约的 symbol
main_symbol = "KQ.m@CZCE.MA"
main_symbol = "KQ.m@DCE.jm"
strategy_parameters = {
'symbol': main_symbol, # 根据您的数据文件中的品种名称调整
'trade_volume': 1,
'range_factor': 1.8, # 示例值，需要通过网格搜索优化
'profit_factor': 2.8, # 示例值
# 'range_factor': 0.7, # 示例值，需要通过网格搜索优化
# 'profit_factor': 71, # 示例值
# 'range_factor_l': 2, # 示例值，需要通过网格搜索优化
# 'profit_factor_l': 3, # 示例值
# 'range_factor_s': 1.6, # 示例值，需要通过网格搜索优化
# 'profit_factor_s': 5.6, # 示例值
'lag': 1,
# 'range_factor': 1.3, # 示例值，需要通过网格搜索优化
# 'profit_factor': 4.8, # 示例值
# 'range_factor': 1.1, # 示例值，需要通过网格搜索优化
# 'profit_factor': 4.9, # 示例值
'range_factor_l': 1.3, # 示例值，需要通过网格搜索优化
'profit_factor_l': 4.8, # 示例值
'range_factor_s': 1.1, # 示例值，需要通过网格搜索优化
'profit_factor_s': 4.9, # 示例值
'max_position': 10,
'enable_log': True,
'stop_loss_points': 20,
'use_indicator': True
'use_indicator': True,
# 'indicator': RSI(5, 63, 95),
# 'indicator': RSI(5, 5, 25),
'indicator_l': RSI(5, 63, 95),
'indicator_s': RSI(5, 0, 100),
}
api = TqApi(TqKq(), auth=TqAuth("emanresu", "dfgvfgdfgg"))
# --- 1. 初始化回测引擎并运行 ---
print("\n初始化 Tqsdk 回测引擎...")
engine = TqsdkEngine(
strategy_class=SimpleLimitBuyStrategyLong,
strategy_class=SimpleLimitBuyStrategy,
strategy_params=strategy_parameters,
api=api,
symbol=main_symbol,

5
src/analysis/result_analyzer.py
View File

@@ -70,7 +70,7 @@ class ResultAnalyzer:
for trade in self.trade_history:
# 调整输出格式，显示实现盈亏
pnl_display = (
f" | Indicators:{trade.indicator_dict} | PnL: {trade.realized_pnl:.2f}"
f" | PnL: {trade.realized_pnl:.2f}"
if trade.is_close_trade
else ""
)
@@ -145,7 +145,8 @@ class ResultAnalyzer:
# 确保 trade.indicator_dict 中包含当前指标的值
# 并且这个值是可用的（非None或NaN）
if (
indicator_name in trade.indicator_dict
trade.indicator_dict is not None
and indicator_name in trade.indicator_dict
and trade.indicator_dict[indicator_name] is not None
):
# 检查是否为 NaN，如果使用 np.nan，则需要 isinstance(value, float) and np.isnan(value)

27
src/backtest_engine.py
View File

@@ -107,13 +107,6 @@ class BacktestEngine:
if current_bar is None:
break # 没有更多数据，回测结束
self.all_bars.append(current_bar)
self.close_list.append(current_bar.close)
self.open_list.append(current_bar.open)
self.high_list.append(current_bar.high)
self.low_list.append(current_bar.low)
self.volume_list.append(current_bar.volume)
if self.start_time and current_bar.datetime < self.start_time:
continue
@@ -163,14 +156,7 @@ class BacktestEngine:
# 3. 更新策略关注的当前合约 symbol
self.strategy.symbol = current_bar.symbol
# 5. 更新引擎内部的历史 Bar 缓存
self._history_bars.append(current_bar)
if len(self._history_bars) > self._max_history_bars:
self._history_bars.pop(0)
# 6. 处理待撮合订单 (在调用策略 on_bar 之前，确保订单在当前 K 线开盘价撮合)
# self.simulator.process_pending_orders(current_bar)
self.strategy.on_open_bar(current_bar)
self.strategy.on_open_bar(current_bar.open, current_bar.symbol)
current_indicator_dict = {}
close_array = np.array(self.close_list)
@@ -187,10 +173,18 @@ class BacktestEngine:
low_array,
volume_array
)
self.simulator.process_pending_orders(current_bar, current_indicator_dict)
self.all_bars.append(current_bar)
self.close_list.append(current_bar.close)
self.open_list.append(current_bar.open)
self.high_list.append(current_bar.high)
self.low_list.append(current_bar.low)
self.volume_list.append(current_bar.volume)
# 7. 调用策略的 on_bar 方法
# self.strategy.on_bar(current_bar)
self.simulator.process_pending_orders(current_bar, current_indicator_dict)
self.strategy.on_close_bar(current_bar)
self.simulator.process_pending_orders(current_bar, current_indicator_dict)
@@ -277,4 +271,5 @@ class BacktestEngine:
return self.low_list
elif key == 'volume':
return self.volume_list
return None

127
src/common_utils.py
View File

@@ -1,9 +1,24 @@
# src/common_utils.py
from typing import List, Union
from typing import List, Tuple, Union
from datetime import time
BEIJING_TZ = "Asia/Shanghai"
import pytz
BEIJING_TZ = pytz.timezone("Asia/Shanghai")
# 定义每日交易时段（以 datetime.time 对象表示，不含日期）
# 每个元组包含 (会话开始时间, 会话结束时间)
# 这里假设了常见的上午盘和下午盘，如果您的市场有夜盘或特殊时段，请在此处添加
# 注意：结束时间通常是不包含的，例如 11:30:00 表示在该时间点收盘
TRADING_SESSIONS_TIMES: List[Tuple[time, time]] = [
(time(9, 0, 0), time(11, 30, 0)), # 上午盘：09:00:00 到 11:30:00
(time(13, 30, 0), time(15, 0, 0)), # 下午盘：13:30:00 到 15:00:00
(time(21, 0, 0), time(23, 0, 0))
# 如果有夜盘且跨日，例如 21:00 到次日 02:30，需要更复杂的逻辑来处理日期转换
# 例如：(time(21, 0, 0), time(2, 30, 0))
]
def generate_parameter_range(start: Union[int, float], end: Union[int, float], step: Union[int, float]) -> List[Union[int, float]]:
"""
@@ -77,6 +92,60 @@ def is_futures_trading_time(current_dt: Optional[datetime] = None) -> bool:
return False
def round_time_up_to_nearest_minute(dt_obj: datetime) -> datetime:
"""
将 datetime 对象向上取整到最近的分钟。
例如：09:58:30.123456 -> 09:59:00.000000
09:58:00.000001 -> 09:59:00.000000 (即使秒数为0，微秒不为0也进位)
09:58:00.000000 -> 09:58:00.000000 (已经是整分钟，不进位)
保留原始时区信息。
"""
# 如果已经是整分钟且没有微秒，直接返回
if dt_obj.second == 0 and dt_obj.microsecond == 0:
return dt_obj
# 将秒和微秒归零，得到当前分钟的开始时间
rounded_dt = dt_obj.replace(second=0, microsecond=0)
# 如果原始时间有秒数或微秒数（即不是整分钟），则进位到下一分钟
if dt_obj.second > 0 or dt_obj.microsecond > 0:
rounded_dt += timedelta(minutes=1)
return rounded_dt
def get_session_market_close_time(dt: datetime) -> Optional[datetime]:
"""
根据传入的 datetime 对象，获取其所在交易时段的实际收盘时间。
dt 必须是时区感知的 (BEIJING_TZ)。
Args:
dt (datetime): 一个时区感知的 datetime 对象。
Returns:
datetime: 如果 dt 落在定义的交易时段内，则返回该时段的结束时间（时区感知）。
否则返回 None。
"""
target_date = dt.date()
target_time = dt.time()
for session_start_t, session_end_t in TRADING_SESSIONS_TIMES:
# 构建当前日期的会话开始和结束的 datetime 对象，并应用时区
session_start_dt_aware = BEIJING_TZ.localize(datetime.combine(target_date, session_start_t))
session_end_dt_aware = BEIJING_TZ.localize(datetime.combine(target_date, session_end_t))
# TODO: 如果有跨日的夜盘，例如从 21:00 到次日 02:30，需要在此处添加处理
# 例如：if session_end_t < session_start_t: session_end_dt_aware += timedelta(days=1)
# 判断传入的 dt 是否在这个会话区间内
# dt 应该大于等于会话开始时间，且小于会话结束时间（通常结束时间不包含在区间内）
if session_start_dt_aware <= dt < session_end_dt_aware:
return session_end_dt_aware
# 如果传入的 dt 不在任何已定义的交易时段内，则返回 None
return None
def is_bar_pre_close_period(
bar_start_time: datetime,
bar_duration_seconds: int,
@@ -85,31 +154,61 @@ def is_bar_pre_close_period(
) -> bool:
"""
判断当前系统时间是否在一根K线的即将结束时间段内。
K线的时区和所有内部时间判断的基准时区固定为 "Asia/Shanghai"。
优化：考虑市场实际收盘时间，K线结束时间不会晚于其所属交易时段的实际收盘时间。
Args:
bar_start_time (datetime): 当前K线的开始时间（例如：bar.datetime）。
bar_start_time (datetime): 当前K线的开始时间。它必须是时区感知的 (offset-aware)，
且应是 "Asia/Shanghai" 时区。
可以是 datetime.datetime 对象或 pandas.Timestamp 对象。
bar_duration_seconds (int): 该K线的持续时间，以秒为单位。
对于1小时K线，传入 3600。
pre_close_minutes (int): K线结束前多少分钟被认为是“即将结束”状态。例如，传入 3 表示结束前3分钟。
pre_close_minutes (int): K线结束前多少分钟被认为是“即将结束”状态。
current_system_time (Optional[datetime]): 用于判断的当前时间。
如果为 None，则默认使用 `datetime.now()`。
此时间在函数内部会向上取整到最近的分钟。
Returns:
bool: 如果当前时间在K线结束前 `pre_close_minutes` 的窗口内，则返回 True，否则返回 False。
"""
# 1. 统一 current_system_time 的时区感知性到 BEIJING_TZ，并向上取整
if current_system_time is None:
current_system_time = datetime.now(BEIJING_TZ)
else:
if current_system_time.tzinfo is None: # 如果传入的是 naive 时间
current_system_time = BEIJING_TZ.localize(current_system_time, is_dst=None)
else: # 如果传入的是 aware 时间，则将其转换到北京时区
current_system_time = current_system_time.astimezone(BEIJING_TZ)
# 1. 计算K线的精确结束时间
# K线结束时间 = K线开始时间 + K线持续时间
bar_end_time = bar_start_time + timedelta(seconds=bar_duration_seconds)
# 对 current_system_time 进行向上取整，避免毫秒级偏差
current_system_time = round_time_up_to_nearest_minute(current_system_time)
# 2. 计算“即将结束”窗口的开始时间
# 这个窗口从 (K线结束时间 - pre_close_minutes) 开始，到 K线结束时间 结束
pre_close_window_start_time = bar_end_time - timedelta(minutes=pre_close_minutes)
# 2. 确保 bar_duration_seconds 是 int 类型
duration_as_int = int(bar_duration_seconds)
# 3. 判断当前系统时间是否在这个窗口内
# 窗口定义为 [pre_close_window_start_time, bar_end_time)，即包含开始时间，不包含结束时间
print(pre_close_window_start_time, current_system_time, bar_end_time)
return pre_close_window_start_time <= current_system_time < bar_end_time
# 3. 计算K线的理论结束时间（不考虑市场收盘）
calculated_bar_end_time = bar_start_time + timedelta(seconds=duration_as_int)
# 4. 获取实际的市场会话收盘时间
actual_session_close = get_session_market_close_time(bar_start_time)
final_bar_end_time: datetime
if actual_session_close:
# K线的实际结束时间不能晚于其所在交易时段的收盘时间
# 例如，11:00开始的1小时K线，理论结束12:00，但上午盘11:30结束，所以实际结束是11:30
final_bar_end_time = min(calculated_bar_end_time, actual_session_close)
else:
# 如果 bar_start_time 不在任何已定义的交易时段内
# 通常这表示 K线数据有问题或在非交易时间生成。
# 这里为了兼容性，暂时使用计算出的理论结束时间，但会打印警告。
# 在严谨的系统中，您可能需要抛出异常或直接返回 False。
# print(f"警告：K线开始时间 {bar_start_time} 不在已定义的交易时段内。将使用理论结束时间 {calculated_bar_end_time}。")
final_bar_end_time = calculated_bar_end_time
# 5. 计算“即将结束”窗口的开始时间
# 这个窗口从 (final_bar_end_time - pre_close_minutes) 开始，到 final_bar_end_time 结束
pre_close_window_start_time = final_bar_end_time - timedelta(minutes=pre_close_minutes)
# 6. 判断当前系统时间是否在这个窗口内
# 窗口定义为 [pre_close_window_start_time, final_bar_end_time)，即包含开始时间，不包含结束时间
return pre_close_window_start_time <= current_system_time < final_bar_end_time

3
src/execution_simulator.py
View File

@@ -339,7 +339,8 @@ class ExecutionSimulator:
# 这里直接调用 _execute_single_order 确保强制平仓立即成交
trade = self._execute_single_order(rollover_order, closing_bar)
if trade:
closed_trades.append(trade)
# closed_trades.append(trade)
self.trade_log.append(trade)
else:
print(
f"[{closing_bar.datetime}] 警告: 强制平仓 {symbol_to_close} 失败！"

28
src/indicators/base_indicators.py
View File

@@ -8,8 +8,10 @@ from src.core_data import Bar
class Indicator(ABC):
def __init__(self):
pass
def __init__(self, down_bound:float = None, up_bound:float = None, shift_window: int = 0):
self.down_bound =down_bound
self.up_bound =up_bound
self.shift_window = shift_window
@abstractmethod
def get_values(self, close: np.array, open: np.array, high: np.array, low: np.array, volume: np.array):
@@ -17,7 +19,27 @@ class Indicator(ABC):
def get_latest_value(self, close: np.array, open: np.array, high: np.array, low: np.array, volume: np.array):
return self.get_values(close, open, high, low, volume)[-1].item()
values = self.get_values(close, open, high, low, volume)
return values[-(self.shift_window + 1)].item() if len(values) > self.shift_window + 1 else None
def is_condition_met(self,
close: np.array,
open: np.array,
high: np.array,
low: np.array,
volume: np.array):
value = self.get_latest_value(close, open, high, low, volume)
condition_met = True
if value is None:
return False
if self.up_bound is None and self.down_bound is None:
condition_met = False
if self.up_bound is not None:
condition_met = condition_met and (value < self.up_bound)
if self.down_bound is not None:
condition_met = condition_met and (value > self.down_bound)
return condition_met
@abstractmethod
def get_name(self):

28
src/indicators/indicator_list.py
View File

@@ -1,17 +1,33 @@
from src.indicators.indicators import RSI, HistoricalRange
from src.indicators.indicators import RSI, HistoricalRange, DifferencedVolumeIndicator, StochasticOscillator, \
RateOfChange, NormalizedATR
INDICATOR_LIST = [
RSI(5),
RSI(7),
RSI(10),
RSI(14),
RSI(15),
RSI(20),
RSI(25),
RSI(30),
RSI(35),
RSI(40),
HistoricalRange(1),
HistoricalRange(8),
HistoricalRange(15),
HistoricalRange(21),
HistoricalRange(shift_window=0),
HistoricalRange(shift_window=6),
HistoricalRange(shift_window=13),
HistoricalRange(shift_window=20),
# DifferencedVolumeIndicator(shift_window=0),
# DifferencedVolumeIndicator(shift_window=6),
# DifferencedVolumeIndicator(shift_window=13),
# DifferencedVolumeIndicator(shift_window=20),
StochasticOscillator(fastk_period=14, slowd_period=3, slowk_period=3),
StochasticOscillator(fastk_period=5, slowd_period=3, slowk_period=3),
StochasticOscillator(fastk_period=21, slowd_period=5, slowk_period=5),
RateOfChange(window=5),
RateOfChange(window=10),
RateOfChange(window=15),
RateOfChange(window=20),
NormalizedATR(window=5),
NormalizedATR(window=14),
NormalizedATR(window=21)
]

229
src/indicators/indicators.py
View File

@@ -10,21 +10,25 @@ class RSI(Indicator):
相对强弱指数 (RSI) 指标实现，使用 TA-Lib 简化计算。
"""
def __init__(self, window: int = 14):
"""
初始化RSI指标。
Args:
window (int): RSI的计算周期，默认为14。
"""
super().__init__()
def __init__(
self,
window: int = 14,
down_bound: float = None,
up_bound: float = None,
shift_window: int = 0,
):
super().__init__(down_bound, up_bound)
self.window = window
self.shift_window = shift_window
def get_values(self,
def get_values(
self,
close: np.array,
open: np.array, # 不使用
high: np.array, # 不使用
low: np.array, # 不使用
volume: np.array) -> np.array: # 不使用
volume: np.array,
) -> np.array: # 不使用
"""
根据收盘价列表计算RSI值，使用 TA-Lib。
Args:
@@ -41,8 +45,7 @@ class RSI(Indicator):
return rsi_values
def get_name(self):
return f'rsi_{self.window}'
return f"rsi_{self.window}"
class HistoricalRange(Indicator):
@@ -50,21 +53,20 @@ class HistoricalRange(Indicator):
历史波动幅度指标：计算过去 N 日的 (最高价 - 最低价) 的简单移动平均。
"""
def __init__(self, window: int = 20):
"""
初始化历史波动幅度指标。
Args:
window (int): 计算范围平均值的周期，默认为20。
"""
super().__init__()
self.window = window
def __init__(
self, down_bound: float = None, up_bound: float = None, shift_window: int = 0
):
super().__init__(down_bound, up_bound)
self.shift_window = shift_window
def get_values(self,
def get_values(
self,
close: np.array, # 不使用
open: np.array, # 不使用
high: np.array,
low: np.array,
volume: np.array) -> np.array: # 不使用
volume: np.array,
) -> np.array: # 不使用
"""
根据最高价和最低价列表计算过去 N 日的 (high - low) 值的简单移动平均。
Args:
@@ -82,7 +84,188 @@ class HistoricalRange(Indicator):
daily_ranges = high - low
# 将 numpy 数组转换为 list 并返回
return np.roll(daily_ranges, self.window)
return daily_ranges
def get_name(self):
return f'range_{self.window}'
return f"range_{self.shift_window}"
class DifferencedVolumeIndicator(Indicator):
"""
计算当前交易量与前一交易量的差值。
volume[t] - volume[t-1]。
用于识别交易量变化的趋势，常用于平稳化交易量序列。
"""
def __init__(
self, down_bound: float = None, up_bound: float = None, shift_window: int = 0
):
# 差值没有固定上下界，取决于实际交易量
super().__init__(down_bound, up_bound)
self.shift_window = shift_window
def get_values(
self,
close: np.array, # 不使用
open: np.array, # 不使用
high: np.array, # 不使用
low: np.array, # 不使用
volume: np.array,
) -> np.array:
"""
根据交易量计算其差分值。
Args:
volume (np.array): 交易量列表。
其他 OHLCV 参数在此指标中不使用。
Returns:
np.array: 交易量差分值列表。第一个值为NaN。
"""
if not isinstance(volume, np.ndarray) or len(volume) < 2:
return np.full_like(
volume if isinstance(volume, np.ndarray) else [], np.nan, dtype=float
)
# 计算相邻交易量的差值
# np.diff(volume) 会比原数组少一个元素，前面补 NaN
diff_volume = np.concatenate(([np.nan], np.diff(volume)))
return diff_volume
def get_name(self) -> str:
return f"differenced_volume_{self.shift_window}"
class StochasticOscillator(Indicator):
"""
随机摆动指标 (%K)，衡量收盘价在近期价格高低区间内的位置。
这是一个平稳的动量摆动指标，值域在 [0, 100] 之间。
"""
def __init__(
self,
fastk_period: int = 14,
slowk_period: int = 3,
slowd_period: int = 3, # 在此实现中未使用 slowd，但保留以符合标准
down_bound: float = None,
up_bound: float = None,
shift_window: int = 0,
):
super().__init__(down_bound, up_bound)
self.fastk_period = fastk_period
self.slowk_period = slowk_period
self.slowd_period = slowd_period
self.shift_window = shift_window
def get_values(
self,
close: np.array,
open: np.array, # 不使用
high: np.array,
low: np.array,
volume: np.array, # 不使用
) -> np.array:
"""
根据最高价、最低价和收盘价计算随机摆动指标 %K 的值。
Args:
high (np.array): 最高价列表。
low (np.array): 最低价列表。
close (np.array): 收盘价列表。
Returns:
np.array: 慢速 %K 线的值列表。
"""
# TA-Lib 的 STOCH 函数返回 slowk 和 slowd 两条线
# 我们通常使用 slowk 作为主要的摆动指标
slowk, _ = talib.STOCH(
high,
low,
close,
fastk_period=self.fastk_period,
slowk_period=self.slowk_period,
slowk_matype=0, # 使用 SMA
slowd_period=self.slowd_period,
slowd_matype=0, # 使用 SMA
)
return slowk
def get_name(self):
return f"stoch_k_{self.fastk_period}_{self.slowk_period}"
class RateOfChange(Indicator):
"""
价格变化率 (ROC)，衡量当前价格与 N 期前价格的百分比变化。
这是一个平稳的动量指标，围绕 0 波动。
"""
def __init__(
self,
window: int = 10,
down_bound: float = None,
up_bound: float = None,
shift_window: int = 0,
):
super().__init__(down_bound, up_bound)
self.window = window
self.shift_window = shift_window
def get_values(
self,
close: np.array,
open: np.array, # 不使用
high: np.array, # 不使用
low: np.array, # 不使用
volume: np.array, # 不使用
) -> np.array:
"""
根据收盘价计算 ROC 值。
Args:
close (np.array): 收盘价列表。
Returns:
np.array: ROC 值列表。
"""
roc_values = talib.ROC(close, timeperiod=self.window)
return roc_values
def get_name(self):
return f"roc_{self.window}"
class NormalizedATR(Indicator):
"""
归一化平均真实波幅 (NATR)，即 ATR / Close * 100。
将绝对波动幅度转换为相对波动百分比，使其成为一个更平稳的波动率指标。
"""
def __init__(
self,
window: int = 14,
down_bound: float = None,
up_bound: float = None,
shift_window: int = 0,
):
super().__init__(down_bound, up_bound)
self.window = window
self.shift_window = shift_window
def get_values(
self,
close: np.array,
open: np.array, # 不使用
high: np.array,
low: np.array,
volume: np.array, # 不使用
) -> np.array:
"""
根据最高价、最低价和收盘价计算 NATR 值。
Args:
high (np.array): 最高价列表。
low (np.array): 最低价列表。
close (np.array): 收盘价列表。
Returns:
np.array: NATR 值列表。
"""
# 使用 TA-Lib 直接计算 NATR
natr_values = talib.NATR(high, low, close, timeperiod=self.window)
return natr_values
def get_name(self):
return f"natr_{self.window}"

210
src/strategies/OpenTwoFactorStrategy.py
View File

@@ -2,6 +2,7 @@
from tkinter import N
import numpy as np
from src.indicators.base_indicators import Indicator
from src.indicators.indicators import RSI, HistoricalRange
from .base_strategy import Strategy
from ..core_data import Bar, Order
@@ -30,6 +31,8 @@ class SimpleLimitBuyStrategyLong(Strategy):
stop_loss_points: float = 10, # 新增：止损点数
take_profit_points: float = 10,
use_indicator: bool = False,
indicator: Indicator = None,
lag: int = 7,
): # 新增：止盈点数
"""
初始化策略。
@@ -51,6 +54,8 @@ class SimpleLimitBuyStrategyLong(Strategy):
self.stop_loss_points = stop_loss_points
self.take_profit_points = take_profit_points
self.use_indicator = use_indicator
self.indicator = indicator
self.lag = lag
self.order_id_counter = 0
@@ -67,18 +72,17 @@ class SimpleLimitBuyStrategyLong(Strategy):
def on_init(self):
super().on_init()
count = self.cancel_all_pending_orders()
self.log(f'取消{count}笔订单')
self.log(f"取消{count}笔订单")
def on_open_bar(self, bar: Bar, next_bar_open: Optional[float] = None):
def on_open_bar(self, open: float, symbol: str):
"""
每当新的K线数据到来时调用。
Args:
bar (Bar): 当前的K线数据对象。
next_bar_open (Optional[float]): 下一根K线的开盘价，此处策略未使用。
"""
current_datetime = bar.datetime # 获取当前K线时间
self.symbol = bar.symbol
current_datetime = self.get_current_time() # 获取当前K线时间
self.symbol = symbol
# --- 1. 撤销上一根K线未成交的订单 ---
# 检查是否记录了上一笔订单ID，并且该订单仍然在待处理列表中
@@ -112,18 +116,15 @@ class SimpleLimitBuyStrategyLong(Strategy):
) # 再次获取，此时应已取消旧订单
range_1_ago = None
range_7_ago = None
bar_history = self.get_bar_history()
if len(bar_history) > 16:
# 获取前1根K线 (倒数第二根) 和前7根K线 (队列中最老的一根)
bar_1_ago = bar_history[-8]
bar_7_ago = bar_history[-15]
bar_1_ago = bar_history[-self.lag]
# 计算历史 K 线的 Range
range_1_ago = bar_1_ago.high - bar_1_ago.low
range_7_ago = bar_7_ago.high - bar_7_ago.low
# for i in range(1, 9, 1):
# print(bar_history[-i].datetime)
@@ -135,18 +136,16 @@ class SimpleLimitBuyStrategyLong(Strategy):
): # 假设只做多，所以持仓量 > 0
avg_entry_price = self.get_average_position_price(self.symbol)
if avg_entry_price is not None:
pnl_per_unit = (
bar.open - avg_entry_price
) # 当前浮动盈亏（以收盘价计算）
pnl_per_unit = open - avg_entry_price # 当前浮动盈亏（以收盘价计算）
self.log(
f"[{current_datetime}] 止盈信号 - PnL per unit: {pnl_per_unit:.2f}, 目标: {self.take_profit_points:.2f}"
f"[{current_datetime}] PnL per unit: {pnl_per_unit:.2f}, 目标: {range_1_ago * self.profit_factor:.2f}"
)
# 止盈条件
if pnl_per_unit >= range_1_ago * self.profit_factor:
order_id = f"{self.symbol}_BUY_{bar.datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
order_id = f"{self.symbol}_BUY_{current_datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
self.order_id_counter += 1
# 创建一个限价多单
@@ -157,7 +156,7 @@ class SimpleLimitBuyStrategyLong(Strategy):
volume=trade_volume,
price_type="MARKET",
# limit_price=limit_price,
submitted_time=bar.datetime,
submitted_time=current_datetime,
offset="CLOSE",
)
trade = self.send_order(order)
@@ -169,7 +168,7 @@ class SimpleLimitBuyStrategyLong(Strategy):
f"[{current_datetime}] 止损信号 - PnL per unit: {pnl_per_unit:.2f}, 目标: {-self.stop_loss_points:.2f}"
)
# 发送市价卖出订单平仓，确保立即成交
order_id = f"{self.symbol}_BUY_{bar.datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
order_id = f"{self.symbol}_BUY_{current_datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
self.order_id_counter += 1
# 创建一个限价多单
@@ -180,7 +179,7 @@ class SimpleLimitBuyStrategyLong(Strategy):
volume=trade_volume,
price_type="MARKET",
# limit_price=limit_price,
submitted_time=bar.datetime,
submitted_time=current_datetime,
offset="CLOSE",
)
trade = self.send_order(order)
@@ -190,36 +189,37 @@ class SimpleLimitBuyStrategyLong(Strategy):
# 只有在没有持仓 (current_pos_volume == 0) 且没有待处理订单 (not pending_orders_after_cancel)
# 且K线历史足够长时才考虑开仓
# rsi = RSI(5).get_latest_value(np.array(self.get_price_history('close')), None, None, None, None)
indicator_value = HistoricalRange(21).get_latest_value(
None,
None,
np.array(self.get_price_history("high")),
np.array(self.get_price_history("low")),
None,
)
if (
current_pos_volume == 0
and range_1_ago is not None
and (not self.use_indicator or 10 < indicator_value < 25)
and (
not self.use_indicator
or self.indicator.is_condition_met(
np.array(self.get_price_history("close")),
np.array(self.get_price_history("open")),
np.array(self.get_price_history("high")),
np.array(self.get_price_history("low")),
np.array(self.get_price_history("volume")),
)
)
):
# if current_pos_volume == 0 and range_1_ago is not None:
# 根据策略逻辑计算目标买入价格
# 目标买入价 = 当前K线Open - (前1根Range * 因子1 + 前7根Range * 因子2)
self.log(bar.open, range_1_ago * self.range_factor)
target_buy_price = bar.open - (range_1_ago * self.range_factor)
self.log(open, range_1_ago, self.range_factor)
target_buy_price = open - (range_1_ago * self.range_factor)
# 确保目标买入价格有效，例如不能是负数
target_buy_price = max(0.01, target_buy_price)
self.log(
f"[{current_datetime}] 开多仓信号 - 当前Open={bar.open:.2f}, "
f"[{current_datetime}] 开多仓信号 - 当前Open={open:.2f}, "
f"前1Range={range_1_ago:.2f}, "
f"计算目标买入价={target_buy_price:.2f}"
)
order_id = f"{self.symbol}_BUY_{bar.datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
order_id = f"{self.symbol}_BUY_{current_datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
self.order_id_counter += 1
# 创建一个限价多单
@@ -230,7 +230,7 @@ class SimpleLimitBuyStrategyLong(Strategy):
volume=trade_volume,
price_type="LIMIT",
limit_price=target_buy_price,
submitted_time=bar.datetime,
submitted_time=current_datetime,
)
new_order = self.send_order(order)
# 记录下这个订单的ID，以便在下一根K线开始时进行撤销
@@ -279,6 +279,8 @@ class SimpleLimitBuyStrategyShort(Strategy):
stop_loss_points: float = 10, # 新增：止损点数
take_profit_points: float = 10,
use_indicator: bool = False,
indicator: Indicator = None,
lag: int = 7,
): # 新增：止盈点数
"""
初始化策略。
@@ -300,6 +302,8 @@ class SimpleLimitBuyStrategyShort(Strategy):
self.stop_loss_points = stop_loss_points
self.take_profit_points = take_profit_points
self.use_indicator = use_indicator
self.indicator = indicator
self.lag = lag
self.order_id_counter = 0
@@ -313,15 +317,20 @@ class SimpleLimitBuyStrategyShort(Strategy):
f"止损点={self.stop_loss_points}, 止盈点={self.take_profit_points}"
)
def on_open_bar(self, bar: Bar, next_bar_open: Optional[float] = None):
def on_init(self):
super().on_init()
count = self.cancel_all_pending_orders()
self.log(f"取消{count}笔订单")
def on_open_bar(self, open: float, symbol: str):
"""
每当新的K线数据到来时调用。
Args:
bar (Bar): 当前的K线数据对象。
next_bar_open (Optional[float]): 下一根K线的开盘价，此处策略未使用。
"""
current_datetime = bar.datetime # 获取当前K线时间
self.symbol = bar.symbol
current_datetime = self.get_current_time() # 获取当前K线时间
self.symbol = symbol
# --- 1. 撤销上一根K线未成交的订单 ---
# 检查是否记录了上一笔订单ID，并且该订单仍然在待处理列表中
@@ -355,18 +364,15 @@ class SimpleLimitBuyStrategyShort(Strategy):
) # 再次获取，此时应已取消旧订单
range_1_ago = None
range_7_ago = None
bar_history = self.get_bar_history()
if len(bar_history) > 16:
# 获取前1根K线 (倒数第二根) 和前7根K线 (队列中最老的一根)
bar_1_ago = bar_history[-8]
bar_7_ago = bar_history[-15]
bar_1_ago = bar_history[-self.lag]
# 计算历史 K 线的 Range
range_1_ago = bar_1_ago.high - bar_1_ago.low
range_7_ago = bar_7_ago.high - bar_7_ago.low
# --- 3. 平仓逻辑 (止损/止盈) ---
# 只有当有持仓时才考虑平仓
@@ -375,9 +381,7 @@ class SimpleLimitBuyStrategyShort(Strategy):
): # 假设只做多，所以持仓量 > 0
avg_entry_price = self.get_average_position_price(self.symbol)
if avg_entry_price is not None:
pnl_per_unit = (
avg_entry_price - bar.open
) # 当前浮动盈亏（以收盘价计算）
pnl_per_unit = avg_entry_price - open # 当前浮动盈亏（以收盘价计算）
self.log(
f"[{current_datetime}] 止盈信号 - PnL per unit: {pnl_per_unit:.2f}, 目标: {self.take_profit_points:.2f}"
@@ -386,7 +390,7 @@ class SimpleLimitBuyStrategyShort(Strategy):
# 止盈条件
if pnl_per_unit >= range_1_ago * self.profit_factor:
order_id = f"{self.symbol}_BUY_{bar.datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
order_id = f"{self.symbol}_BUY_{current_datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
self.order_id_counter += 1
# 创建一个限价多单
@@ -397,7 +401,7 @@ class SimpleLimitBuyStrategyShort(Strategy):
volume=trade_volume,
price_type="MARKET",
# limit_price=limit_price,
submitted_time=bar.datetime,
submitted_time=current_datetime,
offset="CLOSE",
)
trade = self.send_order(order)
@@ -409,7 +413,7 @@ class SimpleLimitBuyStrategyShort(Strategy):
f"[{current_datetime}] 止损信号 - PnL per unit: {pnl_per_unit:.2f}, 目标: {-self.stop_loss_points:.2f}"
)
# 发送市价卖出订单平仓，确保立即成交
order_id = f"{self.symbol}_BUY_{bar.datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
order_id = f"{self.symbol}_BUY_{current_datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
self.order_id_counter += 1
# 创建一个限价多单
@@ -420,7 +424,7 @@ class SimpleLimitBuyStrategyShort(Strategy):
volume=trade_volume,
price_type="MARKET",
# limit_price=limit_price,
submitted_time=bar.datetime,
submitted_time=current_datetime,
offset="CLOSE",
)
trade = self.send_order(order)
@@ -430,28 +434,35 @@ class SimpleLimitBuyStrategyShort(Strategy):
# 只有在没有持仓 (current_pos_volume == 0) 且没有待处理订单 (not pending_orders_after_cancel)
# 且K线历史足够长时才考虑开仓
# rsi = RSI(5).get_latest_value(np.array(self.get_price_history('close')), None, None, None, None)
indicator_value = RSI(5).get_latest_value(np.array(self.get_price_history('close')), None, None, None, None)
if (
current_pos_volume == 0
and range_1_ago is not None
and (not self.use_indicator or 20 < indicator_value < 60)
and (
not self.use_indicator
or self.indicator.is_condition_met(
np.array(self.get_price_history("close")),
np.array(self.get_price_history("open")),
np.array(self.get_price_history("high")),
np.array(self.get_price_history("low")),
np.array(self.get_price_history("volume")),
)
)
):
# 根据策略逻辑计算目标买入价格
# 目标买入价 = 当前K线Open - (前1根Range * 因子1 + 前7根Range * 因子2)
self.log(bar.open, range_1_ago * self.range_factor)
target_buy_price = bar.open + (range_1_ago * self.range_factor)
target_buy_price = open + (range_1_ago * self.range_factor)
# 确保目标买入价格有效，例如不能是负数
target_buy_price = max(0.01, target_buy_price)
self.log(
f"[{current_datetime}] 开多仓信号 - 当前Open={bar.open:.2f}, "
f"[{current_datetime}] 开多仓信号 - 当前Open={open:.2f}, "
f"前1Range={range_1_ago:.2f}, "
f"计算目标买入价={target_buy_price:.2f}"
)
order_id = f"{self.symbol}_BUY_{bar.datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
order_id = f"{self.symbol}_SELL_{current_datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
self.order_id_counter += 1
# 创建一个限价多单
@@ -462,7 +473,7 @@ class SimpleLimitBuyStrategyShort(Strategy):
volume=trade_volume,
price_type="LIMIT",
limit_price=target_buy_price,
submitted_time=bar.datetime,
submitted_time=current_datetime,
)
new_order = self.send_order(order)
# 记录下这个订单的ID，以便在下一根K线开始时进行撤销
@@ -513,6 +524,9 @@ class SimpleLimitBuyStrategy(Strategy):
stop_loss_points: float = 10, # 新增：止损点数
take_profit_points: float = 10,
use_indicator: bool = False,
indicator_l: Indicator = None,
indicator_s: Indicator = None,
lag: int = 7,
): # 新增：止盈点数
"""
初始化策略。
@@ -536,6 +550,9 @@ class SimpleLimitBuyStrategy(Strategy):
self.stop_loss_points = stop_loss_points
self.take_profit_points = take_profit_points
self.use_indicator = use_indicator
self.indicator_l = indicator_l
self.indicator_s = indicator_s
self.lag = lag
self.order_id_counter = 0
@@ -551,15 +568,20 @@ class SimpleLimitBuyStrategy(Strategy):
f"止损点={self.stop_loss_points}, 止盈点={self.take_profit_points}"
)
def on_open_bar(self, bar: Bar, next_bar_open: Optional[float] = None):
def on_init(self):
super().on_init()
count = self.cancel_all_pending_orders()
self.log(f"取消{count}笔订单")
def on_open_bar(self, open, symbol):
"""
每当新的K线数据到来时调用。
Args:
bar (Bar): 当前的K线数据对象。
next_bar_open (Optional[float]): 下一根K线的开盘价，此处策略未使用。
"""
current_datetime = bar.datetime # 获取当前K线时间
self.symbol = bar.symbol
self.symbol = symbol
current_datetime = self.get_current_time()
# --- 1. 撤销上一根K线未成交的订单 ---
# 检查是否记录了上一笔订单ID，并且该订单仍然在待处理列表中
@@ -593,18 +615,15 @@ class SimpleLimitBuyStrategy(Strategy):
) # 再次获取，此时应已取消旧订单
range_1_ago = None
range_7_ago = None
bar_history = self.get_bar_history()
if len(bar_history) > 16:
# 获取前1根K线 (倒数第二根) 和前7根K线 (队列中最老的一根)
bar_1_ago = bar_history[-8]
bar_7_ago = bar_history[-15]
bar_1_ago = bar_history[-self.lag]
# 计算历史 K 线的 Range
range_1_ago = bar_1_ago.high - bar_1_ago.low
range_7_ago = bar_7_ago.high - bar_7_ago.low
# --- 3. 平仓逻辑 (止损/止盈) ---
# 只有当有持仓时才考虑平仓
@@ -613,9 +632,7 @@ class SimpleLimitBuyStrategy(Strategy):
): # 假设只做多，所以持仓量 > 0
avg_entry_price = self.get_average_position_price(self.symbol)
if avg_entry_price is not None:
pnl_per_unit = (
avg_entry_price - bar.open
) # 当前浮动盈亏（以收盘价计算）
pnl_per_unit = avg_entry_price - open # 当前浮动盈亏（以收盘价计算）
self.log(
f"[{current_datetime}] 止盈信号 - PnL per unit: {pnl_per_unit:.2f}, 目标: {self.take_profit_points:.2f}"
@@ -624,7 +641,7 @@ class SimpleLimitBuyStrategy(Strategy):
# 止盈条件
if pnl_per_unit >= range_1_ago * self.profit_factor_s:
order_id = f"{self.symbol}_BUY_{bar.datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
order_id = f"{self.symbol}_BUY_{current_datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
self.order_id_counter += 1
# 创建一个限价多单
@@ -635,7 +652,7 @@ class SimpleLimitBuyStrategy(Strategy):
volume=trade_volume,
price_type="MARKET",
# limit_price=limit_price,
submitted_time=bar.datetime,
submitted_time=current_datetime,
offset="CLOSE",
)
trade = self.send_order(order)
@@ -647,7 +664,7 @@ class SimpleLimitBuyStrategy(Strategy):
f"[{current_datetime}] 止损信号 - PnL per unit: {pnl_per_unit:.2f}, 目标: {-self.stop_loss_points:.2f}"
)
# 发送市价卖出订单平仓，确保立即成交
order_id = f"{self.symbol}_BUY_{bar.datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
order_id = f"{self.symbol}_BUY_{current_datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
self.order_id_counter += 1
# 创建一个限价多单
@@ -658,7 +675,7 @@ class SimpleLimitBuyStrategy(Strategy):
volume=trade_volume,
price_type="MARKET",
# limit_price=limit_price,
submitted_time=bar.datetime,
submitted_time=current_datetime,
offset="CLOSE",
)
trade = self.send_order(order)
@@ -669,9 +686,7 @@ class SimpleLimitBuyStrategy(Strategy):
): # 假设只做多，所以持仓量 > 0
avg_entry_price = self.get_average_position_price(self.symbol)
if avg_entry_price is not None:
pnl_per_unit = (
bar.open - avg_entry_price
) # 当前浮动盈亏（以收盘价计算）
pnl_per_unit = open - avg_entry_price # 当前浮动盈亏（以收盘价计算）
self.log(
f"[{current_datetime}] 止盈信号 - PnL per unit: {pnl_per_unit:.2f}, 目标: {self.take_profit_points:.2f}"
@@ -680,7 +695,7 @@ class SimpleLimitBuyStrategy(Strategy):
# 止盈条件
if pnl_per_unit >= range_1_ago * self.profit_factor_l:
order_id = f"{self.symbol}_BUY_{bar.datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
order_id = f"{self.symbol}_BUY_{current_datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
self.order_id_counter += 1
# 创建一个限价多单
@@ -691,7 +706,7 @@ class SimpleLimitBuyStrategy(Strategy):
volume=trade_volume,
price_type="MARKET",
# limit_price=limit_price,
submitted_time=bar.datetime,
submitted_time=current_datetime,
offset="CLOSE",
)
trade = self.send_order(order)
@@ -703,7 +718,7 @@ class SimpleLimitBuyStrategy(Strategy):
f"[{current_datetime}] 止损信号 - PnL per unit: {pnl_per_unit:.2f}, 目标: {-self.stop_loss_points:.2f}"
)
# 发送市价卖出订单平仓，确保立即成交
order_id = f"{self.symbol}_BUY_{bar.datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
order_id = f"{self.symbol}_BUY_{current_datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
self.order_id_counter += 1
# 创建一个限价多单
@@ -714,7 +729,7 @@ class SimpleLimitBuyStrategy(Strategy):
volume=trade_volume,
price_type="MARKET",
# limit_price=limit_price,
submitted_time=bar.datetime,
submitted_time=current_datetime,
offset="CLOSE",
)
trade = self.send_order(order)
@@ -724,34 +739,30 @@ class SimpleLimitBuyStrategy(Strategy):
# 只有在没有持仓 (current_pos_volume == 0) 且没有待处理订单 (not pending_orders_after_cancel)
# 且K线历史足够长时才考虑开仓
if (
current_pos_volume == 0
and range_1_ago is not None
):
if current_pos_volume == 0 and range_1_ago is not None:
indicator_value = HistoricalRange(21).get_latest_value(
None,
None,
if not self.use_indicator or self.indicator_l.is_condition_met(
np.array(self.get_price_history("close")),
np.array(self.get_price_history("open")),
np.array(self.get_price_history("high")),
np.array(self.get_price_history("low")),
None,
)
if (not self.use_indicator or 10 < indicator_value < 25):
np.array(self.get_price_history("volume")),
):
# 根据策略逻辑计算目标买入价格
# 目标买入价 = 当前K线Open - (前1根Range * 因子1 + 前7根Range * 因子2)
self.log(bar.open, range_1_ago * self.range_factor_l)
target_buy_price = bar.open - (range_1_ago * self.range_factor_l)
self.log(open, range_1_ago * self.range_factor_l)
target_buy_price = open - (range_1_ago * self.range_factor_l)
# 确保目标买入价格有效，例如不能是负数
target_buy_price = max(0.01, target_buy_price)
self.log(
f"[{current_datetime}] 开多仓信号 - 当前Open={bar.open:.2f}, "
f"[{current_datetime}] 开多仓信号 - 当前Open={open:.2f}, "
f"前1Range={range_1_ago:.2f}, "
f"计算目标买入价={target_buy_price:.2f}"
)
order_id = f"{self.symbol}_BUY_{bar.datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
order_id = f"{self.symbol}_BUY_{current_datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
self.order_id_counter += 1
# 创建一个限价多单
@@ -762,7 +773,7 @@ class SimpleLimitBuyStrategy(Strategy):
volume=trade_volume,
price_type="LIMIT",
limit_price=target_buy_price,
submitted_time=bar.datetime,
submitted_time=current_datetime,
)
new_order = self.send_order(order)
# 记录下这个订单的ID，以便在下一根K线开始时进行撤销
@@ -774,24 +785,31 @@ class SimpleLimitBuyStrategy(Strategy):
else:
self.log(f"[{current_datetime}] 策略: 发送订单失败。")
indicator_value = RSI(5).get_latest_value(np.array(self.get_price_history('close')), None, None, None, None)
if (not self.use_indicator or 20 < indicator_value < 60):
indicator_value = RSI(5).get_latest_value(
np.array(self.get_price_history("close")), None, None, None, None
)
if not self.use_indicator or self.indicator_s.is_condition_met(
np.array(self.get_price_history("close")),
np.array(self.get_price_history("open")),
np.array(self.get_price_history("high")),
np.array(self.get_price_history("low")),
np.array(self.get_price_history("volume")),
):
# 根据策略逻辑计算目标买入价格
# 目标买入价 = 当前K线Open - (前1根Range * 因子1 + 前7根Range * 因子2)
self.log(bar.open, range_1_ago * self.range_factor_s)
target_buy_price = bar.open + (range_1_ago * self.range_factor_s)
self.log(open, range_1_ago * self.range_factor_s)
target_buy_price = open + (range_1_ago * self.range_factor_s)
# 确保目标买入价格有效，例如不能是负数
target_buy_price = max(0.01, target_buy_price)
self.log(
f"[{current_datetime}] 开多仓信号 - 当前Open={bar.open:.2f}, "
f"[{current_datetime}] 开多仓信号 - 当前Open={open:.2f}, "
f"前1Range={range_1_ago:.2f}, "
f"计算目标买入价={target_buy_price:.2f}"
)
order_id = f"{self.symbol}_BUY_{bar.datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
order_id = f"{self.symbol}_BUY_{current_datetime.strftime('%Y%m%d%H%M%S')}_{self.order_id_counter}"
self.order_id_counter += 1
# 创建一个限价多单
@@ -802,7 +820,7 @@ class SimpleLimitBuyStrategy(Strategy):
volume=trade_volume,
price_type="LIMIT",
limit_price=target_buy_price,
submitted_time=bar.datetime,
submitted_time=current_datetime,
)
new_order = self.send_order(order)
# 记录下这个订单的ID，以便在下一根K线开始时进行撤销

2
src/strategies/base_strategy.py
View File

@@ -54,7 +54,7 @@ class Strategy(ABC):
pass # 默认不执行任何操作，具体策略可覆盖
@abstractmethod
def on_open_bar(self, bar: "Bar"):
def on_open_bar(self, open: float, symbol: str):
"""
每当新的K线数据到来时调用此方法。
Args:

63
src/tqsdk_engine.py
View File

@@ -165,7 +165,11 @@ class TqsdkEngine:
order_to_send.limit_price
if order_to_send.price_type == "LIMIT"
# else self.quote.bid_price1 + (1 if tqsdk_direction == "BUY" else -1)
else self.quote.bid_price1 if tqsdk_direction == "SELL" else self.quote.ask_price1
else (
self.quote.bid_price1
if tqsdk_direction == "SELL"
else self.quote.ask_price1
)
),
)
# 更新原始 Order 对象与 Tqsdk 的订单ID和状态
@@ -358,7 +362,7 @@ class TqsdkEngine:
self.now = now_dt
if self._api.is_changing(self.klines):
if self._api.is_changing(self.klines.iloc[-1]):
kline_row = self.klines.iloc[-1]
kline_dt = pd.to_datetime(kline_row.datetime, unit="ns", utc=True)
kline_dt = kline_dt.tz_convert(BEIJING_TZ)
@@ -382,11 +386,6 @@ class TqsdkEngine:
kline_dt = pd.to_datetime(kline_row.datetime, unit="ns", utc=True)
kline_dt = kline_dt.tz_convert(BEIJING_TZ)
if (
self.last_processed_bar is None
or self.last_processed_bar.datetime != kline_dt
):
# 创建 core_data.Bar 对象
current_bar = Bar(
datetime=kline_dt,
symbol=self._last_underlying_symbol,
@@ -399,6 +398,11 @@ class TqsdkEngine:
close_oi=kline_row.close_oi,
)
if (
self.last_processed_bar is None
or self.last_processed_bar.datetime != kline_dt
):
# 设置当前 Bar 到 Context
self._context.set_current_bar(current_bar)
@@ -423,19 +427,10 @@ class TqsdkEngine:
else:
self._is_rollover_bar = False
self.all_bars.append(current_bar)
self.close_list.append(current_bar.close)
self.open_list.append(current_bar.open)
self.high_list.append(current_bar.high)
self.low_list.append(current_bar.low)
self.volume_list.append(current_bar.volume)
self.last_processed_bar = current_bar
# 调用策略的 on_bar 方法
self._strategy.on_open_bar(current_bar)
self._strategy.on_open_bar(current_bar.open, current_bar.symbol)
# 处理订单和取消请求
self._process_queued_requests()
@@ -443,25 +438,13 @@ class TqsdkEngine:
# 记录投资组合快照
self._record_portfolio_snapshot(current_bar.datetime)
else:
# 创建 core_data.Bar 对象
current_bar = Bar(
datetime=kline_dt,
symbol=self._last_underlying_symbol,
open=kline_row.open,
high=kline_row.high,
low=kline_row.low,
close=kline_row.close,
volume=kline_row.volume,
open_oi=kline_row.open_oi,
close_oi=kline_row.close_oi,
)
self.all_bars[-1] = current_bar
self.all_bars.append(current_bar)
self.close_list[-1] = current_bar.close
self.open_list[-1] = current_bar.open
self.high_list[-1] = current_bar.high
self.low_list[-1] = current_bar.low
self.volume_list[-1] = current_bar.volume
self.close_list.append(current_bar.close)
self.open_list.append(current_bar.open)
self.high_list.append(current_bar.high)
self.low_list.append(current_bar.low)
self.volume_list.append(current_bar.volume)
self.last_processed_bar = current_bar
@@ -513,13 +496,13 @@ class TqsdkEngine:
return self.all_bars
def get_price_history(self, key: str):
if key == 'close':
if key == "close":
return self.close_list
elif key == 'open':
elif key == "open":
return self.open_list
elif key == 'high':
elif key == "high":
return self.high_list
elif key == 'low':
elif key == "low":
return self.low_list
elif key == 'volume':
elif key == "volume":
return self.volume_list

123
src/tqsdk_real_engine.py
View File

@@ -112,15 +112,13 @@ class TqsdkEngine:
self.klines = api.get_kline_serial(
symbol, duration_seconds, data_length=history_length + 2
)
self.klines_1min = api.get_kline_serial(
symbol, 60
)
self.klines_1min = api.get_kline_serial(symbol, 60)
self.now = None
self.quote = None
if roll_over_mode:
self.quote = api.get_quote(symbol)
self.kline_row = None
self.partial_bar: Bar = None
print("TqsdkEngine: 初始化完成。")
@@ -345,7 +343,12 @@ class TqsdkEngine:
kline_dt = kline_dt.tz_convert(BEIJING_TZ)
self.main(kline_row, self.klines.iloc[-i - 1])
print(f"TqsdkEngine: 加载历史k线完成, bars数量:{len(self.all_bars)},last bar datetime:{self.all_bars[-1].datetime}")
print(
f"TqsdkEngine: 加载历史k线完成, bars数量:{len(self.all_bars)},last bar datetime:{self.all_bars[-1].datetime}"
)
for bar in self.all_bars[-5:]:
print(bar)
self._strategy.trading = True
self._last_underlying_symbol = self.quote.underlying_symbol
@@ -358,6 +361,8 @@ class TqsdkEngine:
if hasattr(self._strategy, "on_init"):
self._strategy.on_init()
new_bar = False
if is_trading_time:
print(f"TqsdkEngine: 当前是交易时间，处理最新一根k线")
@@ -367,10 +372,12 @@ class TqsdkEngine:
self.kline_row = kline_row
self.main(self.klines.iloc[-1], self.klines.iloc[-2])
new_bar = True
# 迭代 K 线数据
# 使用 self._api.get_kline_serial 获取到的 K 线是 Pandas DataFrame，
# 直接迭代其行（Bar）更符合回测逻辑
print(f"TqsdkEngine: 开始等待最新数据")
while True:
# Tqsdk API 的 wait_update() 确保数据更新
@@ -383,15 +390,22 @@ class TqsdkEngine:
self._last_underlying_symbol = self.quote.underlying_symbol
if self._api.is_changing(self.klines_1min.iloc[-1], "datetime"):
if self.kline_row is not None:
kline_dt = pd.to_datetime(self.kline_row.datetime, unit="ns", utc=True)
kline_dt = kline_dt.tz_convert(BEIJING_TZ)
is_close_bar = is_bar_pre_close_period(kline_dt, int(self.kline_row.duration), pre_close_minutes=3)
is_close_bar = is_bar_pre_close_period(
kline_dt, int(self.kline_row.duration), pre_close_minutes=3
)
if is_close_bar:
print(f'TqsdkEngine: close bar, kline_dt:{kline_dt}, now: {datetime.now()}')
if is_close_bar and new_bar:
print(
f"TqsdkEngine: close bar, kline_dt:{kline_dt}, now: {datetime.now()}"
)
self.close_bar(kline_row)
new_bar = False
if self._api.is_changing(self.klines.iloc[-1], "datetime"):
kline_row = self.klines.iloc[-1]
kline_dt = pd.to_datetime(kline_row.datetime, unit="ns", utc=True)
@@ -403,6 +417,8 @@ class TqsdkEngine:
)
self.main(kline_row, self.klines.iloc[-2])
new_bar = True
def close_bar(self, kline_row):
kline_dt = pd.to_datetime(kline_row.datetime, unit="ns", utc=True)
kline_dt = kline_dt.tz_convert(BEIJING_TZ)
@@ -419,13 +435,6 @@ class TqsdkEngine:
open_oi=kline_row.open_oi,
close_oi=kline_row.close_oi,
)
self.all_bars[-1] = current_bar
self.close_list[-1] = current_bar.close
self.open_list[-1] = current_bar.open
self.high_list[-1] = current_bar.high
self.low_list[-1] = current_bar.low
self.volume_list[-1] = current_bar.volume
self.last_processed_bar = current_bar
@@ -436,14 +445,13 @@ class TqsdkEngine:
self._process_queued_requests()
def main(self, kline_row, prev_kline_row):
if True:
kline_dt = pd.to_datetime(prev_kline_row.datetime, unit="ns", utc=True)
kline_dt = pd.to_datetime(kline_row.datetime, unit="ns", utc=True)
kline_dt = kline_dt.tz_convert(BEIJING_TZ)
if len(self.all_bars) > 0:
# 创建 core_data.Bar 对象
current_bar = Bar(
datetime=kline_dt,
symbol=self._last_underlying_symbol,
if self.partial_bar is not None:
last_bar = Bar(
datetime=pd.to_datetime(prev_kline_row.datetime, unit="ns", utc=True).tz_convert(BEIJING_TZ),
symbol=self.partial_bar.symbol,
open=prev_kline_row.open,
high=prev_kline_row.high,
low=prev_kline_row.low,
@@ -452,48 +460,22 @@ class TqsdkEngine:
open_oi=prev_kline_row.open_oi,
close_oi=prev_kline_row.close_oi,
)
self.all_bars[-1] = current_bar
self.close_list[-1] = current_bar.close
self.open_list[-1] = current_bar.open
self.high_list[-1] = current_bar.high
self.low_list[-1] = current_bar.low
self.volume_list[-1] = current_bar.volume
self.all_bars.append(last_bar)
self.last_processed_bar = current_bar
self.close_list.append(last_bar.close)
self.open_list.append(last_bar.open)
self.high_list.append(last_bar.high)
self.low_list.append(last_bar.low)
self.volume_list.append(last_bar.volume)
# if self._strategy.trading is True:
# self._strategy.on_close_bar(current_bar)
self.last_processed_bar = last_bar
# # 处理订单和取消请求
# self._process_queued_requests()
# on open bar --------------------------------------
# 创建 core_data.Bar 对象
kline_dt = pd.to_datetime(kline_row.datetime, unit="ns", utc=True)
kline_dt = kline_dt.tz_convert(BEIJING_TZ)
current_bar = Bar(
datetime=kline_dt,
symbol=self._last_underlying_symbol,
open=kline_row.open,
high=kline_row.high,
low=kline_row.low,
close=kline_row.close,
volume=kline_row.volume,
open_oi=kline_row.open_oi,
close_oi=kline_row.close_oi,
)
# 设置当前 Bar 到 Context
self._context.set_current_bar(current_bar)
# Tqsdk 的 is_changing 用于判断数据是否有变化，对于回测遍历 K 线，每次迭代都算作新 Bar
# 如果 kline_row.datetime 与上次不同，则认为是新 Bar
if (
self.roll_over_mode
and self.last_processed_bar is not None
and self._last_underlying_symbol != self.last_processed_bar.symbol
and self._strategy.trading is True
and self._strategy.trading
):
self._is_rollover_bar = True
print(
@@ -507,27 +489,22 @@ class TqsdkEngine:
self.last_processed_bar.symbol, self._last_underlying_symbol
)
else:
self._is_rollover_bar = False
self.all_bars.append(current_bar)
self.close_list.append(current_bar.close)
self.open_list.append(current_bar.open)
self.high_list.append(current_bar.high)
self.low_list.append(current_bar.low)
self.volume_list.append(current_bar.volume)
self.last_processed_bar = current_bar
# 调用策略的 on_bar 方法
self._strategy.on_open_bar(current_bar)
self._strategy.on_open_bar(kline_row.open, self._last_underlying_symbol)
# 处理订单和取消请求
if self._strategy.trading is True:
self._process_queued_requests()
# 记录投资组合快照
self._record_portfolio_snapshot(current_bar.datetime)
self.partial_bar = Bar(
datetime=kline_dt,
symbol=self.quote.underlying_symbol,
open=0,
high=0,
low=0,
close=0,
volume=0,
open_oi=0,
close_oi=0,
)
def run(self):
"""

0
test
View File

70
test.txt Normal file
View File

@@ -0,0 +1,70 @@
INFO - 时间: 2024-06-24 09:00:59.999999, 合约: CZCE.MA409, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2482.000,手续费: 2.00
INFO - 时间: 2024-06-25 11:00:00.000000, 合约: CZCE.MA409, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2526.000,手续费: 2.00
INFO - 时间: 2024-06-25 13:30:59.999999, 合约: CZCE.MA409, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2510.000,手续费: 2.00
INFO - 时间: 2024-06-28 09:00:00.000000, 合约: CZCE.MA409, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2523.000,手续费: 2.00
INFO - 时间: 2024-07-01 09:07:59.999999, 合约: CZCE.MA409, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2531.000,手续费: 2.00
INFO - 时间: 2024-07-02 13:30:00.000000, 合约: CZCE.MA409, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2559.000,手续费: 2.00
INFO - 时间: 2024-07-08 09:43:59.999999, 合约: CZCE.MA409, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2527.000,手续费: 2.00
INFO - 时间: 2024-07-08 22:00:00.000000, 合约: CZCE.MA409, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2547.000,手续费: 2.00
INFO - 时间: 2024-07-15 13:39:59.999999, 合约: CZCE.MA409, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2566.000,手续费: 2.00
INFO - 时间: 2024-07-17 14:00:00.000000, 合约: CZCE.MA409, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2538.000,手续费: 2.00
INFO - 时间: 2024-07-23 14:57:59.999999, 合约: CZCE.MA409, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2500.000,手续费: 2.00
INFO - 时间: 2024-07-29 11:00:00.000000, 合约: CZCE.MA409, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2477.000,手续费: 2.00
INFO - 时间: 2024-07-29 14:48:59.999999, 合约: CZCE.MA409, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2481.000,手续费: 2.00
INFO - 时间: 2024-07-30 10:00:00.000000, 合约: CZCE.MA409, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2460.000,手续费: 2.00
INFO - 时间: 2024-08-08 14:35:59.999999, 合约: CZCE.MA409, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2453.000,手续费: 2.00
INFO - 时间: 2024-08-09 22:00:00.000000, 合约: CZCE.MA409, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2420.000,手续费: 2.00
INFO - 时间: 2024-08-15 09:18:59.999999, 合约: CZCE.MA409, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2410.000,手续费: 2.00
INFO - 时间: 2024-08-15 21:00:00.000000, 合约: CZCE.MA409, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2416.000,手续费: 2.00
INFO - 时间: 2024-08-28 14:51:59.999999, 合约: CZCE.MA501, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2536.000,手续费: 2.00
INFO - 时间: 2024-08-30 22:00:00.000000, 合约: CZCE.MA501, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2507.000,手续费: 2.00
INFO - 时间: 2024-09-04 09:11:59.999999, 合约: CZCE.MA501, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2434.000,手续费: 2.00
INFO - 时间: 2024-09-04 21:00:00.000000, 合约: CZCE.MA501, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2403.000,手续费: 2.00
INFO - 时间: 2024-09-09 13:48:59.999999, 合约: CZCE.MA501, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2336.000,手续费: 2.00
INFO - 时间: 2024-09-10 22:00:00.000000, 合约: CZCE.MA501, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2308.000,手续费: 2.00
INFO - 时间: 2024-09-18 09:32:59.999999, 合约: CZCE.MA501, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2367.000,手续费: 2.00
INFO - 时间: 2024-09-19 13:30:00.000000, 合约: CZCE.MA501, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2394.000,手续费: 2.00
INFO - 时间: 2024-10-08 09:00:59.999999, 合约: CZCE.MA501, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2596.000,手续费: 2.00
INFO - 时间: 2024-10-08 11:00:59.999999, 合约: CZCE.MA501, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2568.000,手续费: 2.00
INFO - 时间: 2024-10-08 21:44:59.999999, 合约: CZCE.MA501, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2542.000,手续费: 2.00
INFO - 时间: 2024-10-09 21:00:00.000000, 合约: CZCE.MA501, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2507.000,手续费: 2.00
INFO - 时间: 2024-10-21 09:17:59.999999, 合约: CZCE.MA501, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2397.000,手续费: 2.00
INFO - 时间: 2024-10-23 14:00:00.000000, 合约: CZCE.MA501, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2431.000,手续费: 2.00
INFO - 时间: 2024-11-15 14:17:59.999999, 合约: CZCE.MA501, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2494.000,手续费: 2.00
INFO - 时间: 2024-11-18 11:00:00.000000, 合约: CZCE.MA501, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2528.000,手续费: 2.00
INFO - 时间: 2024-12-02 21:12:59.999999, 合约: CZCE.MA501, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2543.000,手续费: 2.00
INFO - 时间: 2024-12-04 13:30:00.000000, 合约: CZCE.MA501, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2520.000,手续费: 2.00
INFO - 时间: 2024-12-17 14:50:59.999999, 合约: CZCE.MA505, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2602.000,手续费: 2.00
INFO - 时间: 2024-12-23 22:00:00.000000, 合约: CZCE.MA505, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2640.000,手续费: 2.00
INFO - 时间: 2025-01-03 14:52:59.999999, 合约: CZCE.MA505, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2652.000,手续费: 2.00
INFO - 时间: 2025-01-06 10:00:59.999999, 合约: CZCE.MA505, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2614.000,手续费: 2.00
INFO - 时间: 2025-01-08 21:03:59.999999, 合约: CZCE.MA505, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2571.000,手续费: 2.00
INFO - 时间: 2025-01-10 21:00:59.999999, 合约: CZCE.MA505, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2620.000,手续费: 2.00
INFO - 时间: 2025-01-16 09:58:59.999999, 合约: CZCE.MA505, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2636.000,手续费: 2.00
INFO - 时间: 2025-01-16 22:00:00.000000, 合约: CZCE.MA505, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2602.000,手续费: 2.00
INFO - 时间: 2025-01-21 21:24:59.999999, 合约: CZCE.MA505, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2570.000,手续费: 2.00
INFO - 时间: 2025-01-23 10:00:00.000000, 合约: CZCE.MA505, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2547.000,手续费: 2.00
INFO - 时间: 2025-01-23 14:58:59.999999, 合约: CZCE.MA505, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2546.000,手续费: 2.00
INFO - 时间: 2025-01-27 14:00:00.000000, 合约: CZCE.MA505, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2565.000,手续费: 2.00
INFO - 时间: 2025-02-10 21:33:59.999999, 合约: CZCE.MA505, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2598.000,手续费: 2.00
INFO - 时间: 2025-02-12 21:00:00.000000, 合约: CZCE.MA505, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2577.000,手续费: 2.00
INFO - 时间: 2025-02-14 14:50:59.999999, 合约: CZCE.MA505, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2530.000,手续费: 2.00
INFO - 时间: 2025-02-18 13:30:00.000000, 合约: CZCE.MA505, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2550.000,手续费: 2.00
INFO - 时间: 2025-02-26 09:01:59.999999, 合约: CZCE.MA505, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2534.000,手续费: 2.00
INFO - 时间: 2025-02-27 09:00:00.000000, 合约: CZCE.MA505, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2553.000,手续费: 2.00
INFO - 时间: 2025-03-24 21:31:59.999999, 合约: CZCE.MA505, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2572.000,手续费: 2.00
INFO - 时间: 2025-03-25 11:00:00.000000, 合约: CZCE.MA505, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2546.000,手续费: 2.00
INFO - 时间: 2025-03-31 09:03:59.999999, 合约: CZCE.MA505, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2517.000,手续费: 2.00
INFO - 时间: 2025-03-31 10:00:00.000000, 合约: CZCE.MA505, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2495.000,手续费: 2.00
INFO - 时间: 2025-04-09 09:13:59.999999, 合约: CZCE.MA505, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2322.000,手续费: 2.00
INFO - 时间: 2025-04-09 14:00:00.000000, 合约: CZCE.MA505, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2350.000,手续费: 2.00
INFO - 时间: 2025-04-14 09:05:59.999999, 合约: CZCE.MA505, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2367.000,手续费: 2.00
INFO - 时间: 2025-04-16 21:00:00.000000, 合约: CZCE.MA505, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2374.000,手续费: 2.00
INFO - 时间: 2025-04-21 09:31:59.999999, 合约: CZCE.MA509, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2264.000,手续费: 2.00
INFO - 时间: 2025-04-23 14:00:00.000000, 合约: CZCE.MA509, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2294.000,手续费: 2.00
INFO - 时间: 2025-05-08 09:09:59.999999, 合约: CZCE.MA509, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2210.000,手续费: 2.00
INFO - 时间: 2025-05-09 11:00:00.000000, 合约: CZCE.MA509, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2234.000,手续费: 2.00
INFO - 时间: 2025-05-19 09:21:59.999999, 合约: CZCE.MA509, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2276.000,手续费: 2.00
INFO - 时间: 2025-05-20 14:00:00.000000, 合约: CZCE.MA509, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2250.000,手续费: 2.00
INFO - 时间: 2025-05-23 14:22:59.999999, 合约: CZCE.MA509, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 2226.000,手续费: 2.00
INFO - 时间: 2025-05-26 22:00:00.000000, 合约: CZCE.MA509, 开平: CLOSE, 方向: SELL, 手数: 1, 价格: 2190.000,手续费: 2.00

22003
tqsdk_main2.ipynb
View File

File diff suppressed because one or more lines are too long