Posts

想更深入了解开源交易框架？请查看我们的详细评测和对比。 为什么选择趋势跟踪？ 在构建任何机器人之前，我想要一个简单、稳健且经过验证的策略。趋势跟踪满足所有条件——它基于价格动量，适用于各种市场。核心思想很简单： 当价格高于移动平均线时买入，低于时卖出。 考虑到这一点，我仅使用开源工具构建了完整的交易流程。 我使用的工具 Backtrader – 用于回测和策略逻辑 CCXT – 用于实时交易API接入（币安） Pandas/NumPy – 用于数据处理 Python – 用于连接代码和脚本编写 Screen – 用于在VPS或树莓派上运行机器人 逐步构建流程 1. 策略逻辑（Backtrader） ///python class TrendStrategy(bt.Strategy): def init(self): self.sma = bt.indicators.SimpleMovingAverage(period=50) def next(self): if self.data.close[0] > self.sma[0] and not self.position: self.buy() elif self.data.close[0] < self.sma[0] and self.position: self.sell() /// 我保持策略简洁：当价格突破50期简单移动平均线时买入，跌破时卖出。 2. 回测 利用通过CCXT下载的币安历史数据，我对BTC/USDT几个月的数据进行了测试。评估了： 胜率 最大回撤 盈利因子 3. 使用CCXT进行实盘交易 ///python import ccxt exchange = ccxt.binance({ ‘apiKey’: ‘YOUR_API_KEY’, ‘secret’: ‘YOUR_SECRET’, ’enableRateLimit’: True }) ...

初次接触机构级开源工具？欢迎查看我们的 框架评测与分析。 交易格局的转变 长期以来，机构交易一直由封闭的专有系统主导 —— 昂贵、封闭且缺乏灵活性。但近年来，开源已悄然成为强有力的竞争者。从量化研究到执行引擎，对冲基金、银行和金融科技公司越来越多地采用开源技术来提升灵活性并降低成本。 为什么机构选择开源 1. 成本效益 传统交易软件的许可费用昂贵。开源平台不仅节省成本，还能实现深度定制。 2. 透明与信任 开源代码可供审核。这对于合规、模型验证和安全审查尤为重要 —— 这些都是机构运营的关键要素。 3. 人才与协作 当今的量化开发者熟练掌握开源工具 —— 从 Python 到 Kubernetes。企业可以借助全球社区的贡献者、库和标准获得巨大优势。 4. 创新速度 无论是集成新交易所、构建分析工具，还是部署新策略，开源平台都支持更快的迭代和不受厂商限制的创新。 快速发展的关键领域 🧠 量化研究平台 像 Pandas、NumPy 和 Backtrader 这样的开源库，是构建机构级回测与分析流程的基础。 🔁 执行引擎 AlgoTrader、QuantConnect（开源部分） 以及通过 FIX 和 CCXT 的集成，使机构级实时交易成为可能。 🔒 合规与风控 新兴的开源风控框架与数据验证工具正被用于实时监控与投资组合限制。 ⚙️ 基础设施 Docker、Kubernetes、Kafka 与 Airflow —— 原本为通用工程开发，如今已成为现代交易系统的数据与计算基础设施。 面临的挑战 安全性与审计链必须达到机构级别 关键部署可能需要厂商支持 与传统系统的集成可能需要自定义桥接 合规要求需配套详实文档与控制机制 不过，这些问题正通过混合模型得到积极应对：以开源为核心，加上企业级扩展层。 混合模式：开源核心 + 企业功能 一种日益流行的趋势是 “开源核心”模式 —— 机构使用免费的核心平台（如回测引擎、订单管理系统），再叠加专有扩展、集成或技术支持合同。 这种方式结合了两全其美的优势： 开放、可扩展的技术基础 企业级的控制与支持 未来展望 随着开源不断成熟，监管科技不断进步，我们可以预见： ...

在 Raspberry Pi 上运行加密货币交易机器人是一种高效且经济的方式，可实现全天候自动化您的交易策略。结合强大的 CCXT 库，它连接了数十个加密货币交易所，您的 Raspberry Pi 可以作为一个轻量级、始终在线的交易节点。 本指南将引导您使用 Python + CCXT 在 Raspberry Pi 上设置加密货币交易机器人。 为什么使用 Raspberry Pi？ 🌱 低功耗 — 适合 24/7 持续运行 💰 硬件价格实惠 — 即使是旧型号的 Pi 也能使用 💻 运行完整 Linux 系统 — 支持 Python、cron 任务、日志记录 🔒 物理安全 — 在家中运行机器人，完全掌控 第1步：设置 Raspberry Pi 安装 Raspberry Pi OS（Lite 或 Desktop 版本） 通过 SSH 连接或使用显示器和键盘 更新软件包： sudo apt update && sudo apt upgrade -y 如果未安装，安装 Python 和 pip： sudo apt install python3 python3-pip -y 第2步：安装 CCXT CCXT 是一个支持 100 多个加密货币交易所交易和市场数据访问的 Python 库。 ...

Backtrader 是 Python 中最受欢迎的开源回测和实盘交易框架之一。它语法简洁，文档详尽，社区活跃，适合初学者和高级交易者使用。本文将带你一步步使用 Backtrader 设置第一个算法交易策略。 如果你是 Backtrader 新手，请先查看我们的详细Backtrader 概览。 第一步：安装 Backtrader 你可以使用 pip 安装 Backtrader： pip install backtrader # 可选：你也可以安装 matplotlib 用于绘图，pandas 用于数据处理： pip install matplotlib pandas 第二步：准备历史数据 Backtrader 支持 CSV 文件、Pandas DataFrame，甚至支持来自券商的实时数据。这里先加载一个 CSV 文件： import backtrader as bt import datetime data = bt.feeds.YahooFinanceCSVData( dataname='your-data.csv', fromdate=datetime.datetime(2020, 1, 1), todate=datetime.datetime(2023, 12, 31), reverse=False ) 确保你的 CSV 包含如下列：Date, Open, High, Low, Close, Volume, Adj Close。 第三步：创建策略 继承自 bt.Strategy 创建策略类。这里实现一个简单的移动平均线交叉策略： class SmaCross(bt.Strategy): params = dict(period=20) def __init__(self): sma = bt.ind.SMA(period=self.p.period) self.crossover = bt.ind.CrossOver(self.data.close, sma) def next(self): if not self.position: if self.crossover > 0: self.buy() elif self.crossover < 0: self.close() 第四步：设置回测引擎 现在创建 Cerebro 引擎 —— Backtrader 的核心： ...

回测和实盘交易是算法交易的两面。无论你使用的是 Backtrader、Freqtrade，还是 QuantConnect Lean，了解这两个阶段的区别——以及其中的注意事项——都是至关重要的。 什么是回测？ 回测 是在历史市场数据上模拟交易策略，以评估其表现的过程。 目标： 无需投入真实资金即可测试交易想法 优点： 快速迭代，可洞察潜在亏损与盈利能力 工具： 大多数开源平台都内置强大的回测引擎 ✅ 可以把它看作策略实验室 —— 没有真实资金，没有真实后果。 什么是实盘交易？ 实盘交易 是在真实或模拟的交易环境中运行策略，使用实时市场数据，并可选择是否执行真实交易。 目标： 在真实市场条件下实时执行策略 选项： 模拟交易（paper trading）或真实资金交易 工具： 大多数平台都可对接经纪商或交易所的 API 🟡 这是现实世界 —— 延迟、滑点和执行质量非常关键。 开源交易者需注意的关键点 1. 数据质量 回测： 通常能获得干净、完整的数据集 实盘交易： 实时数据可能存在噪声、延迟或不完整的情况 💡 确保历史数据能尽可能反映真实市场条件（如滑点、漏掉的 tick）。 2. 执行环境 回测： 交易“虚拟”且立即完成，价格完美 实盘交易： 存在网络延迟、部分成交、交易所行为差异等问题 💡 在回测中加入现实假设，例如延迟、手续费、买卖差价等。 3. 策略行为 一些策略在理论中表现良好，但在实际运行中失败，原因可能包括： 对历史数据过拟合 对订单执行速度敏感 忽略实际交易约束（如手续费、保证金、仓位限制） 💡 务必在极端或恶劣市场条件下对逻辑进行压力测试。 4. 滑点与延迟 滑点： 实际成交价格与预期价格之间的差异 延迟： 从信号生成到实际下单之间的时间延迟 💡 回测系统可能会模拟这些因素，但实盘交易中将直面这些挑战。 5. 风险管理 回测阶段可用于建模风险 实盘交易将揭示真实风险 💡 始终使用止损、仓位控制和熔断机制 —— 并在测试中也要验证它们的效果。 ...