EA10 Python/vnpy 策略

三、核心架构与 vt_symbol 规则

vt_symbol 合约代码规则：合约.交易所，注意与 TqSdk 顺序相反：

白话注解：日常写策略时你基本不直接碰 MainEngine/EventEngine——VeighNa Trader 图形界面或回测引擎都替你管了。但理解"一切都是事件"这个模型，能帮你明白为什么策略类里全是 on_xxx 回调。

四、数据对象：TickData / BarData / OrderData / TradeData

策略回调收到的都是 vn.py 统一的数据对象，常用字段：

注意字段命名与 TqSdk 不同：vn.py 是 close_price 不是 close，是 ask_price_1 不是 ask_price1。混用两个框架时最容易写串。

五、生命周期回调全集

CtaTemplate 的全部回调（官方 template.py 源码确认）：

配套工具方法（同样是源码确认）：

CtaTemplate 没有 set_target 和 close_all 方法——网上部分老教程写错了，直接调用会报 AttributeError。想"一键平仓"：判断 self.pos 后调用对应的 sell/cover；或者干脆继承 TargetPosTemplate 用 set_target_pos(0)（第十四章）。

六、BarGenerator：K 线合成器

国内期货 CTP 推送的是 tick 和 1 分钟线，BarGenerator 负责把它们合成你要的周期：

from vnpy.trader.utility import BarGenerator
from vnpy.trader.constant import Interval

def __init__(self, cta_engine, strategy_name, vt_symbol, setting):
    super().__init__(cta_engine, strategy_name, vt_symbol, setting)
    # 1分钟K线 → 合成 15分钟K线，推给 on_15min_bar
    self.bg = BarGenerator(self.on_bar, 15, self.on_15min_bar)
    # 小时线：window 配合 Interval.HOUR
    self.bg_hour = BarGenerator(self.on_bar, 2, self.on_2hour_bar, Interval.HOUR)

def on_tick(self, tick: TickData):
self.bg.update_tick(tick) # tick 灌进合成器

def on_bar(self, bar: BarData):
self.bg.update_bar(bar) # 1分钟线再灌进15分钟合成器

def on_15min_bar(self, bar: BarData):
    # 你的主逻辑写在这（15分钟级别）
    ...

• BarGenerator(on_bar, window, on_window_bar, interval)：默认把 tick 合成 1 分钟线推给 on_bar
• window=N 再把 N 根合成一根推给 on_window_bar；小时线要配 Interval.HOUR
• chain 起来就是：tick → 1分钟 → 15分钟，层层灌

白话注解：注意信号只会在 K 线走完时触发一次（合成器是收满 N 根才切一刀），天然规避了"K线没走完反复交易"的问题——这点 vn.py 帮你处理好了。

七、下单函数：buy / sell / short / cover（含 stop/lock/net）

四个下单函数，源码签名完全一致：

def buy(self, price: float, volume: float, stop: bool = False,
        lock: bool = False, net: bool = False) -> list:
    """买入开多"""

# 四个方向
self.buy(price, volume) # 买开（做多）
self.sell(price, volume) # 卖平（平多仓）
self.short(price, volume) # 卖开（做空）
self.cover(price, volume) # 买平（平空仓）

返回值是 vt_orderid 列表（本地停止单返回 STOP.前缀 的虚拟单号），撤单用：

self.cancel_order(vt_orderid) # 撤指定单
self.cancel_all() # 撤本策略全部挂单（含停止单）

白话注解：新手最容易混 buy/cover 和 sell/short。口诀：开仓看方向（买开 buy、卖开 short），平仓反着来（平多用 sell、平空用 cover）。平仓手数超过实际持仓会被拒单——平之前看一眼 self.pos。

八、TargetPosTemplate：目标持仓模板

vn.py 内置了"目标持仓"式策略模板（继承自 CtaTemplate）：你不写买卖方向，只声明目标净持仓，框架自动算差额、自动撤旧单、自动按多空方向下单（实盘自动处理平今平昨的组合）：

from vnpy_ctastrategy import TargetPosTemplate, BarData
from vnpy.trader.utility import BarGenerator, ArrayManager

class TargetMaStrategy(TargetPosTemplate):
    """注意：继承 TargetPosTemplate，不是 CtaTemplate"""
    fast_window = 10
    slow_window = 30
    target_pos_size = 1

target_pos = 0 # 模板内置变量：目标净持仓（正=多，负=空，0=空仓）

    parameters = ["fast_window", "slow_window", "target_pos_size"]
    variables = ["fast_ma0", "slow_ma0"]

    def __init__(self, cta_engine, strategy_name, vt_symbol, setting):
        super().__init__(cta_engine, strategy_name, vt_symbol, setting)
        self.bg = BarGenerator(self.on_bar, 15, self.on_15min_bar)
        self.am = ArrayManager(100)

    def on_init(self):
        self.load_bar(10)

    def on_tick(self, tick):
        self.bg.update_tick(tick)

    def on_bar(self, bar):
        self.bg.update_bar(bar)

    def on_15min_bar(self, bar: BarData):
        am = self.am
        am.update_bar(bar)
        if not am.inited:
            return

        fast = am.sma(self.fast_window, array=True)
        slow = am.sma(self.slow_window, array=True)

        if fast[-1] > slow[-1]:
self.set_target_pos(self.target_pos_size) # 目标：多头1手
        elif fast[-1] < slow[-1]:
self.set_target_pos(-self.target_pos_size) # 目标：空头1手
        else:
self.set_target_pos(0) # 目标：空仓

        self.put_event()

    def on_stop(self):
        # 停止前把目标清零，框架会自动平掉所有持仓
        self.set_target_pos(0)
        self.put_event()

与手写 buy/sell/short/cover 对比：

白话注解：set_target_pos(n) 的 n 是手数：正数持多、负数持空、0 平光。它内部逻辑（官方 template.py）就是"目标减现有 = 差额"，差额为正 buy/cover、为负 sell/short，且实盘会根据你的持仓方向自动选对平仓函数。和 TqSdk 的 TargetPosTask 一个思想——"声明目标，框架干活"。

旧教程里在 CtaTemplate 上调 self.set_target(...) 是错误写法（不存在该方法）。目标持仓的正确入口是继承 TargetPosTemplate 并调用 self.set_target_pos(...)。

九、停止单（stop）机制

buy/sell/short/cover(price, volume, stop=True) 发出的是本地停止单：

• 不发给交易所，存在 vn.py 引擎里，用 STOP. 开头的虚拟单号
• 每个 tick 到来时检查：价格触及触发价 → 自动转成限价单发出
• 触发后走 on_stop_order() 回调
• cancel_all() 会一并撤掉所有本地停止单

# 跌破 stop_price 止损（本地停止单）
self.sell(stop_price, abs(self.pos), stop=True)

def on_stop_order(self, stop_order):
    self.write_log(f"停止单更新: {stop_order.status}")

白话注解：本地停止单的好处是不占交易所挂单、不暴露意图；代价是vn.py 程序挂了停止单就失效——断线期间价格穿透止损线，没有任何保护。实盘要么保证程序 7×24 稳定，要么用交易所条件单。

十、锁仓（lock）与净持仓（net）模式

# 上期所：用锁仓代替平今
self.short(price, volume, lock=True) # 不平多单，直接反手开空锁仓

# 净持仓模式（柜台支持时）
self.buy(price, 5, net=True) # 目标净多头5手，自动处理开平

白话注解：这三个参数（stop/lock/net）是 vn.py 实盘的"隐藏考点"。回测里它们都被正确模拟，但行为差异只有实盘才感受得到——特别是上期所的平今手续费，能让一个高频策略从微赚变微亏。

十一、参数优化：穷举与遗传算法

from vnpy_ctastrategy.backtesting import BacktestingEngine, OptimizationSetting

engine = BacktestingEngine()
engine.set_parameters(...) # 同第十一章

setting = OptimizationSetting()
setting.set_target("sharpe_ratio") # 优化目标（统计字段名）
setting.add_parameter("fast_window", 5, 25, 5) # 参数名, 起始, 结束, 步长
setting.add_parameter("slow_window", 20, 60, 10)

# 穷举优化（run_optimization 是它的别名）
result = engine.run_bf_optimization(setting)

# 遗传算法优化（参数多、空间大时更快）
result = engine.run_ga_optimization(setting, pop_size=100, ngen=30)

• set_target 填第十二章统计字段名（如 total_return、sharpe_ratio、return_drawdown_ratio）
• 返回结果按目标值排序的参数组合列表

优化结果只挑"最优一组"就是过拟合：那组参数大概率只是刚好贴合历史。正确姿势：看最优附近一组参数是否普遍不错（参数平原），再用样本外数据验证（参见本站 Backtrader 教程的防过拟合章节，原理通用）。

十二、实盘部署：VeighNa Trader + CTP

1. 启动 VeighNa Station → 打开 VeighNa Trader（或自己写 run.py 加载应用）
2. 登录界面连接 CTP：填期货公司给的服务器地址、账号、密码、产品信息、授权码
3. 菜单栏"功能 → CTA 策略"：添加策略实例（选策略类、绑定合约、填参数）
4. 点"初始化"（on_init 加载历史预热）→ 点"启动"（on_start 开始交易）
5. 策略配置自动持久化为 json，重启后恢复实例；sync_data() 同步 variables 现场数据

# 自定义启动脚本 run.py：
# 各版本 MainEngine 初始化与应用注册的写法略有差异。
# 最可靠做法：直接抄本机安装目录自带的 run.py（官方模板），
# 在其中加载 cta_strategy 应用即可，模板本身就是最好的文档。

vn.py 版本迭代较快，MainEngine/应用初始化的具体写法请以本机安装版本自带的 run.py 官方模板为准——模板本身就是最好的文档。CTP 实盘前先连SimNow 模拟环境（上期所官方仿真）验证全流程。

十三、风控与通知

• self.send_notification(msg)：策略里推送告警（配合 vnpy 的通知渠道配置）
• 风控模块：安装 vnpy_riskmanager 后可在交易前做委托流控（单笔上限/总委托上限/活跃委托上限），实盘防手滑
• 策略内风控底线（自己写）：单笔手数上限、当日最大亏损熔断（用 on_trade 累计盈亏触发 self.set_target_pos(0) + on_stop）、风险度监控
• 日志：write_log 输出到 VeighNa Trader 日志界面与文件，实盘务必落盘留痕

白话注解：实盘第一原则——程序会出错，所以要有"双保险"：框架层风控（riskmanager）管住量，策略层熔断管住钱。任何一条触发就停，宁可少赚不可爆仓。

十四、VPS 部署注意事项

vn.py 实盘 24 小时跑建议用 VPS：

1. 选离期货公司机房近的服务器（比如上海）
2. CTP 网关（vnpy_ctp）目前仅 Windows；Linux 上可考虑其他兼容柜台网关
3. 用 systemd / 任务计划守护进程；程序崩溃自动拉起后，策略实例和 variables 会从 json 恢复
4. 夜盘时段（21:00 起）确保 VPS 不断电不断网
5. 本地停止单（stop=True）依赖程序存活——见第十六章的风险提示

白话注解：vn.py 是个 Python 程序，你电脑关了它就停了。VPS 是远程 24 小时不关机的服务器，放在期货公司机房旁边，下单延迟比家里低。

十五、vn.py vs TqSdk vs Backtrader

白话注解：国内期货从零起步，TqSdk 上手最快；要完整平台（界面、风控、多模块、多网关）选 vn.py；纯研究回测用 Backtrader。三者不冲突，很多团队回测用 Backtrader、实盘用 vn.py/TqSdk。

十六、本课小结

• vn.py = 核心引擎 + 应用模块；CTA 策略装 vnpy_ctastrategy
• 策略继承 CtaTemplate：parameters/variables + on_init/on_start/on_stop + on_tick/on_bar 回调
• BarGenerator 合成周期 K 线，ArrayManager 管指标（sma/ema/atr/rsi/macd/boll…，dir(am) 查全部）
• 下单四函数 buy/sell/short/cover，关键参数 stop（本地停止单）/lock（锁仓）/net（净持仓）
• 一切持仓状态看 self.pos；平仓前先看它
• 目标持仓用 TargetPosTemplate.set_target_pos（正多/负空/0 清仓），不是 set_target
• 回测 BacktestingEngine：interval 用 Interval 枚举；统计 28 字段无胜率，用 get_all_trades 自算
• 优化有穷举和遗传算法两种，警惕过拟合
• 实盘走 VeighNa Trader + vnpy_ctp，先 SimNow 模拟后实盘，VPS 24 小时运行
• 回测 ≠ 实盘，业绩不代表未来收益

本站固定免责声明：本教程仅讲解软件编程与操作方法，不构成投资建议或策略推荐。回测业绩不代表未来收益，EA自动交易风险大，请谨慎决策。