19年創業做過一年的量化交易但沒有成功，作為交易系統的開發人員積累了一些經驗，最近想重新研究交易系統，一邊整理一邊寫出來一些思考供大家參考，也希望跟做量化的朋友有更多的交流和合作。

接下來會對于真格（澎博財經旗下）平臺介紹。

真格平臺是澎博財經旗下的一款量化交易工具，專注于提供高效的數據接口、量化策略開發環境和回測框架。通過真格平臺，用戶可以方便地構建、測試和優化量化交易策略，同時利用其專業化工具高效地管理交易流程。

以下以“布林帶策略”為例，展示如何使用真格平臺進行量化交易開發和回測。

---

1. 策略背景：布林帶策略

策略邏輯

布林帶是一種經典的技術指標，通過價格與波動率之間的關系生成交易信號。布林帶由以下三部分構成：

• 上軌線：均線 + K倍標準差
• 中軌線：簡單移動平均線
• 下軌線：均線 - K倍標準差

布林帶策略邏輯如下：

• 買入信號：價格觸及下軌并開始反彈。
• 賣出信號：價格觸及上軌并開始回落。

適用場景

• 優勢：適用于震蕩市場，能夠捕捉價格的區間波動。
• 局限：在強趨勢行情中，可能錯過趨勢性機會。

---

2. 策略開發

以下代碼基于真格平臺Python SDK實現布林帶策略的開發與回測。

（1）準備工作

在使用真格平臺之前，需要完成以下準備：

1. 安裝SDK：通過真格平臺提供的安裝包或pip安裝其Python SDK。

   pip install zhenge-sdk
   

2. 申請開發者賬號：獲取API密鑰以訪問平臺數據接口。
3. 設置交易環境：確認回測所需的賬戶、品種和時間段。

（2）初始化參數與環境

import pandas as pd
import numpy as np
from zhenge import ZhengeAPI, Backtest# 策略參數
SYMBOL = '600519.SH'  # 茅臺股票
START_DATE = '2020-01-01'
END_DATE = '2022-01-01'
INITIAL_CAPITAL = 100000  # 初始資金
BOLL_PERIOD = 20  # 布林帶周期
BOLL_K = 2  # 布林帶倍數

（3）獲取歷史數據

通過真格平臺的API獲取標的歷史行情數據。

# 獲取歷史數據
def get_data(symbol, start_date, end_date):api = ZhengeAPI(api_key='your_api_key')df = api.get_kline(symbol=symbol, start_date=start_date, end_date=end_date, freq='1d')df['Date'] = pd.to_datetime(df['date'])df.set_index('Date', inplace=True)return df[['close']]# 加載數據
data = get_data(SYMBOL, START_DATE, END_DATE)

（4）計算布林帶

利用Pandas計算布林帶的上軌、中軌和下軌。

# 計算布林帶
data['Middle'] = data['close'].rolling(BOLL_PERIOD).mean()
data['StdDev'] = data['close'].rolling(BOLL_PERIOD).std()
data['Upper'] = data['Middle'] + BOLL_K * data['StdDev']
data['Lower'] = data['Middle'] - BOLL_K * data['StdDev']

（5）生成交易信號

根據布林帶策略邏輯生成交易信號。

# 生成交易信號
data['Signal'] = 0
data.loc[data['close'] < data['Lower'], 'Signal'] = 1  # 買入信號
data.loc[data['close'] > data['Upper'], 'Signal'] = -1  # 賣出信號

（6）回測邏輯

通過信號生成持倉和資金變化。

# 初始化回測變量
data['Position'] = 0  # 持倉
data['Cash'] = INITIAL_CAPITAL  # 初始現金
data['Portfolio'] = INITIAL_CAPITAL  # 總資產holdings = 0  # 當前持倉數量
entry_price = 0  # 買入價格# 回測主循環
for i in range(1, len(data)):current_signal = data.iloc[i]['Signal']current_price = data.iloc[i]['close']# 買入邏輯if current_signal == 1 and holdings == 0:holdings = data.iloc[i - 1]['Cash'] // current_pricedata.at[data.index[i], 'Cash'] = data.iloc[i - 1]['Cash'] - holdings * current_pricedata.at[data.index[i], 'Position'] = holdingsentry_price = current_price  # 記錄買入價格# 賣出邏輯elif current_signal == -1 and holdings > 0:data.at[data.index[i], 'Cash'] = data.iloc[i - 1]['Cash'] + holdings * current_priceholdings = 0data.at[data.index[i], 'Position'] = holdings# 更新總資產current_holdings = holdings * current_pricedata.at[data.index[i], 'Portfolio'] = data.iloc[i]['Cash'] + current_holdings

---

3. 策略優化

（1）參數優化

通過調整布林帶周期和倍數，優化策略參數。

best_params = None
best_return = -float('inf')for period in range(10, 31):for k in np.arange(1.5, 3.0, 0.1):# 計算布林帶data['Middle'] = data['close'].rolling(period).mean()data['StdDev'] = data['close'].rolling(period).std()data['Upper'] = data['Middle'] + k * data['StdDev']data['Lower'] = data['Middle'] - k * data['StdDev']# 生成信號data['Signal'] = 0data.loc[data['close'] < data['Lower'], 'Signal'] = 1data.loc[data['close'] > data['Upper'], 'Signal'] = -1# 簡化回測邏輯holdings = 0cash = INITIAL_CAPITALfor i in range(1, len(data)):signal = data.iloc[i]['Signal']price = data.iloc[i]['close']if signal == 1 and holdings == 0:holdings = cash // pricecash -= holdings * priceelif signal == -1 and holdings > 0:cash += holdings * priceholdings = 0portfolio = cash + holdings * data.iloc[-1]['close']total_return = (portfolio - INITIAL_CAPITAL) / INITIAL_CAPITALif total_return > best_return:best_return = total_returnbest_params = (period, k)print(f"最佳參數：周期={best_params[0]}, 倍數={best_params[1]:.2f}, 收益率={best_return:.2%}")

（2）加入風險管理

在策略中添加止盈和止損機制。

TAKE_PROFIT = 0.1  # 止盈10%
STOP_LOSS = 0.05   # 止損5%for i in range(1, len(data)):if holdings > 0:pnl = (data.iloc[i]['close'] - entry_price) / entry_priceif pnl >= TAKE_PROFIT or pnl <= -STOP_LOSS:data.at[data.index[i], 'Cash'] = data.iloc[i - 1]['Cash'] + holdings * data.iloc[i]['close']holdings = 0data.at[data.index[i], 'Position'] = holdings