Strategy

源码文件：vnpy_ctastrategy.strategies.test_strategy 1. 策略概述 TestStrategy 并不是一个用于实盘获利的交易策略，而是一个调试工具。 它的主要作用是帮助开发者验证： 交易接口（Gateway）是否连接正常。 策略引擎（CtaEngine）是否能正确收发订单。 测试下单函数的执行耗时。 基类：CtaTemplate 触发机制：基于 Tick 计数，每隔 N 个 Tick 执行一个测试动作。 2. 测试流程 策略内部维护了一个函数列表 self.test_funcs，按顺序存放了要测试的动作： 市价单测试 (test_market_order)： 以涨停价 (limit_up) 发出买单，模拟市价成交（在期货中通常用对手价或超价模拟市价）。 限价单测试 (test_limit_order)： 以跌停价 (limit_down) 发出买单，模拟挂单（通常不会立即成交）。 全撤测试 (test_cancel_all)： 调用 cancel_all() 撤销之前挂出的所有未成交订单。 停止单测试 (test_stop_order)： 发出本地停止单（Stop Order），验证策略引擎的触发机制。 3. 核心代码逻辑 在 on_tick 中，每收到 test_trigger (默认10) 个 Tick，就弹出一个测试函数执行，并计算耗时。 1 2 3 4 5 6 7 8 9 10 11 self.tick_count += 1 if self.tick_count >= self.test_trigger: self.tick_count = 0 if self.test_funcs: test_func = self.test_funcs.pop(0) # 取出下一个测试任务 start = time() test_func() # 执行 time_cost = (time() - start) * 1000 # 计算耗时(ms) self.write_log(f"耗时{time_cost}毫秒") 4. 使用场景 当你刚配置好一个新的交易接口（比如连接到一个新的仿真环境），或者修改了底层引擎代码后，可以先运行这个策略： ...

源码文件：vnpy_ctastrategy.strategies.turtle_signal_strategy 1. 策略概述 TurtleSignalStrategy 是大名鼎鼎的 海龟交易法则 (Turtle Trading Rules) 的完整复现。 它不仅仅是一个简单的突破策略，而是一套完整的资金管理系统，包含了： 入场：唐奇安通道 (Donchian Channel) 突破。 仓位管理：基于 ATR (N值) 的加仓 (Pyramiding)。 止损：基于 ATR 的移动止损。 离场：反向通道突破。 基类：CtaTemplate 核心指标：Donchian Channel, ATR 复杂度：高（涉及分批加仓逻辑） 2. 核心参数 参数名 默认值 含义 entry_window 20 入场通道周期 (20日高点) exit_window 10 离场通道周期 (10日低点) atr_window 20 ATR 计算周期 3. 策略逻辑详解 3.1 信号计算 策略使用 am.donchian 计算唐奇安通道，使用 am.atr 计算波动率 N 值。 1 2 3 self.entry_up, self.entry_down = self.am.donchian(self.entry_window) # 20日 self.exit_up, self.exit_down = self.am.donchian(self.exit_window) # 10日 self.atr_value = self.am.atr(self.atr_window) 3.2 初始入场 当空仓时，在 20 日高点挂买入停止单，在 20 日低点挂卖出停止单。 ...

源码文件：vnpy_ctastrategy.strategies.multi_timeframe_strategy 1. 策略概述 MultiTimeframeStrategy 展示了如何在 CTA 策略中同时处理两个不同频率的时间序列。 通常策略只关注单一 K 线周期（如 15 分钟），但本策略同时订阅并合成： 15 分钟 K 线：用于判断大趋势（Trend）。 5 分钟 K 线：用于寻找具体的入场点（Timing）。 这种“大周期定方向，小周期找买点”的方法是手工交易中非常经典的多周期共振思路。 基类：CtaTemplate 核心机制：双 BarGenerator (5m + 15m) 核心指标：MA (趋势), RSI (择时) 2. 核心参数 参数名 默认值 含义 rsi_window 14 RSI 计算周期 (基于 5 分钟) rsi_signal 20 RSI 阈值偏移 (50 ± 20) fast_window 5 快线周期 (基于 15 分钟) slow_window 20 慢线周期 (基于 15 分钟) 3. 策略逻辑详解 3.1 双周期 K 线合成 策略在 on_init 中初始化了两个 K 线生成器： ...

源码文件：vnpy_ctastrategy.strategies.king_keltner_strategy 1. 策略概述 KingKeltnerStrategy 是一个基于 肯特纳通道 (Keltner Channel) 的趋势突破策略。 肯特纳通道与布林带类似，都是“均线 + 带宽”的结构，但肯特纳通道使用 ATR (平均真实波幅) 来计算带宽，而不是标准差。这使得它对波动率的反应更加平滑。 基类：CtaTemplate 周期：5分钟 K 线 核心指标：Keltner Channel (MA ± N * ATR) 订单管理：OCO (One Cancels Other) —— 双向挂单 2. 核心参数 参数名 默认值 含义 kk_length 11 计算均线和 ATR 的周期 kk_dev 1.6 通道宽度倍数 (MA ± 1.6 * ATR) trailing_percent 0.8 移动止损百分比 3. 策略逻辑详解 3.1 指标计算 策略在 5 分钟 K 线 (on_5min_bar) 上计算通道。 1 self.kk_up, self.kk_down = am.keltner(self.kk_length, self.kk_dev) 上轨 = MA + 1.6 * ATR 下轨 = MA - 1.6 * ATR 3.2 入场逻辑：OCO 双向挂单 这是该策略最独特的实现细节。 当空仓时，策略同时在上方挂买入停止单，在下方挂卖出停止单。 ...

源码文件：vnpy_ctastrategy.strategies.dual_thrust_strategy 1. 策略概述 DualThrustStrategy 是 Michael Chalek 在 20 世纪 80 年代开发的著名策略，曾被 Future Truth 杂志评为最赚钱的策略之一。 它是一个典型的 日内突破策略。核心逻辑是利用前 N 日（这里简化为前 1 日）的最高价、最低价、收盘价计算出一个“波动区间 (Range)”，然后以今日开盘价为锚点，加上/减去这个区间的倍数，形成上轨和下轨。 基类：CtaTemplate 核心逻辑：Range Breakout (区间突破) 交易时段：日内交易，收盘前强制平仓 2. 核心参数 参数名 默认值 含义 k1 0.4 上轨系数 (用于做多) k2 0.6 下轨系数 (用于做空) fixed_size 1 每次下单手数 注意：k1 和 k2 可以不对称。如果 k1 < k2，说明做多更容易触发，适合多头市场；反之适合空头市场。 3. 策略逻辑详解 3.1 计算 Range (波动区间) 策略在每天开盘时（检测到日期变化），利用前一日的数据计算 Range。 1 2 3 4 5 6 7 if last_bar.datetime.date() != bar.datetime.date(): if self.day_high: self.day_range = self.day_high - self.day_low # 前一日振幅 # 计算今日突破轨 self.long_entry = bar.open_price + self.k1 * self.day_range self.short_entry = bar.open_price - self.k2 * self.day_range 上轨 (Long Entry) = 今日开盘价 + K1 * 昨日振幅 下轨 (Short Entry) = 今日开盘价 - K2 * 昨日振幅 3.2 盘中突破交易 在收盘时间 (exit_time, 14:55) 之前，策略持续监控价格是否突破上下轨。 ...

源码文件：vnpy_ctastrategy.strategies.double_ma_strategy 1. 策略概述 DoubleMaStrategy 是量化交易中最经典的入门策略——双均线策略。 逻辑极其简单：快线向上穿过慢线（金叉）做多，快线向下穿过慢线（死叉）做空。虽然简单，但它是理解趋势跟踪逻辑的最佳起点。 基类：CtaTemplate 核心指标：SMA (Simple Moving Average) 交易方式：信号触发后立即市价（或限价）成交 2. 核心参数 参数名 默认值 含义 fast_window 10 快线周期 (如 10 日均线) slow_window 20 慢线周期 (如 20 日均线) 3. 策略逻辑详解 3.1 指标计算 策略计算了两条均线的当前值 (ma0) 和上一根 K 线的值 (ma1)，用于判断交叉。 1 2 3 4 5 6 7 fast_ma = am.sma(self.fast_window, array=True) self.fast_ma0 = fast_ma[-1] # 当前 K 线快线 self.fast_ma1 = fast_ma[-2] # 上一根 K 线快线 slow_ma = am.sma(self.slow_window, array=True) self.slow_ma0 = slow_ma[-1] self.slow_ma1 = slow_ma[-2] 3.2 交叉判断 金叉 (Cross Over)： 上一刻：快线 < 慢线 当前：快线 > 慢线 1 cross_over = self.fast_ma0 > self.slow_ma0 and self.fast_ma1 < self.slow_ma1 死叉 (Cross Below)： ...

源码文件：vnpy_ctastrategy.strategies.boll_channel_strategy 1. 策略概述 BollChannelStrategy 是一个基于 布林带 (Bollinger Bands) 的通道突破策略。 它不仅仅依赖价格突破布林带上下轨，还引入了 CCI (Commodity Channel Index) 作为趋势过滤器，并使用 ATR (Average True Range) 来计算动态的移动止损位。 基类：CtaTemplate 周期：15分钟 K 线 (通过 BarGenerator 合成) 核心指标：Bollinger Bands, CCI, ATR 风控机制：ATR 倍数移动止损 2. 核心参数与变量 参数名 默认值 含义 boll_window 18 布林带均线周期 boll_dev 3.4 布林带标准差倍数（较宽，意味着只抓大趋势） cci_window 10 CCI 计算周期 atr_window 30 ATR 计算周期 sl_multiplier 5.2 止损距离的 ATR 倍数（非常宽的止损） 3. 策略逻辑详解 3.1 K 线合成 策略在 on_init 中初始化了一个 15 分钟的 K 线生成器： 1 self.bg = BarGenerator(self.on_bar, 15, self.on_15min_bar) 这意味着 on_tick 更新 1 分钟 bar，1 分钟 bar 累积满 15 个后触发 on_15min_bar，核心逻辑都在 on_15min_bar 中执行。 ...

源码文件：vnpy_ctastrategy.strategies.atr_rsi_strategy 1. 策略概述 AtrRsiStrategy 是一个结合了 波动率 (ATR) 和 动量 (RSI) 的趋势突破策略。 它的核心思想是：只有在市场波动率足够大（ATR 处于高位）时，才去交易 RSI 的突破信号。这是一种典型的“过滤器”思想，旨在减少 RSI 在低波动震荡市中的假突破磨损。 基类：CtaTemplate 核心指标：ATR (Average True Range), RSI (Relative Strength Index) 风控机制：百分比移动止损 (Trailing Stop) 2. 核心参数与变量 参数名 默认值 含义 atr_length 22 计算 ATR 的窗口周期 atr_ma_length 10 计算 ATR 均线的窗口周期 rsi_length 5 计算 RSI 的窗口周期（非常灵敏） rsi_entry 16 RSI 入场阈值偏移量 (50 ± 16) trailing_percent 0.8 移动止损百分比 (0.8%) 3. 策略逻辑详解 3.1 过滤器：ATR 波动率判断 策略首先计算 ATR 值及其移动平均线 (MA)。 1 2 3 atr_array = am.atr(self.atr_length, array=True) self.atr_value = atr_array[-1] self.atr_ma = atr_array[-self.atr_ma_length:].mean() 入场前提：self.atr_value > self.atr_ma ...

源码文件：vnpy_ctastrategy.strategies.multi_signal_strategy 1. 策略概述 MultiSignalStrategy 是一个典型的“投票型”策略。它不依赖单一指标，而是同时计算 RSI、CCI 和 MA 三个指标的信号，将它们的建议仓位叠加，最终得出目标仓位。 基类：TargetPosTemplate (目标仓位模板) 适用场景：趋势跟踪与震荡过滤结合 核心逻辑：Target Pos = Signal_RSI + Signal_CCI + Signal_MA 2. 指标逻辑拆解 策略内部定义了三个子信号类（Signal），分别处理不同逻辑： 2.1 RSI 信号 (相对强弱指标) 逻辑： RSI > 阈值（如 70）：超买区，可能看多或看空（视策略定义，通常趋势策略会认为突破向上）。 RSI < 阈值（如 30）：超卖区。 代码片段： 1 self.signal_pos["rsi"] = self.rsi_signal.get_signal_pos() 2.2 CCI 信号 (顺势指标) 逻辑：CCI 用于捕捉趋势爆发。 代码片段： 1 self.signal_pos["cci"] = self.cci_signal.get_signal_pos() 2.3 MA 信号 (移动平均线) 逻辑：通常使用双均线（快线/慢线）交叉判断趋势。 快线 > 慢线：金叉，看多。 快线 < 慢线：死叉，看空。 3. 核心执行逻辑：calculate_target_pos 这是该策略最精彩的部分。它没有复杂的 if-else 嵌套，而是简单的算术叠加。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 def calculate_target_pos(self) -> None: """""" # 1. 获取各个子信号的建议仓位 self.signal_pos["rsi"] = self.rsi_signal.get_signal_pos() self.signal_pos["cci"] = self.cci_signal.get_signal_pos() self.signal_pos["ma"] = self.ma_signal.get_signal_pos() # 2. 累加计算总目标仓位 target_pos = 0 for v in self.signal_pos.values(): target_pos += v # 3. 调用模板接口执行 self.set_target_pos(target_pos) 逻辑图解 假设我们设置每个信号满仓为 1 手： ...