Vnpy

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： ...

在编写 CTA 策略前，必须理解 vnpy_ctastrategy.template 提供的基础框架。本文将拆解核心接口。 1. CtaTemplate：策略的灵魂 所有 CTA 策略都继承自 CtaTemplate。 1.1 生命周期回调 策略在不同阶段会自动触发以下函数，你需要重写它们来实现逻辑： 回调函数 触发时机 典型用途 on_init 策略初始化时 加载历史数据 (self.load_bar(10))，初始化指标 on_start 策略启动时 标记状态，打印日志 on_tick 收到 Tick 数据 高频逻辑，或合成 K 线 (bg.update_tick(tick)) on_bar K 线合成完毕 核心逻辑区：计算指标、判断信号、发单 on_order 委托状态变化 追踪订单状态（未成交/部分成交/全成/撤单） on_trade 成交推送 更新持仓均价，记录交易日志 1.2 交易指令（原始接口） 在 CtaTemplate 中，发单函数是“方向”与“开平”的组合： 买入开仓 (Long): self.buy(price, volume) 卖出平仓 (Sell): self.sell(price, volume) 卖出开仓 (Short): self.short(price, volume) 买入平仓 (Cover): self.cover(price, volume) 注意：只有当 self.trading = True 时（即策略启动后），这些函数才会真正发出委托，否则只会返回空列表。 2. TargetPosTemplate：目标仓位管理 对于复杂的组合策略，手动管理开平仓极其繁琐（需要判断当前持仓是多还是空，是平仓还是反手）。 TargetPosTemplate 解决了这个问题。 ...