可转债日内自动T+0交易,行情推送+策略触发+交易接口

说明

策略原理

jvQuant平台之前用过该策略,单月收益还行,策略思想大概是模式二,交易频率还有提升空间,所以开发出了频率较高的模式一。

  • 债随股动,关注活跃的债和正股,在正股发生异动时买入转债,
  • 模式一(atSale不为0),买入成交后立即稍高价格挂出,利用下单速度优势,赚取差价。
  • 模式二(atSale为0),买入后经受债价一定波动,到达固定止盈止损点卖出,也可以通过其他渠道手动清仓,交易维护器会自动检测。
  • 两种模式支持多个策略配置,单个策略最大同时开仓数由holdCnt设定。
配置解释
复制代码
[
  {
    //备注
    "comment": "低自盈,短持仓,低触发",
    //最大同时开仓数
    "holdCnt": 3,
    //单仓最大金额
    "amt": 2000,
    //单仓固定手数,如为0则按amt参数计算
    "vol": 0,
    //买单价格比卖一价高挂点数
    "bUpper": 0.02,
    //买单超时时间
    "bWait": 3,
    //买入后立即卖出,比成本价高挂点数;为0则不立即卖出,转为模式二
    "atSale": 0.3,
    //最长持仓时间,超时自动卖出。模式二需设长一点时间。
    "holdSec": 6,
    //自动止盈点数
    "high": 1,
    //自动止损点数
    "low": 0.4,
    //正股观察时间周期
    "sec": 10,
    //正股周期内涨幅阈值
    "raRate": 0.125,
    //正股周期内换手阈值
    "tnRate": 0.005,
    //正股周期内秒均成交额阈值
    "stockAmt": 20,
    //转债秒均成交额阈值
    "bondAmt": 2
  }
]

项目结构

  • 行情中心(hqCenter)
  • 策略触发器(bondTrigger)
  • T+0交易维护器(orderHolder)

功能划分

  1. 行情中心(hqCenter)

行情中心实现了行情模块的独立,不受策略启停的影响,也负责数据落地和回放。数据原样透传,如何处理需由各策略决定。

  1. 策略触发器(bondTrigger)

策略模块只关注何时买,何时卖的决策。依赖行情SSE和交易执行器(维护器)。

  1. T+0交易维护器(orderHolder)

交易维护器负责交易委托的发送,以及委托状态的监视。委托状态发生变更时通知策略触发器。

细化的联动关系如图:

运行方法

  1. 选出需关注的转债和正股,生成对应文件,详见pyscript:

    hqCenter/data/initCodes.json 预订阅行情代码,应为选出转债和正股的集合
    bondTrigger/data/select.json 转债对应的正股配置
    bondTrigger/data/shares.json 正股流通股配置文件
    bondTrigger/data/trigger.json 策略配置文件,手动编写,各字段含义请见源码注释

  2. 09:15启动hqCenter,开启本地行情服务器

  3. 09:20启动orderHolder,登录交易服务器

  4. 09:25启动bondTrigger,运行策略

运行命令示例写在了run.sh里,可以参考。

过程干预

  • 启停某策略,cid为策略在配置数组里的编号

http://127.0.0.1:31866/ctl?cid=0&op=on http://127.0.0.1:31866/ctl?cid=0&op=off

一些数据预准备工作

  • pyscript里的python脚本,做了些简单的封装。使用方法示例
复制代码
获取正股流通股
python3 pyscript/getStockShares.py --token=jvquantToken --outFile=data/shares.json

筛选转债,获取转债-正股映射
python3 pyscript/bondSelect.py --token=jvquantToken  --outFile=data/select.json
  • 用到了jvquant的数据API,有其他数据的也行,按格式写入data目录里的文件即可。

###个人经验和注意事项

  • 遵循LGPL开源协议,仅用于学习和交流,尊重作者版权,不得开发二次商用!!!
  • 有PTrade或其他量化平台权限的,可以魔改移植,须开源。
  • 盈亏自负,建议小仓位试错调优参数,调优前勿猛上仓位!!

From:GitHub - freevolunteer/bondTrader: 搞点A股量化交易...可转债日内自动T+0交易,行情订阅+策略触发+交易托管,三合一项目。仅供学习交流使用。搞点A股量化交易...可转债日内自动T+0交易,行情订阅+策略触发+交易托管,三合一项目。仅供学习交流使用。 - freevolunteer/bondTraderhttps://github.com/freevolunteer/bondTrader

相关推荐
熊猫钓鱼>_>5 天前
多维度股票量化指标体系详解
python·股票·量化·指标·趋势·macd·估值
一颗小树x11 天前
『大模型量化』Qwen3-VL + Lora监督微调 + 8bit量化 + 实践推理
量化·vlm·qwen3-vl·lora监督微调
liulilittle15 天前
CPU亲和性深度实践:从基础原理到Intel大小核架构优化
c++·线程·进程·cpu·量化·高频·亲核性
喜欢吃豆17 天前
llama.cpp 全方位技术指南:从底层原理到实战部署
人工智能·语言模型·大模型·llama·量化·llama.cpp
闲人编程23 天前
使用Python进行量化交易入门
开发语言·python·统计分析·lambda·量化·codecapsule
俊俊谢24 天前
【第一章】金融数据的获取——金融量化学习入门笔记
笔记·python·学习·金融·量化·akshare
11年老程序猿在线搬砖1 个月前
如何搭建自己的量化交易平台
大数据·人工智能·python·自动交易·量化交易系统
jiucaixiuyang1 个月前
散户如何做手机T0程序化交易(下)
股票·量化交易·t0交易
jiucaixiuyang1 个月前
散户如何做手机T0程序化交易(上)
股票·量化·t0
B站_计算机毕业设计之家1 个月前
预测算法:股票数据分析预测系统 股票预测 股价预测 Arima预测算法(时间序列预测算法) Flask 框架 大数据(源码)✅
python·算法·机器学习·数据分析·flask·股票·预测