TqSdk-Python 策略程序框架详解

TqSdk-Python 策略程序框架详解

tqsdk-python 天勤量化开发包, 期货量化, 实时行情/历史数据/实盘交易 项目地址: https://gitcode.com/gh_mirrors/tq/tqsdk-python

核心架构概述

TqSdk-Python 是一个专业的量化交易开发框架，其核心设计采用了事件驱动架构，通过异步I/O机制实现高效的市场数据处理和交易执行。本文将深入解析该框架的核心组件和运行机制，帮助开发者构建稳健的交易策略。

TqApi 核心类

TqApi 是整个框架的中枢神经系统，负责协调所有功能模块的运作。创建TqApi实例是使用该框架的第一步：

from tqsdk import TqApi, TqAuth

# 基本初始化方式
api = TqApi(auth=TqAuth("您的快期账号", "您的密码"))

账户类型选择

TqApi支持三种账户模式，满足不同场景需求：

1. 实盘交易账户：通过TqAccount连接期货公司实盘
2. 本地模拟账户：使用TqSim进行策略测试
3. 自动模拟模式：不指定账户参数时默认创建模拟账户

核心职责

TqApi实例承担着多重关键功能：

• 建立与行情/交易服务器的WebSocket连接
• 维护内存中的实时数据存储
• 执行交易指令的发送与状态跟踪
• 管理异步任务调度
• 支持策略回测功能

数据更新机制

wait_update 核心方法

wait_update()是框架运行的关键引擎，其工作流程如下：

1. 网络通信：发送待处理的网络请求（如下单指令）
2. 任务调度：激活后台任务执行窗口
3. 数据同步：接收并处理服务器数据更新
4. 阻塞控制：可设置超时参数避免长时间等待

典型的使用模式是将其置于主循环中：

while True:
    api.wait_update()  # 等待数据更新
    # 在此处添加策略逻辑

数据引用机制

TqSdk采用动态引用方式访问数据，这种设计既保证了数据实时性，又提高了访问效率：

# 获取账户引用（非快照）
account = api.get_account()

# 实时获取最新权益
print(f"当前权益：{account.balance}")

数据变更检测

框架提供了精细化的数据变更检测机制，避免不必要的计算：

# 检测账户任何字段变化
if api.is_changing(account):
    print("账户状态变化")

# 仅检测权益变化
if api.is_changing(account, "balance"):
    print("账户权益发生变化")

典型策略结构

一个完整的交易策略通常包含以下流程：

from tqsdk import TqApi, TqAuth, TargetPosTask

api = TqApi(auth=TqAuth("账号", "密码"))
klines = api.get_kline_serial("SHFE.rb2305", 60)
target_pos = TargetPosTask(api, "SHFE.rb2305")

# 开仓逻辑
while True:
    api.wait_update()
    if 满足开仓条件(klines):
        target_pos.set_target_volume(1)  # 开1手多单
        break

# 平仓逻辑
while True:
    api.wait_update()
    if 满足平仓条件(klines):
        target_pos.set_target_volume(0)  # 平仓
        break

api.close()  # 必须的资源清理

最佳实践建议

1. 跨日处理：建议每个交易日结束后重启策略程序，避免：

   • 合约信息更新不及时
   • 隔夜委托单状态异常
   • 交易辅助工具失效

2. 资源管理：程序退出前务必调用api.close()，确保：

   • 网络连接正常关闭
   • 最后一次数据同步完成
   • 系统资源正确释放

3. 异常处理：建议添加适当的异常捕获机制，应对网络中断等异常情况

通过理解这些核心概念和机制，开发者可以基于TqSdk构建出高效、稳定的量化交易策略。框架的事件驱动设计和动态数据引用机制，使得策略代码既简洁又高效。

tqsdk-python 天勤量化开发包, 期货量化, 实时行情/历史数据/实盘交易 项目地址: https://gitcode.com/gh_mirrors/tq/tqsdk-python