金融 Python 极简入门

很多量化新手看到代码就头疼。别担心，在 AKQuant 中，你不需要成为计算机专家，只需要掌握最核心的 20% 语法，就能覆盖 80% 的策略开发需求。

本指南将完全从金融交易的视角，带你快速上手 Python。

---

1. 变量与数据类型：定义你的资产

在 Python 中，变量就像是一个个贴了标签的盒子，用来存数据。

基础变量

• 整数 (int)：用于表示手数、交易量。
• 浮点数 (float)：用于表示价格、收益率。
• 字符串 (str)：用于表示股票代码。

# 定义变量
symbol = "000001"      # 股票代码 (字符串)
price = 10.5           # 当前价格 (浮点数)
volume = 100           # 买入数量 (整数)
is_holding = True      # 是否持仓 (布尔值)

# 打印出来看看
print(f"正在交易 {symbol}，价格：{price}")

列表 (List)：一串价格序列

想象你在看 K 线图，过去5天的收盘价就是一个列表。

# 最近5天的收盘价
closes = [10.1, 10.2, 10.0, 10.5, 10.8]

# 访问数据
print(closes[0])   # 获取第1天价格 (Python从0开始计数！) -> 10.1
print(closes[-1])  # 获取最后1天价格 (最新价) -> 10.8
print(closes[:3])  # 获取前3天价格 -> [10.1, 10.2, 10.0]

# 计算均价
avg_price = sum(closes) / len(closes)
print(f"5日均价: {avg_price}")

字典 (Dictionary)：你的持仓组合

字典就像一个账本，左边是名字（Key），右边是数值（Value）。

# 当前持仓：股票代码 -> 持股数
portfolio = {
    "AAPL": 100,
    "TSLA": 50,
    "GOOG": 0
}

# 查询持仓
print(portfolio["AAPL"]) # -> 100

# 更新持仓
portfolio["TSLA"] += 10  # 加仓10股

---

2. 逻辑控制：交易的决策核心

量化策略的本质就是一堆 if...else：如果发生什么，就做什么。

条件判断 (If/Else)

这是策略的“扳机”。

ma5 = 10.5  # 短期均线
ma20 = 10.0 # 长期均线
cash = 5000 # 可用资金

# 金叉策略逻辑
if ma5 > ma20:
    print("信号：金叉出现！")
    if cash > 1000:
        print("资金充足，执行买入！")
    else:
        print("资金不足，无法买入。")
else:
    print("无信号，继续观望。")

循环 (Loop)

回测就是在一个大循环里，一天一天地遍历历史数据。

# 模拟回测：遍历每一天的价格
prices = [10, 11, 9, 12, 13]

for p in prices:
    if p > 12:
        print(f"价格 {p} 突破 12元，触发止盈！")
    else:
        print(f"价格 {p} 正常波动")

---

3. 函数 (Functions)：封装你的交易逻辑

随着策略变复杂，你不想把同样的代码写十遍。这时候就需要函数。函数就像一个“加工厂”，扔进去原料（参数），产出结果（返回值）。

定义函数

def calculate_position_value(price, shares):
    """
    计算持仓市值
    :param price: 当前价格
    :param shares: 持股数量
    :return: 市值
    """
    value = price * shares
    return value

# 使用函数
apple_value = calculate_position_value(150.0, 100)
tesla_value = calculate_position_value(200.0, 50)

print(f"苹果持仓市值: {apple_value}")

为什么要用函数？

1. 复用代码：写一次，到处用。
2. 清晰逻辑：check_signal() 比一堆 if 语句更容易读懂。

---

4. 模块与包 (Modules)：引入外部工具

Python 最强大的地方在于它有海量的库（Library）。你不需要自己造轮子，只需要 import 进来就能用。

常用模块

# 1. 导入标准库
import math
import datetime

print(math.sqrt(16))  # 开根号 -> 4.0
today = datetime.date.today()
print(f"今天的日期: {today}")

# 2. 导入第三方库 (如 AKQuant)
# from akquant.strategy import Strategy
# 这行代码的意思是：从 akquant 包里的 strategy 模块中，拿出一个叫 Strategy 的工具

在量化中，最常用的两个“外挂”是：

• Pandas：处理表格数据（Excel 的杀手）。
• Numpy：做复杂的数学运算。

---

5. Pandas 速成：量化神器

在 AKQuant 中，99% 的数据（如 history_data）都是以 DataFrame 的形式存在的。你可以把它想象成一个超级 Excel 表格。

DataFrame 结构

一个 DataFrame 包含行（Index，通常是时间）和列（Columns，如 Open/Close）。

import pandas as pd

# 模拟一个 OHLCV 表格
data = {
    "close": [10, 11, 12, 11, 13, 14, 15],
    "volume": [100, 150, 200, 120, 300, 310, 320]
}
df = pd.DataFrame(data)

# 1. 获取整列数据 (Series)
print(df["close"])

# 2. 计算技术指标 (向量化运算，极快)
ma_price = df["close"].mean()

进阶技巧：滑动窗口与筛选

做策略时，我们经常要算“过去 N 天的均值”或者“找出涨幅超过 5% 的天数”。

# 1. 滑动窗口 (Rolling Window)
# 计算 5日移动平均线 (MA5)
# rolling(5) 意思就是创建一个长度为5的窗口，从上往下滚
df['ma5'] = df['close'].rolling(5).mean()
print(df['ma5']) # 前4个会是 NaN (数据不足)，第5个开始有值

# 2. 条件筛选 (Boolean Indexing)
# 找出所有收盘价大于 12 的行
high_prices = df[df['close'] > 12]
print("高价日子：")
print(high_prices)

# 3. 处理缺失数据
# 删掉包含 NaN (空值) 的行
df_clean = df.dropna()

---

6. 异常处理 (Try/Except)：防御性编程

在实盘交易中，什么都可能发生：断网、数据源报错、除数为零。为了防止策略直接崩溃停止，我们需要用到异常处理。

price = 0 # 假设获取价格失败，返回了0

try:
    # 尝试执行这段代码
    return_rate = (100 - price) / price
    print(f"收益率: {return_rate}")
except ZeroDivisionError:
    # 如果发生了“除以零”错误，执行这里
    print("错误：价格为0，无法计算收益率！")
except Exception as e:
    # 捕获其他所有错误
    print(f"发生了未知错误: {e}")

print("策略继续运行...") # 程序不会崩溃，这行依然会打印

记住： 在涉及网络请求或数学计算的关键步骤，加上 try...except 是个好习惯。

---

7. 类与对象：读懂策略模板

在写策略时，你会看到 class MyStrategy(Strategy):。这是什么意思？

• Class (类)：策略的图纸。定义了这个策略长什么样，有什么功能。
• Object (对象)：根据图纸造出来的实例。回测运行时，系统会创建一个策略实例。
• self：代表策略实例自己。
  • self.buy(): 我要买。
  • self.cash: 我的现金。
  • self.position: 我的持仓。

class MyStrategy:
    def __init__(self, initial_cash):
        # 初始化：策略启动时执行一次
        self.cash = initial_cash
        self.name = "均线策略"

    def on_bar(self, price):
        # 每根K线走完时执行一次
        if price < 10:
            self.buy()

    def buy(self):
        self.cash -= 10
        print(f"{self.name} 执行买入，剩余资金: {self.cash}")

# 使用策略
strategy = MyStrategy(1000) # 创建实例，初始资金1000
strategy.on_bar(9)          # 价格跌到9，触发买入

---

8. 总结：AKQuant 常用语速查

在 AKQuant 写策略时，你最常用的就是下面这几句：

场景	Python 代码	含义
获取数据	hist = self.get_history_df(count=20)	拿过去20根K线数据 (DataFrame)
计算均线	ma = hist['close'].mean()	计算收盘价平均值
取最新价	current_price = bar.close	获取当前K线的收盘价
判断信号	if ma_short > ma_long:	如果短期均线大于长期均线
查持仓	pos = self.get_position(bar.symbol)	我现在持有多少股？
下单	self.buy(bar.symbol, 100)	买入 100 股

掌握了这些，你就可以开始写出你的第一个量化策略了！去 Quant Guide 试试吧。