金融 Python 极简入门 (Python for Finance 101)

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. 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],
    "volume": [100, 150, 200, 120, 300]
}
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)
# 计算收盘价的平均值
ma_price = df["close"].mean()

# 3. 获取最新一行数据
last_bar = df.iloc[-1]
print(f"最新收盘价: {last_bar['close']}")

---

4. 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

---

5. 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.history_data(n=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。