用python写一个期货量化交易策略

期货量化交易策略是基于历史数据和技术分析指标，通过计算机算法进行自动交易的策略。在 Python 中，可以使用 pandas 和 numpy 库来处理历史数据，并使用 TA-Lib 库来计算技术分析指标。下面是一个简单的期货量化交易策略示例：

import pandas as pd
import numpy as np
import talib as ta

# 读取历史数据
data = pd.read_csv('data.csv')

# 计算技术分析指标
data['MA5'] = ta.MA(data['close'], timeperiod=5)
data['MA10'] = ta.MA(data['close'], timeperiod=10)
data['RSI'] = ta.RSI(data['close'], timeperiod=14)

# 定义交易信号
data['signal'] = np.where(data['MA5'] > data['MA10'], 1, -1)
data['signal'] = np.where(data['RSI'] > 70, -1, data['signal'])
data['signal'] = np.where(data['RSI'] < 30, 1, data['signal'])

# 计算收益率
data['return'] = data['signal'] * data['close'].pct_change()

# 计算累计收益率
data['cum_return'] = (1 + data['return']).cumprod()

# 绘制策略表现图
import matplotlib.pyplot as plt

plt.plot(data['cum_return'])
plt.title('Quantitative Trading Strategy')
plt.xlabel('Date')
plt.ylabel('Cumulative Return')
plt.show()

在这个示例中，我们使用了历史数据来计算了 MA5、MA10 和 RSI 三个技术分析指标，并通过这些指标来定义交易信号。如果 MA5 大于 MA10，且 RSI 低于 30，那么我们就会在该时点买入期货；如果 MA5 小于 MA10，且 RSI 高于 70，那么我们就会在该时点卖出期货。最后，我们计算了该策略的收益率和累计收益率，并绘制了策略表现图。

需要注意的是，这只是一个简单的示例，实际的量化交易策略需要更加复杂和严谨。在实际应用中，还需要考虑风险控制、交易成本、市场流动性等因素，并进行回测和优化。