掘金量化平台Python开发实战指南

"该文档是关于使用Python进行量化投资的掘金量化平台的开发指南，主要涵盖快速入门、策略创建、数据驱动、回测模式、数据处理、交易逻辑以及API接口等多个方面。" 在量化投资领域，Python因其强大的库支持和易读性，成为众多投资者首选的语言。掘金量化平台提供了丰富的数据资源和便捷的回测功能，让投资者能够快速构建和测试自己的交易策略。以下是关键知识点的详细介绍： 1. **快速开始**：这部分通常包括如何在平台上创建并运行你的首个策略，以及如何设置定时启动，让你的策略在特定时间自动运行。 2. **数据事件驱动**：数据事件驱动是量化策略的核心部分，主要包括`on_tick`（tick数据推送）和`on_bar`（bar数据推送）事件，这些事件在新的市场数据到来时触发，用于更新策略状态和执行交易决策。 3. **时间序列数据事件驱动**：针对时间序列数据的处理，如分钟数据、日线数据等，平台提供相应的数据事件，便于策略开发者处理时间序列数据。 4. **多个代码数据事件驱动**：如果你的策略涉及多个股票或期货合约，平台会支持同时处理多个代码的数据事件。 5. **账户交易**：包括默认账户交易和指定账户交易，让你能够灵活控制不同策略的资金管理。 6. **回测模式与实时模式**：回测模式允许你在历史数据上测试策略的有效性，而实时模式则将策略应用到实际市场中。 7. **提取数据研究**：提供高效的数据查询工具，如`current`、`history`、`history_n`等，用于获取实时和历史行情数据，还有基本面数据、交易日历、指数成分股等各类市场信息。 8. **策略程序架构**：介绍了策略程序中的关键概念，如`symbol`（代码标识）、`mode`（模式选择，可能包括回测或实盘模式）、`context`（上下文对象，存储策略运行中的状态）。 9. **数据结构**：包括Tick和Bar对象，分别代表逐笔交易数据和K线数据；交易类如Account（账户）、Order（委托）、ExecRpt（回报）、Cash（资金）、Position（持仓）和Indicator（绩效指标）对象，它们是构建和分析策略的基础。 10. **API介绍**：提供了一系列基本函数，如`init`（策略初始化）、`schedule`（定时任务配置）、`run`（运行策略）、`stop`（停止策略），以及各种数据订阅、取消订阅、交易操作函数。 通过这个平台，你可以使用Python编写复杂的交易逻辑，结合实时和历史数据，进行策略开发和优化，最终实现自动化交易。无论是对于初学者还是经验丰富的量化投资者，掘金量化都提供了一套完整的工具链来支持量化投资的各个环节。