Python在量化交易里到底扮演什么角色
很多人一听量化交易就觉得是机构用超级计算机才能玩的东西。其实现在个人投资者用一台普通电脑，装上Python，就能跑起自己的量化策略。Python在这条链条里干的活，说白了就是三件事：搞数据、算策略、下单执行。
传统手工交易，你看盘、判断、下单，一天最多盯几只股票。用Python写个脚本，可以同时扫描全市场几千只股票，按照你设定的条件自动筛选。期货市场更明显，夜盘白天连续交易，人扛不住，程序可以。
数据获取和清洗是第一步
量化交易没有数据就是空谈。股票方面，tushare、akshare这些库能直接拉取历史行情、财务数据、龙虎榜信息。期货数据可以从交易所官网或者第三方接口获取，包含开高低收、成交量、持仓量。
拿到数据只是开始，原始数据往往有缺失值、停牌日、涨跌停异常。用pandas几行代码就能处理：
import pandas as pd
df = pd.read_csv('stock_data.csv')
df['close'] = df['close'].fillna(method='ffill')
df = df[df['volume'] > 0]
df['return'] = df['close'].pct_change()
这段代码干了三件事：用前值填充缺失收盘价、剔除无成交量的停牌日、计算每日收益率。手工做这几步得花半小时，程序零点几秒搞定。散户经常忽略数据质量，回测时用脏数据跑出来的漂亮曲线，实盘一上就亏钱。
策略逻辑怎么用代码表达
股票策略里常见的双均线交叉，用Python写出来非常直白：
short_ma = df['close'].rolling(5).mean()
long_ma = df['close'].rolling(20).mean()
df['signal'] = 0
df.loc[short_ma > long_ma, 'signal'] = 1
df.loc[short_ma < long_ma, 'signal'] = -1
五日均线上穿二十日均线给买入信号，下穿给卖出信号。代码逻辑和肉眼盯盘完全一致，区别在于程序不会犹豫、不会因为情绪改动规则。
期货策略更关注波动率和杠杆。比如用ATR指标动态调整仓位：
df['tr'] = df[['high','low','close']].apply(lambda x: max(x['high']-x['low'], abs(x['high']-x['close']), abs(x['low']-x['close'])), axis=1)
df['atr'] = df['tr'].rolling(14).mean()
df['position_size'] = (account_risk * df['close']) / (df['atr'] * multiplier)
这段代码按账户风险百分比反推每手合约数量，波动大的时候自动减仓，波动小的时候加仓。期货带杠杆，仓位管理比选方向还重要，程序化处理能避开拍脑袋决定。
回测框架让策略快速验证
写完信号逻辑，得知道历史上这么干赚不赚钱。backtrader、vnpy这些框架专门干这事。以backtrader为例，定义好策略类，喂入历史数据，它会逐根K线模拟成交，输出收益曲线、最大回撤、胜率、盈亏比。
import backtrader as bt
class DoubleMA(bt.Strategy):
params = (('short', 5), ('long', 20))
def __init__(self):
self.short_ma = bt.indicators.SMA(self.data.close, period=self.p.short)
self.long_ma = bt.indicators.SMA(self.data.close, period=self.p.long)
def next(self):
if not self.position:
if self.short_ma[0] > self.long_ma[0]:
self.buy()
elif self.short_ma[0] < self.long_ma[0]:
self.close()
回测最重要的不是看总收益多高，而是看最大回撤自己能不能扛住。股票策略回撤超过30%，很多人心态就崩了。期货回撤超过保证金的20%，期货公司就要打电话催保证金。程序回测把这些风险提前暴露出来。
实盘执行和风控怎么衔接
回测通过后，实盘执行有两种方式。股票可以用券商提供的API接口，程序生成买卖指令后自动报单。期货用CTP接口，vnpy封装好了整套流程。执行环节最怕的是滑点和异常。程序里得加几层保护：
if abs(current_price - target_price) / target_price > 0.02:
cancel_order()
log('价格偏离超2%，撤单重报')
if daily_loss / total_capital > 0.05:
close_all_positions()
disable_trading_today()
第一段防止追高杀低，第二段是当日亏损超过5%自动停止交易。很多人写策略只想着怎么赚钱，忘了亏钱时怎么办。程序化交易最大的优势恰恰在这里——规则定了就执行，不会像人一样亏红了眼乱加仓。
股票和期货用Python的差别在哪
股票T+1，当天买的不能卖，回测时信号触发当天不能成交，得等第二天开盘价或者收盘价。期货T+0，当天可以反复开平仓，回测频率可以做到分钟级甚至 Tick 级。股票没有杠杆，满仓也就一倍；期货十倍杠杆起步，同样的资金曲线波动剧烈得多。
股票策略关注选股因子、行业轮动、财务质量。期货策略关注展期收益、基差结构、季节性和波动率。用Python处理这些逻辑时，pandas的groupby和rolling函数用熟了，大部分计算都能几行解决。
散户起步建议
不需要一开始就搞全自动交易。先用Python把历史数据拉下来，跑跑简单的均线策略，看看回测报告长什么样。熟悉了pandas的数据操作，再往策略开发走。回测框架选一个用透，backtrader文档全社区活跃，适合入门。实盘阶段先用模拟盘跑一个月，确认代码逻辑和预期一致再上真金白银。
量化交易不是稳赚不赔的秘籍，它是一套把想法变成可验证规则的工具。Python降低了这套工具的使用门槛，仅此而已。
