商品期货量化交易实战(以Python为工具)

随着计算机科学的不断发展，商品期货量化交易越来越流行。计算机能够以比人类快1000倍的速度执行交易，从而降低主观交易成本、增加获利机会，使量化交易广泛应用于商品期货交易中，中国的量化交易市场规模已经超过300亿元，金融与科技的结合势在必行，在可预见的未来，我们将见证金融市场的高度自动化。

由于金融量化交易行业有较高的门槛，因此要进入这个行业，除了需要有扎实的主观交易基础，还要有计算机编程功底。目前图书市场关于量化交易的图书很多，但真正从实战交易出发，通过各种经典量化交易策略案例指导读者提高量化交易水平的图书很少。

本书以实战为主旨，系统地讲解商品期货量化交易基础知识、Python编程语法、量化交易API、完整的策略案例，让读者全面、深入、透彻地理解量化交易的各种基础知识及各种经典交易策略的使用方法，帮助读者打破万事开头难的局面，更好、更快地入门金融量化交易，提高实际策略开发水平和实战能力。

为了便于读者理解本书内容，提高学习效率，作者为本书中CTA策略的相关章节提供了完整的策略代码，这些与本书配套的源代码一起收录于云盘中，读者可以下载使用。

本书涵盖Python编程语言基础知识，包括Python的基础语法、Python中的变量和数据类型、Python中的数据运算、Python中的数字和字符串、Python中的列表和字典、Python中的条件语句和循环语句、Python中的日期和时间、Python中的常用内置函数、Python中的异常处理。

本书以商品期货为标的，利用简洁、高效的Python语言，从量化交易策略原理着手分析，深入浅出地揭示量化交易的本质，引导读者从理解量化交易开始，逐步掌握行情数据的获取和管理方法、技术指标的可视化方法，并且在熟练编程的基础上，在练习过程中摸索期货量化交易的技巧，构建个性化的交易策略体系。

本书在CTA策略的相关章节提供了多个入门策略案例。这些案例来源于商品期货市场经典策略，具有很高的应用价值和参考性。这些案例按照功能模块逐步实现，便于读者融会贯通地理解本书内容。

本书提供了专门的技术支持邮箱：support@fmz.cn。读者在阅读本书过程中有任何疑问都可以通过该邮箱获得帮助。

本章主要介绍量化交易的基础知识，包括量化交易的发展和特点、量化交易与主观交易的区别、量化交易流程及一个完整的交易策略包含哪些要素等。

Python是一个面向对象的脚本语言，凭借极其简洁、高效的语言特性，以及在数据分析方面的巨大优势，在金融领域得到了广泛的应用。本章主要介绍Python语言的基础知识，将Python作为策略开发工具，为期货量化交易提供助力。

在掌握了Python语言的基础知识后，就可以利用这些知识开发量化交易策略了。但如果从零开始对接原始的行情和交易API，则会是一个庞大的IT系统工程。对初学者来说，利用免费开源的发明者量化SDK，可以快速进行量化交易策略开发。本章主要介绍量化交易API。

CTA策略是一种多样性的投资策略，一般是指商品期货和金融期货策略。无论是主观交易，还是量化交易，只要其交易方法相对规则化、系统化，就都可以称为CTA策略。本章会结合不同的策略理论开发CTA策略。

回归策略是与趋势跟踪策略逻辑相反的一种交易策略，根据均值回归原理，价格始终围绕其均值上下波动，通过低买高卖赚取差价。本章会结合回归策略的多种形式开发CTA策略，包括布林带跨期套利策略、乘离率策略。

一个新开发出来的交易策略，需要经过全方位检测，才能应用于实战。一个优秀的交易策略是在试错中不断改进产生的。本节主要介绍量化交易回测与实盘，包括使用Tick数据让回测更精准、回测绩效报告详解、如何规避回测中的陷阱、递进和交叉回测、量化交易实盘。

量化交易的关键常识是有风险，但对大部分交易者来说，风险是一个令人不愉快的话题。虽然严格控制风险意味着与暴利绝缘，但对优秀的量化交易者来说，掌握风险管理的方法是非常有必要的。本章主要介绍期货市场三大风险及正确的仓位管理方法。

玩转量化交易，学会一定的操作技巧是非常有必要的。本章主要介绍常用的止盈和止损方法、量化交易与基本面数据、交易中常用的数理知识、量化交易与统计学。

本书首先讲解量化交易基础和Python编程入门；再讲解量化交易API；然后讲解CTA的趋势跟踪策略和回归策略，并且配合量化交易策略实战案例，重点讲解如何在发明者量化交易平台上进行策略开发和回测，让读者不但可以系统地学习量化交易和Python编程的相关知识，而且可以对CTA策略开发有更深入的理解；接着讲解量化交易回测与实盘；后对管理风险、投资组合、交易技巧与交易理念进行系统的讲解。