股票量化交易上手，一个特别简单却长期可用的交易策略，官方接口

股票实现程序化自动化交易的三个基础：获取数据、执行交易、查询账户。

以后说到策略示例的时候就不介绍接口的基础使用方法了，随便一个策略把过程写出来都会很啰嗦，尽量压缩内容吧，这些内容是面向新手的，大佬们忽略细节就好。

单均线突破策略

今天要说的单均线突破策略简单总结流程如下：

1、获取历史数据；

2、计算N日简单移动平均线；

3、获取实时数据，判断上穿还是下穿；

4、执行买入或者卖出；

单均线突破策略是一种经典的技术分析策略，通过计算某个周期的简单移动平均线（SMA），当价格突破均线时执行买入或卖出操作。

如果还有别的，那就是获取持仓，判断当前持仓量，有持仓的话是根据盈利减仓一部分还是清仓，或者根据资金量是否继续加仓。这里就不说这些细节了，写策略的时候根据自己情况决定吧，逻辑并不复杂。

还有，交易的滑点和手续费的设置，滑点是指预期交易价格和实际交易价格之间的差异，执行交易是用挂单价、最新价还是对手价，部分成交，剩下撤消还是挂单，如果没有立即成交，是撤消还是挂单等等，这些也先不讲，以后讲回测的时候再说。

下面我们来分步骤写代码实现

0、连接客户端，启动交易对象

# 客户端的路径
client_path = r'D:\程序交易客户端\userdata_mini'
# 随便输入一个整数
session_id = random.randint(100, 10000)
# 创建交易对象实例
xt_trader = XtQuantTrader(client_path, session_id)
# 启动交易对象
xt_trader.start()
# 创建交易连接
con_result = xt_trader.connect()
# 返回值是0就是连接成功，失败返回非0的值，一般是-1
print('连接状态：', con_result)
if con_result == 0:
    print('连接成功')
# 创建账户对象，默认STOCK，表示股票账户，也支持港股通、期权、期货等
account = StockAccount('你的资金账号', 'STOCK')

因为要执行交易的，所以要创建交易连接和账户对象，只是分析数据的话不用这一步，实现交易肯定要先有股票账户才行，这里不详细说了。

1、获取历史数据

这里假设我们要获取的是过去一年的历史数据，也足够测试用了：

from datetime import datetime, timedelta
now_time = datetime.now()
old_time = now_time - timedelta(days=365)

start_time = old_time.strftime('%Y%m%d')#历史数据的开始时间，取一年前
end_time = now_time.strftime('%Y%m%d')#历史数据的结束时间，取今天
stock_list = ['000001.SZ']  #平安银行，可以用列表取多支['000001.SZ','600519.SH']

# 下载历史数据较多的话加上回调，输出下载进度
def down_callback(data):
    print(data)

# 历史行情需要先下载
xtdata.download_history_data2(stock_list, '1d', start_time, end_time, down_callback)
# 获取数据，只要close就行
result = xtdata.get_market_data_ex(['close'], stock_list, '1d', start_time, end_time)
# 返回的是字典格式，键名是股票代码，键值是dataframe数据
his_data = result[stock_list[0]]
print(his_data)
# 取回的数据如下

          close
20230529  11.98
20230530  11.87
20230531  11.60
20230601  11.59
20230602  11.93
...         ...
20240522  11.56
20240523  11.40
20240524  11.31
20240527  11.51
20240528  11.40

我写代码都是自己用的，懒省事，也没注释习惯，自己看懂就行，时间长了自己也看不懂了就只能重写。新手不要学我这样的坏习惯，最好加上参数名和对应的参数值，并在需要的地方写清楚注释。

2、计算N日简单移动平均线

# 计算20日简单移动平均线
his_data['SMA20'] = his_data['close'].rolling(window=20).mean()
print(his_data)

Python是真好用，pandas是真好用，还有更好用的股票相关类库，这里都用不到，这又让我想起上篇说的某位复读机，问了我10次：为啥没有MACD？

3、获取实时数据，判断上穿还是下穿

realtime_data = xtdata.get_full_tick(stock_list)
print(realtime_data)
lastclose = realtime_data[stock_list[0]]['lastClose']

if lastclose > his_data['SMA20'].iloc[-1]:
    signal = 'buy'
elif lastclose < his_data['SMA20'].iloc[-1]:
    signal = 'sell'
else:
    signal = 'hold'

这里用的是获取全推数据get_full_tick，常用的数据接口也就是这两个，都演示一下，盘口的tick数据都是可以取到的，用上面的get_market_data_ex也是可以取到实时数据的，不如这个方便。

4、执行买入或者卖出

实际上在第三步判断后直接执行操作就行，这里是为了演示的更清晰一些，而且很多时候出现交易信号，还要和信号一起，再加一些别的判断。

if signal == 'buy':
    xt_trader.order_stock(account, stock_list[0], xtconstant.STOCK_BUY, 100, xtconstant.MARKET_PEER_PRICE_FIRST, 0)
elif signal == 'sell':
    xt_trader.order_stock(account, stock_list[0], xtconstant.STOCK_SELL, 100, xtconstant.MARKET_PEER_PRICE_FIRST, 0)

这里用的报价类型是对手价，所以报单价格直接用0就行，如果是用之前讲过的指定价，这个价格参数要填的，并且要在交易所规定的价格笼子以内，不然就是废单了。