Python 的学习者中，有相当一部分是冲着爬虫去的。因为爬虫可以帮你解决很多工作和生活中的问题，节约你的生命。不过 Python 还有一个神秘而有趣的应用领域，那就是量化交易。

量化交易，就是以数学模型替代人的主观判断来制定交易策略。通常会借助计算机程序来进行策略的计算和验证，最终也常直接用程序根据策略设定的规则自动进行交易。

Python 由于开发方便，工具库丰富，尤其科学计算方面的支持很强大，所以目前在量化领域的使用很广泛。市面上也出现了很多支持 Python 语言的量化平台。通过这些平台，你可以很方便地实现自己的交易策略，进行验证，甚至对接交易系统(由于政策原因，现在很多交易接口暂停开放)。

在交易策略方面，我是外行(虽然曾经也有证券从业资格)。所以本文只是介绍几个 Python 量化平台，以及一些最基本的使用方法。更多的功能、更强大的策略还有待各位自己去挖掘。

目前国内比较知名的几个平台：

国外知名平台：

它们都可以使用 Python 进行策略开发。

以优矿为例，注册之后，在“开始研究”页面，新建一个 Notebook，就可以开始用 Python 写你自己的策略。

右上角的下拉框选择“策略”，就会帮你自动填写上策略回测的基本结构代码。

开始的一些变量是对回测的基本配置。initialize 里可以做一些初始化的工作。handle_data 则是回测代码的核心，用来实现每个交易日(或每分钟)的交易指令。

具体的变量含义，这里不做特别细致的解释，文档里都有说明。仅从命名和注释里也可以看出，设定了回测的时间，股票池，资金，交易频率等。

文档里给了一个最简单的日线策略代码：

def handle_data(account):

for stock in account.universe:

order(stock,100)

此策略就是，在每个交易日，把股票池里每一只股票都买入一手。

account.universe 就是开头设定的 universe 值。这里遍历股票池中的股票。

order 是买卖指令，函数原型是：order(symbol, amount)

参数 symbol 是股票代码，amount 是买卖数量，正为买入，负为卖出。此处买入 100 股，即 1 手。

点击“运行”，或 Ctrl+Enter，即可在页面上看到策略的执行情况。

我们再尝试改动一点点，写一个自己的策略。

我拍脑袋想了这样一个策略：

如果一只未持有的股票 2 个交易日累计涨了 10% 以上，就以当前资金的 5% 买入它。反过来，如果累计跌了 10% 以上，就全部卖出止损。

下面把它实现出来看下回测效果如何。

时间设为去年(2015)全年，起始资金 10 万元。

universe = set_universe('A')

股票池为 A 股所有股票。

account.get_attribute_history('closePrice', 3)

取得股票池中所有股票前 3 天的收盘价(closePrice)。

hist[s][2] - hist[s][0]

得到 1 天前和 3 天前收盘价的差值。

account.valid_secpos

是账户当前所持有的证券信息。

如果收盘价 2 天的差值满足买入条件且未持有，就执行：

order_pct(s, 0.05)

order_pct 表示按账户当前总价值的百分比买入股票。

如果满足卖出条件则执行：

order_to(s, 0)

OK，一个简单到不行的策略已完成。运行一下：

居然，这么简单的策略在最高的时候有超过 90% 的收益，即使在经历了年中的股灾和下半年的震荡之后，到年底也还有 30% 多的收益率，应该超越了大部分散户去年的成绩吧。如果按照这个策略进行交易，啧啧，想想还有点小激动呢。(喂！快醒醒！)

然而现实是残酷的，真实的市场分分钟教你做人。

量化投资以及程序化交易是很有前途的行业，但在你想从事这行，甚至用它赚钱之前，请先深入了解它。

有兴趣的，去看下这个问题：

前面提到的另外几个平台，和优矿基本类似，API 和功能会有些差异，可以自行尝试，这里不再分别演示。也有人做过比较：

如果你对这个领域充满好奇，不如现在就立刻动手，从你的第一个策略开始。谁知道你会不会成为下一个巴菲特呢：)

其他文章及回答：

Crossin的编程教室

微信ID：crossincode