【期货量化实战】双均线交易策略（金叉死叉完整代码）

一、前言

双均线策略是最经典的量化交易策略之一。它简单易懂，逻辑清晰，是入门量化交易的最佳实践。本文将完整实现一个双均线策略，并进行模拟交易测试。

二、为什么选择天勤量化（TqSdk）

开发量化交易策略需要一个功能完整的框架。**天勤量化（TqSdk）**是目前国内最适合个人投资者的期货量化平台：

安装方法：

pip install tqsdk

重要提示：建议先使用模拟盘充分测试策略，确认无误后再考虑实盘交易。

三、策略原理

3.1 双均线策略逻辑

双均线策略使用两条不同周期的均线：

• 快线：周期短，反应灵敏（如MA5）
• 慢线：周期长，反应平稳（如MA20）

3.2 交易信号

3.3 策略优缺点

四、策略实现

4.1 完整代码

#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
策略：双均线金叉死叉策略
说明：本代码仅供学习参考，不构成投资建议
"""

from tqsdk import TqApi, TqAuth, TargetPosTask
from tqsdk.tafunc import ma

# 策略参数
SYMBOL = "SHFE.rb2510" # 交易合约（请根据实际情况修改为当前主力合约）
SHORT = 5 # 短周期（快线）
LONG = 20 # 长周期（慢线）
VOLUME = 1 # 交易手数

# 创建API（使用模拟交易，无需实盘账户）
api = TqApi(auth=TqAuth("快期账户", "快期密码"))

# 获取K线数据，数据长度需要大于最长周期
data_length = LONG + 2
klines = api.get_kline_serial(SYMBOL, duration_seconds=60, data_length=data_length)

# 创建目标持仓管理工具
target_pos = TargetPosTask(api, SYMBOL)

print("双均线策略启动")
print(f"合约: {SYMBOL}")
print(f"参数: MA{SHORT} / MA{LONG}")
print("=" * 60)

while True:
api.wait_update()

# 当产生新K线时重新计算均线
if api.is_changing(klines.iloc[–1], "datetime"):
# 使用tafunc.ma计算均线
short_avg = ma(klines["close"], SHORT) # 短周期均线
long_avg = ma(klines["close"], LONG) # 长周期均线

# 获取当前和上一根K线的均线值
current_short = short_avg.iloc[–1]
current_long = long_avg.iloc[–1]
prev_short = short_avg.iloc[–2]
prev_long = long_avg.iloc[–2]
close = klines.iloc[–1]["close"]

# 均线上穿（金叉）：做多
if prev_short < prev_long and current_short > current_long:
target_pos.set_target_volume(VOLUME)
print(f"【金叉】做多 | 价格:{close:.0f} | MA{SHORT}:{current_short:.0f} > MA{LONG}:{current_long:.0f}")

# 均线下穿（死叉）：做空
if prev_short > prev_long and current_short < current_long:
target_pos.set_target_volume(–VOLUME)
print(f"【死叉】做空 | 价格:{close:.0f} | MA{SHORT}:{current_short:.0f} < MA{LONG}:{current_long:.0f}")

# 打印当前状态
print(f"价格:{close:.0f} | MA{SHORT}:{current_short:.0f} | MA{LONG}:{current_long:.0f}")

4.2 代码解析

4.3 使用tafunc辅助函数

TqSdk提供了专门的crossup和crossdown函数来判断金叉死叉：

from tqsdk import TqApi, TqAuth, TargetPosTask
from tqsdk.tafunc import ma, crossup, crossdown

# … 前面代码省略 …

while True:
api.wait_update()

if api.is_changing(klines.iloc[–1], "datetime"):
short_avg = ma(klines["close"], SHORT)
long_avg = ma(klines["close"], LONG)

# 使用crossup判断金叉
golden_cross = crossup(short_avg, long_avg)
# 使用crossdown判断死叉
dead_cross = crossdown(short_avg, long_avg)

# 判断最新K线是否发生金叉/死叉
if golden_cross.iloc[–1] == 1:
target_pos.set_target_volume(VOLUME)
print("【金叉】做多")

if dead_cross.iloc[–1] == 1:
target_pos.set_target_volume(–VOLUME)
print("【死叉】做空")

五、策略优化

5.1 添加过滤条件

from tqsdk.tafunc import ma

# 只在均线多头排列时做多
def is_bullish_trend(klines):
ma5 = ma(klines["close"], 5).iloc[–1]
ma10 = ma(klines["close"], 10).iloc[–1]
ma20 = ma(klines["close"], 20).iloc[–1]
return ma5 > ma10 > ma20

# 只在均线空头排列时做空
def is_bearish_trend(klines):
ma5 = ma(klines["close"], 5).iloc[–1]
ma10 = ma(klines["close"], 10).iloc[–1]
ma20 = ma(klines["close"], 20).iloc[–1]
return ma5 < ma10 < ma20

# 修改交易逻辑
if prev_short < prev_long and current_short > current_long:
if is_bullish_trend(klines): # 添加过滤
target_pos.set_target_volume(VOLUME)

5.2 添加止损

from tqsdk import TqApi, TqAuth, TargetPosTask
from tqsdk.tafunc import ma

# … 前面代码省略 …

# 获取持仓引用
position = api.get_position(SYMBOL)
STOP_LOSS_POINTS = 30 # 止损点数

while True:
api.wait_update()

# 止损检查
if position.pos_long > 0:
entry = position.open_price_long
close = klines.iloc[–1]["close"]
if close < entry – STOP_LOSS_POINTS:
target_pos.set_target_volume(0)
print(f"【止损】平多仓 | 入场:{entry:.0f} | 现价:{close:.0f}")

if position.pos_short > 0:
entry = position.open_price_short
close = klines.iloc[–1]["close"]
if close > entry + STOP_LOSS_POINTS:
target_pos.set_target_volume(0)
print(f"【止损】平空仓 | 入场:{entry:.0f} | 现价:{close:.0f}")

# 原有的金叉死叉逻辑…

六、参数选择

6.1 常用参数组合

6.2 参数选择建议

七、策略改进思路

7.1 三均线策略

from tqsdk import TqApi, TqAuth, TargetPosTask
from tqsdk.tafunc import ma

# 三均线策略参数
FAST = 5
MID = 10
SLOW = 20

# … API初始化代码省略 …

while True:
api.wait_update()

if api.is_changing(klines.iloc[–1], "datetime"):
ma_fast = ma(klines["close"], FAST).iloc[–1]
ma_mid = ma(klines["close"], MID).iloc[–1]
ma_slow = ma(klines["close"], SLOW).iloc[–1]

# 三线多头排列做多
if ma_fast > ma_mid > ma_slow:
target_pos.set_target_volume(1)
print("多头排列，做多")
# 三线空头排列做空
elif ma_fast < ma_mid < ma_slow:
target_pos.set_target_volume(–1)
print("空头排列，做空")
# 其他情况空仓
else:
target_pos.set_target_volume(0)
print("均线缠绕，空仓观望")

7.2 结合其他指标

TqSdk内置了丰富的技术指标函数：

from tqsdk.ta import ATR, BOLL, MACD, KDJ, RSI

# ATR动态止损
atr = ATR(klines, 14)
stop_loss = atr["atr"].iloc[–1] * 2 # 2倍ATR止损

# 布林带辅助判断
boll = BOLL(klines, 20, 2)
upper = boll["top"].iloc[–1]
lower = boll["bottom"].iloc[–1]

# MACD确认趋势
macd = MACD(klines, 12, 26, 9)
dif = macd["dif"].iloc[–1]
dea = macd["dea"].iloc[–1]

八、回测验证

TqSdk支持对策略进行历史回测：

from tqsdk import TqApi, TqAuth, TqBacktest, TargetPosTask
from tqsdk.tafunc import ma
from datetime import date

# 创建回测API
api = TqApi(
backtest=TqBacktest(start_dt=date(2024, 1, 1), end_dt=date(2024, 6, 30)),
auth=TqAuth("快期账户", "快期密码")
)

SYMBOL = "SHFE.rb2405"
SHORT, LONG = 5, 20

klines = api.get_kline_serial(SYMBOL, duration_seconds=60, data_length=LONG + 2)
target_pos = TargetPosTask(api, SYMBOL)
account = api.get_account()

try:
while True:
api.wait_update()

if api.is_changing(klines.iloc[–1], "datetime"):
short_avg = ma(klines["close"], SHORT)
long_avg = ma(klines["close"], LONG)

# 金叉做多
if short_avg.iloc[–2] < long_avg.iloc[–2] and short_avg.iloc[–1] > long_avg.iloc[–1]:
target_pos.set_target_volume(1)
# 死叉做空
if short_avg.iloc[–2] > long_avg.iloc[–2] and short_avg.iloc[–1] < long_avg.iloc[–1]:
target_pos.set_target_volume(–1)

except Exception as e:
print(f"回测结束: {e}")
finally:
# 打印回测结果
print(f"期末权益: {account.balance:.2f}")
print(f"盈亏: {account.balance – 1000000:.2f}")
api.close()

九、总结

9.1 策略要点

9.2 TqSdk核心API

9.3 实盘注意

下一步学习：

• 布林带突破策略
• 海龟交易策略

免责声明：本文仅供学习交流使用，不构成任何投资建议。期货交易有风险，入市需谨慎。

更多资源：

• 天勤量化官网：https://www.shinnytech.com
• GitHub开源地址：https://github.com/shinnytech/tqsdk-python
• 官方文档：https://doc.shinnytech.com/tqsdk/latest