期货交易策略系列教程（六）：实盘部署与监控——从回测到真实交易

摘要： 本文是“从零开始搭建期货量化交易系统”系列的第六篇，也是正式收官前的最后一篇实战文章。前面五篇我们完成了策略开发与回测引擎搭建，今天将迈出最关键的一步——将策略部署到实盘。我们将详细讨论实盘前的心理与资金准备、如何通过CTP接口接入期货公司、实盘风控的核心规则（账户风险度监控、自动强平预警、每日交易报告），以及实盘日志与策略迭代的最佳实践。读完本文，你将拥有一套从回测到实盘的完整落地方案，能够安全、稳健地运行自己的期货量化策略。

大家好，我是你们的老朋友。

如果把前面五篇文章比作造一辆赛车——我们设计了引擎（策略）、测试了性能（回测）、优化了零件（因子与风控），那么今天，我们终于要把它开上真正的赛道了。

实盘与回测之间，隔着一道巨大的鸿沟。回测中完美无瑕的净值曲线，在实盘中可能因为网络延迟、流动性不足、手续费计算偏差、甚至程序崩溃而面目全非。今天这篇文章的目的，就是帮你安全地跨越这道鸿沟。

一、实盘前的心理与资金准备

在按下“启动”按钮之前，有三件事比代码更重要。

1.1 心理准备：接受回撤与连续亏损

回顾我们在第三篇中讨论的海龟策略——它依赖少数几笔大盈利来覆盖大量小额亏损。这意味着，在实盘中你可能会连续止损五六次，账户资金持续缩水。如果每次亏损后你都忍不住手动干预，策略就永远无法等到属于它的那波大行情。

一个有效的心理建设方法是：在回测报告中找到历史最大连续亏损次数和最大回撤幅度，把它们写在便利贴上，贴在屏幕旁边。 当实盘中的回撤接近历史水平时，告诉自己：“这很正常，回测中发生过更糟的情况，策略最终都回来了。”

1.2 资金准备：永远不要押上全部身家

一个残酷的事实是：大多数量化策略在实盘的前3-6个月都会遭遇不同程度的“水土不服”。可能是参数需要微调，可能是市场环境变化，也可能是一些回测中未曾预料到的细节问题。

因此，实盘初期只投入总可用资金的20%-30%，留足缓冲空间。具体来说：

• 如果总可用资金为50万元，初期只投入10-15万元。
• 杠杆控制在2倍以内（即保证金占用不超过总权益的50%）。
• 单笔交易最大亏损不超过总资金的1%-2%。

1.3 技术准备：确保系统稳定运行

量化交易是“机器替你交易”，如果机器出问题，后果不堪设想。至少需要确保：

• 程序运行环境稳定：建议使用云服务器（阿里云、腾讯云），避免用个人电脑24小时开机。
• 网络延迟可控：服务器尽量选择离期货公司机房近的地域。
• 数据源有备用方案：主数据源故障时能自动切换到备用源。
• 程序异常自动通知：出现崩溃、断网、资金不足等情况时，立即发送邮件或微信通知。

二、接入期货交易接口

中国期货市场的标准交易接口是CTP，由上海期货信息技术有限公司开发。几乎所有期货公司都支持CTP接口。

2.1 获取CTP账号与权限

在期货公司开户后，联系客户经理申请CTP接入权限。你会收到以下信息：

• BrokerID：期货公司代码
• UserID：你的交易账号
• Password：交易密码
• AppID：应用ID（部分公司需要）
• AuthCode：授权码（部分公司需要）
• 前置地址：行情和交易服务器的IP与端口

2.2 选择开发框架

直接用CTP的C++接口开发难度较大。对Python用户来说，有两个主流选择：

• vnpy：国内最成熟的开源量化交易框架，封装了CTP接口，提供完整的交易、回测、风控功能。适合中高级用户。
• openctp：轻量级的CTP Python封装，更接近底层，适合希望完全掌控代码的用户。

对于本系列的读者，我建议从vnpy开始，因为它提供了开箱即用的功能，能大大降低实盘部署的门槛。

2.3 用vnpy接入CTP的简化示例

以下是使用vnpy连接CTP并订阅行情的核心代码：

from vnpy.gateway.ctp import CtpGateway
from vnpy.event import EventEngine

# 创建事件引擎
event_engine = EventEngine()

# 创建CTP网关
ctp_gateway = CtpGateway(event_engine)

# 设置连接参数
ctp_setting = {
'用户名': 'your_user_id',
'密码': 'your_password',
'经纪商代码': 'your_broker_id',
'交易服务器': 'tcp://your_trade_server:port',
'行情服务器': 'tcp://your_market_server:port',
'产品名称': 'your_product_name',
'授权编码': 'your_auth_code',
'产品信息': 'your_app_id'
}

# 连接CTP
ctp_gateway.connect(ctp_setting)

连接成功后，你就可以通过事件驱动的方式订阅行情、下订单、接收成交回报了。

2.4 实盘与回测的信号对接

在前几篇文章中，我们的策略输出是“信号”——比如{symbol: 1}表示做多螺纹钢。实盘中，你需要把这些信号转化为实际的订单。

一个简单的对接思路是：

如果你的策略是日线级别的趋势跟踪，手动执行交易是完全可以接受的，不需要追求全自动化。

三、实盘风控的核心规则

回测中的风控是“事后检查”，实盘中的风控必须是“事前拦截”。以下三条规则是底线中的底线。

3.1 账户风险度监控

期货账户有一个关键指标叫风险度：

风险度 = 已用保证金 / 客户权益 × 100%

当风险度超过100%时，期货公司会通知追加保证金；超过一定阈值（通常是交易所保证金标准），持仓会被强制平仓。

在实盘中，应该设置一个预警线和强平线：

• 预警线：风险度超过70%时，发送通知，提醒手动减仓或追加资金。
• 强平线：风险度超过85%时，程序自动平掉部分仓位，直到风险度降至安全范围。

以下是一个简化的风险度监控函数：

def check_risk(account):
"""检查账户风险度，返回是否需要强制减仓"""
risk_ratio = account.margin_used / account.equity

if risk_ratio > 0.85:
print(f'[严重警告] 风险度 {risk_ratio:.2%}，超过强平线，自动减仓！')
return 'force_close'
elif risk_ratio > 0.70:
print(f'[警告] 风险度 {risk_ratio:.2%}，超过预警线，请关注！')
return 'warning'
else:
return 'safe'

3.2 自动强平预警

在第五篇的回测引擎中，我们实现了can_open方法检查开仓前资金是否充足。实盘中，这个检查必须更严格——不仅要检查开仓时的资金，还要在持仓过程中持续监控。

def auto_risk_management(account, price_dict, max_risk=0.85):
"""自动风控：当风险度超过阈值时，平掉亏损最大的仓位"""
risk = account.margin_used / account.equity
if risk < max_risk:
return

# 找出亏损最大的持仓
worst_symbol = None
worst_loss = 0
for symbol, pos in account.positions.items():
if symbol in price_dict:
current_price = price_dict[symbol]
loss = (current_price – pos['entry_price']) * pos['direction']
if loss < worst_loss:
worst_loss = loss
worst_symbol = symbol

if worst_symbol:
print(f'自动减仓：平掉{worst_symbol}，亏损{worst_loss:.0f}')
# 执行平仓操作

3.3 每日交易报告

实盘运行后，你需要每天收到一份简洁的交易报告，包括：

• 当日权益与净值变化
• 当前持仓与浮动盈亏
• 当日成交明细
• 风险度与可用资金
• 策略是否正常运行

以下是一个生成文本报告的示例函数：

def daily_report(account, date):
"""生成每日交易报告"""
report = f"""
========== {date} 交易报告 ==========
当前权益：{account.equity:,.0f}
可用资金：{account.cash:,.0f}
已用保证金：{account.margin_used:,.0f}
风险度：{account.margin_used/account.equity:.2%}
当前持仓数：{len(account.positions)}

— 持仓明细 —"""
for symbol, pos in account.positions.items():
report += f'\\n{symbol}: {"多" if pos["direction"]==1 else "空"} {pos["lots"]}手, 入场价{pos["entry_price"]}'

report += '\\n=================================='
return report

你可以将这个报告通过邮件或微信推送给自己，每天花一分钟过目即可。

四、实盘日志与策略迭代

4.1 记录实盘与回测的偏差

实盘运行一个月后，你应该将实盘净值与回测同期的净值做对比。如果两者偏差超过预期范围，需要分析原因：

• 手续费和滑点：实盘是否高于回测假设？如果是，调整回测参数。
• 信号执行延迟：实盘是否因为操作延迟而错过最佳入场点？如果是，优化执行流程。
• 数据源差异：实盘使用的数据源与回测是否一致？价格偏差是否显著？

4.2 定期回顾，决定是否调整

建议每季度对策略做一次全面回顾：

• 实盘是否跑赢了无风险收益（如3%）？
• 最大回撤是否超过了历史水平？
• 因子或规则是否出现了失效迹象（参考多因子轮动系列中的因子生命周期管理）？

如果一切正常，保持运行；如果出现连续两个季度跑输基准，考虑暂停实盘，回到回测环境重新优化。

4.3 保持进化

没有任何策略能永远有效。市场结构会变化，品种的波动特性会漂移，你的策略也需要持续进化。在第七篇（总结篇）中，我们将完整梳理策略进化的方法论。

五、本篇总结

今天我们完成了从回测到实盘的关键跨越。核心要点回顾：

下一篇预告：期货交易策略系列（七）——总结与进阶学习路径

下一篇将是本系列的正式收官之作。我们将回顾整个期货量化交易系统的构建流程，梳理你已经掌握的核心技能，并给出进一步学习的方向：日内CTA、高频交易、机器学习在期货中的应用，以及值得深入阅读的书籍和资源。咱们下篇见！