实盘完整攻略

本文将完整的介绍一下，如何搭建一个可以直接用于生产环境的完整的流程。本文将以配置股票仿真盘为例，使用DualThrust策略，通过XTP行情通道落地数据，并通过XTP仿真交易通道来进行仿真交易。

实盘运行步骤：

根据策略配置文件
终端运行datakit组件runDT.py，一般在开盘前启动，如9:20，datakit负责在实盘中录制实时行情数据，存储在指定的数据目录中，同时通知策略进行接收
另一个终端运行实盘组件run.py

文件配置

common  # 基础文件
    stk_comms.json  # 品种列表（交易所、品种类型、品种信息）
    stocks.json  # 股票/ETF列表
    holidays.json  # 节假日列表
    stk_sessions.json  # 交易时间模板
    fees_stk.json  # 佣金配置文件
datakit_stk  # 数据组件
    runDT.py  # 执行runDT.py启动数据组件
    dtcfg.yaml  # 行情通道、广播端口、数据落地，原demo中分离出了mdparsers.yaml, statemonitor.yaml
    logcfgdt.yaml
cta_stk  # 实盘组件
    run.py
    Strategies
        策略.py
    config.yaml  # 原demo中分离出了filters.yaml, executers.yaml, tdparsers.yaml, tdtraders.yaml, actpolicy.yaml
    logcfg.yaml

准备数据组件

复制股票数据组件demohttps://github.com/wondertrader/wtpy/tree/master/demos/datakit_stk

打开配置文件dtcfg.yaml，配置XTP仿真行情通道

parsers:
-   active: true
    id: parser
    module: ParserXTP
    host: 120.27.164.138
    port: '6002'
    protocol: 1
    buffsize: 128
    clientid: 1    
    hbinterval: 15    
    user: 你的XTP仿真账号
    pass: 你的XTP仿真密码
    code: SSE.000001,SSE.600009,SSE.600036,SSE.600276,SZSE.000001

打开配置文件dtcfg.yaml，配置数据落地目录

writer:
    module: WtDtStorage #数据存储模块
    async: true         #同步落地还是异步落地，期货推荐同步，股票推荐异步
    groupsize: 20       #日志分组大小，主要用于控制日志输出，当订阅合约较多时，推荐1000以上，当订阅的合约数较少时，推荐100以内
    path: ../STK_Data   #数据存储的路径
    savelog: false      #是否保存tick到csv

然后配置广播端口

broadcaster:                    # UDP广播器配置项
    active: true
    bport: 3997                 # UDP查询端口，主要是用于查询最新的快照
    broadcast:                  # 广播配置
    -   host: 255.255.255.255   # 广播地址，255.255.255.255会向整个局域网广播，但是受限于路由器
        port: 9001              # 广播端口，接收端口要和广播端口一致
        type: 2                 # 数据类型，固定为2

完成上述工作以后，就可以执行runDT.py启动数据组件了

准备环境

复制股票实盘demohttps://github.com/wondertrader/wtpy/tree/master/demos/cta_stk

打开配置文件config.yaml，修改环境配置

env:
    name: cta                       #引擎名称：cta/hft/sel
    fees: ../common/fees_stk.json   #佣金配置文件
    filters: filters.yaml           #过滤器配置文件，这个主要是用于盘中不停机干预的
    product:
        session: TRADING            #驱动交易时间模板，TRADING是一个覆盖国内全部交易品种的最大的交易时间模板，从夜盘21点到凌晨1点，再到第二天15:15，详见sessions.json

修改数据读取路径，确认和datakit设置的存储路径一致

data:
    store:
        module: WtDtStorage
        path: ../STK_Data/

打开配置文件tdtraders.yaml，修改XTP交易通道配置

traders:
-   active: true
    client: 1
    host: 120.27.164.69
    id: simnow
    module: TraderXTP
    user: 你的XTP仿真账号,
    pass: 你的XTP仿真密码,
    acckey: 你的XTP仿真key,
    port: 6001
    quick: true
    riskmon:
        active: true
        policy:
            default:
                cancel_stat_timespan: 10
                cancel_times_boundary: 20
                cancel_total_limits: 470
                order_stat_timespan: 10
                order_times_boundary: 20

打开配置文件tdparsers.yaml，修改行情通道配置

parsers:
-   active: true
    id: parser1
    module: ParserUDP
    host: 127.0.0.1
    bport: 9001       # 广播端口
    sport: 3997       # 查询端口
    filter: ''

至此，config.yaml里面需要用户修改的修改项基本就修改完成了，其他的配置项保持即可。

修改策略

DualThrust策略，在编写的时候，就考虑到了对股票的支持，所以加了一个参数isForStk。对于一般期货策略逻辑，要改写成支持股票，主要需要注意以下几点：

获取历史数据的时候，一定要将股票代码加Q

#读取最近50条1分钟线(dataframe对象)
theCode = code
if self.__is_stk__:
    theCode = theCode + "Q" #历史数据一定要用复权数据
df_bars = context.stra_get_bars(theCode, self.__period__, self.__bar_cnt__, isMain = True)

对于国内市场来说，股票买入必须按照1手100股来挂单

trdUnit = 1
if self.__is_stk__:
    trdUnit = 100   #交易股票的时候需要设定交易单位为100

最后发出信号的时候，品种代码一定不能带Q

策略逻辑要注意股票和期货的区别

#确定上轨和下轨
upper_bound = openpx + k1* max(hh-lc,hc-ll)
lower_bound = openpx - k2* max(hh-lc,hc-ll)

#读取当前仓位
curPos = context.stra_get_position(code)/trdUnit

if curPos == 0:
    if highpx >= upper_bound:
        context.stra_enter_long(code, 1*trdUnit, 'enterlong')
        context.stra_log_text("向上突破%.2f>=%.2f，多仓进场" % (highpx, upper_bound))
        #修改并保存
        self.xxx = 1
        context.user_save_data('xxx', self.xxx)
        return

    if lowpx <= lower_bound and not self.__is_stk__: #不是股票才能做空
        context.stra_enter_short(code, 1*trdUnit, 'entershort')
        context.stra_log_text("向下突破%.2f<=%.2f，空仓进场" % (lowpx, lower_bound))
        return
elif curPos > 0:
    if lowpx <= lower_bound:
        context.stra_exit_long(code, 1*trdUnit, 'exitlong')
        context.stra_log_text("向下突破%.2f<=%.2f，多仓出场" % (lowpx, lower_bound))
        return
else:
    if highpx >= upper_bound and not self.__is_stk__: #不是股票才能做空
        context.stra_exit_short(code, 1*trdUnit, 'exitshort')
        context.stra_log_text("向上突破%.2f>=%.2f，空仓出场" % (highpx, upper_bound))
        return

策略修改完成以后，还可以放到回测环境下，做一次回测。回测的教程可以参考回测自己的策略这一章。

启动实盘

检查run.py是否正确配置

from wtpy import WtEngine,EngineType
from Strategies.DualThrust import StraDualThrust

if __name__ == "__main__":
    #创建一个运行环境，并加入策略
    engine = WtEngine(EngineType.ET_CTA)
    engine.init('../common/', "config.yaml", commfile="stk_comms.json", contractfile="stocks.json")

    straInfo = StraDualThrust(name='pydt_SH600000', code="SSE.600000", barCnt=50, period="d1", days=30, k1=0.1, k2=0.1, isForStk=True)
    engine.add_cta_strategy(straInfo)

    engine.run()

    kw = input('press any key to exit\n')

开盘前启动数据组件，比如9:20
执行run.py