WeQuant教程—1.4 实践教学：比特币量化定投

 在wequant.io，为了让读者能直接体验量化系统的魅力，我们用前面的思路，实现了一套完整的量化系统和回测工具，这个系统非常简单，用户只需要把交易意志用策略表达出来，系统就可以自己完成交易效果的回测，和实盘交易的接入。

我们使用数字货币比特币作为量化交易标的。使用比特币的好处有几个：

1. 品种单一，计价方式简单；
2. 24小时不间断交易；
3. 交易资金门槛低；
4. 接口授权简单。

接下来要做的，就是学习用WeQuant的标准，以完成一份有效的策略。我们将以比特币定投为例（定期自动买入比特币，来换取比特币升值收益），作一个简单的介绍。

基本名词介绍

bar

这里的bar不是指酒吧，是金融交易里面的行情bar，是一个图形概念。如果你多多少少看过交易的行情图，横向排列的高低不同的“小柱子”，每一根柱子都称为一个bar。

bar跟时间是高度关联的。bar记录了固定间隔内，从开始时间到结束时间，价格的信息，常规的bar会记录如下价格信息：开始价格（开盘价）、结束价格（收盘价）、最高价、最低价。一般来说，bar还会附带成交数量的信息。

bar在我们的量化系统里面有什么用呢？除了提供基础的价格信息，在WeQuant设计的量化系统里面，策略是循环不间断地运转的，bar是循环的依据。

为什么需要bar来支持循环呢？我们知道，bar是天然带有时间属性的信息合集，在图形里，左边的bar比右边的bar发生的更早，最右边的bar反映的是当前最新的动态，于是，我们可以利用bar的时间属性，让程序从左往右依次读取bar，来实现“从某时至某时”或者“实时不间断”的信息获取和计算的目的，既不遗漏，也不重复，时间间隔固定，于是我们在写策略的时候，可以省略掉很多时间定义和处理的步骤，只需要关心在所读取的当前的bar里面，设计交易触发条件“如果 => 那么”——从而，整个策略的设计和编写，由于bar的循环的帮助，变得非常简单。

bar就像老式时钟的钟摆，每摆一下，时间就往前进一格。只要bar不停地在更新和读取，我们的策略就会不断地运行。bar跟前面几篇文章提到的行情系统，有极大的关联。

bar本身有频率的区分，区别就是每隔多少时长汇总一根bar。WeQuant提供分钟、小时、天、周级别的bar，来满足执行频率不同的策略的要求。目前WeQuant提供的bar，主要针对数字货币交易市场，由于中间不休市，bar与bar之间所表示的时间区段是连续的，即紧密相连，不存在缝隙。

frequency

与bar密切相连，由于bar表示的是固定时间间隔内的价格信息，这里的frequency就是用来指定固定时间间隔有多长。

frequency有个正经的中文翻译叫频率，频率的单位是赫兹（次/秒）。而我们为了省略换算的复杂（很多人算不过来），frequency设定的值仅作代指而非学术上的频率值，例如当frequency为1分钟时，实际上我们说的是给策略指定成“依据1分钟时长的bar，每1分钟执行一次策略，所换算出来的频率值”。这段话献给特别较真的朋友们。

函数

这是编程语言的概念，不作累述。在WeQuant的策略模板里面，只需要在策略里定义清楚两个函数，策略就可以生效。具体是哪两个函数需要定义，后文会作示例讲解。

除了用户需要自己编写函数之外，WeQuant本身提供了一些列的函数来辅助完成策略的表达，包括但不限于获取历史数据、获取帐号信息、操作订单、计算和保存变量等等。详细的定义和使用方法，请在需要的时候移步至专门的API文档。

参数

由于策略需要跟量化系统作整合，我们要求在策略里添加一些预设的但跟交易逻辑本身无关的变量，让策略变得机器可读，使用方法请看示例，详细说明看API文档。

一个基本的策略-比特币定投

我们对上文进行一个简单的汇总，一个WeQuant标准的策略应该长这个样子：

PARAMS = { "start_time": "2016-09-20 00:00:00", # 回测起始时间 "end_time": "2016-10-21 00:00:00", # 回测结束时间 "slippage": 0.02, # 设置滑点 "account_initial": {"huobi_cny_cash": 10000, "huobi_cny_btc": 3}, # 设置账户初始状态}def initialize(context): context.frequency = "1d" context.benchmark = "huobi_cny_btc" context.security = "huobi_cny_btc"def handle_data(context): if context.account.huobi_cny_cash > 100: context.order.buy(context.security, cash_amount="100")

我们看到，策略分成三部分，分别定义PARAMS（参数）变量、initialize和handle_data函数（分别需要传入context参数）。

• PARAMS里面定义回测的起始时间、结束时间、帐号初始资金和初始比特币数量、滑点误差率（就是交易过程产生的误差，解释另附）；
• initialize函数设置context变量，包括frequency、基准品种价格、操作品种、用户自定义变量；
• handle_data函数写实际的策略逻辑，即每次读取bar的时候，按照什么条件触发订单。

这个策略什么意思呢？刨除掉其他设置的细节（想了解的话，请阅读API文档），我们只看handle_data里的内容：

def handle_data(context): # 如果火币帐号里面的现金余额，大于用户设定的阈值（设为100）， # 则触发下单条件： if context.account.huobi_cny_cash > 100: # 按照市价购买100元金额的比特币 context.order.buy(context.security, cash_amount="100")

代码的意思是，每天，检查账户里是不是剩余超过100块钱，如果超过，则按照当前的价格买入100块钱的比特币。

这样写完以后，平台就自动每天帮你买比特币了，作为一个自动化的定投策略，是不是很简单？

实际的定投策略会比这个更智能一些，那只是下单逻辑有了一些变化，整体的结构还是一样的，此处为了简化教学目的。

在回测阶段，这段代码也是可用的，而且可以从回测结果里面看到，因为比特币价格在上涨，所以这个定投策略也是挣钱的呢。

基本概念先介绍到这里。如果希望看更复杂的策略，策略讲堂里面有目前主流经典教科书策略的比特币版本，希望你们喜欢。