QMT与问财结合-单策略：自然语言自动化交易系统

（加密）QMT与问财结合-单策略：自然语言自动化交易系统 | 三人聚智-余汉波程序小店

（非加密）QMT与问财结合-单策略：自然语言自动化交易系统 | 三人聚智-余汉波程序小店

使用说明

问财的数据爬取利益于开源库 zsrl/pywencai: 获取同花顺问财数据，但在使用该程序系统需要注意下面几点：

1. 自己部署 python 环境的话，需要安装相应的库，主要有三个，xtquant 、apscheduler 和 pywencai，其他的是标准库，不需安装。 xtquant 是小 QMT 的数据获取和交易的库，可以到官网 xtquant版本下载 | 迅投知识库 (thinktrader.net) 自行下载，然后放到你 python 安装所在的 site-packages 文件夹内。apscheduler 和 pywencai 库可以通过 pip 安装，国内镜像可以使用 pip install apscheduler -i https://pypi.tuna.tsinghua.edu.cn/simple。
2. pywencai 库依赖 Node.js，自行在电脑中安装安装，否则无法爬取问财数数据。
3. 爬取问财的数据可能出现不稳定，毕竟不是通过 api 获得数据，所以是存在一定的风险的。一旦数据出错或获取不到数据，自动化交易可能带来损失，损失自行承担，概不负责。建议有两个：一、降低爬取频率，以免 IP 被封；二、模拟号充分测试。

1. 引言

问财单策略量化交易系统是一款基于自然语言查询的量化交易工具，它允许用户通过简单的自然语言描述来构建交易策略，并自动执行交易操作。本文将深入解析该系统的代码结构、功能实现和工作原理，帮助读者理解这一创新型量化交易工具的技术细节。

2. 系统概述

问财单策略量化交易系统主要由以下几个部分组成：

1. 图形用户界面：基于PyQt5构建的交互界面，包含系统设置、策略管理、持仓查询和运行日志四个主要功能区。
2. 问财查询模块：利用pywencai库实现自然语言查询，获取符合条件的证券列表。
3. 交易执行模块：通过xtquant库连接交易接口，执行买入和卖出操作。
4. 定时任务模块：使用schedule库实现策略的定时执行。
5. 日志和数据展示模块：实时显示系统运行状态和交易结果。

3. 代码结构分析

3.1 导入的库和模块

系统使用了多个Python库来实现不同的功能：

# 标准库
import sys, os, json, random, time
from datetime import datetime, time as datetime_time

# GUI相关
from PyQt5.QtWidgets import (QApplication, QMainWindow, ...)
from PyQt5.QtCore import Qt, QTime, QThread, pyqtSignal

# 数据处理和交易相关
import pywencai
from xtquant.xttrader import XtQuantTrader, XtQuantTraderCallback
from xtquant.xttype import StockAccount
from xtquant import xtconstant, xtdata
import pandas as pd
import math
import schedule

这些库可以分为三类：

• 标准库：用于基本的文件操作、时间处理等
• GUI库：PyQt5用于构建图形界面
• 专业库：pywencai用于自然语言查询，xtquant用于交易接口连接，pandas用于数据处理，schedule用于定时任务

3.2 核心类结构

系统包含几个核心类：

1. LogRedirector：日志重定向类，将标准输出重定向到GUI界面
2. MyXtQuantTraderCallback：交易回调类，处理交易接口的回调事件
3. TraderThread：交易线程类，在后台执行交易操作
4. WencaiTraderGUI：主窗口类，实现用户界面和交互逻辑

3.3 主要功能函数

系统包含多个关键功能函数：

1. place_orders：处理交易委托，执行买入或卖出操作
2. get_stock_price：获取证券实时价格
3. calculate_order_volume：计算委托数量，确保符合交易规则
4. execute_wencai_strategy_with_reserved_cash：执行问财策略，考虑保留现金

4. 工作流程详解

4.1 系统初始化流程

1. 创建主窗口和GUI组件
2. 加载配置文件（QMT路径、账号等）
3. 初始化日志重定向
4. 设置信号槽连接

4.2 交易策略执行流程

1. 用户输入自然语言查询条件（如"涨幅大于5%的转债"）
2. 系统通过pywencai库获取符合条件的证券列表
3. 获取当前持仓，比较新策略和当前持仓的差异
4. 卖出不在新策略中的持仓
5. 计算可用资金（考虑保留现金）
6. 将资金平均分配给需要买入的证券
7. 执行买入委托
8. 更新持仓和资产信息

4.3 定时执行机制

系统支持在指定时间自动执行策略：

1. 用户设置执行时间（如14:30）
2. 系统创建定时任务，在指定时间执行策略
3. 定时任务在后台线程中运行，不影响GUI响应

5. 关键算法分析

5.1 资金分配算法

系统采用简单的等权资金分配算法：

1. 计算可用资金 = 总资金 - 保留资金
2. 每只证券分配资金 = 可用资金 / 证券数量
3. 根据当前价格计算可买入数量，并向下取整到交易单位（股票为100股，转债为10张）

5.2 交易执行算法

系统的交易执行遵循以下原则：

1. 先卖出不在新策略中的持仓
2. 等待卖出委托完成（简单延时）
3. 获取最新资金状况
4. 再买入新策略中的证券
5. 如果没有新证券需要买入，则增持现有持仓

6. 用户界面设计

系统界面分为四个主要标签页：

界面设计简洁直观，操作流程清晰，适合不同经验水平的用户使用。

1. 系统设置：配置QMT路径、账号、交易时间等
2. 策略管理：添加和管理问财查询条件，设置定时执行
3. 持仓查询：显示当前持仓和资产信息
4. 运行日志：实时显示系统运行状态和交易结果

7. 潜在限制和改进建议

7.1 当前限制

1. 单一策略模式：系统只支持一个活跃策略，无法同时运行多个策略
2. 简单资金分配：采用等权分配，没有考虑风险因素和权重优化
3. 交易时机：只在固定时间执行，没有考虑市场波动和最佳交易时机
4. 错误处理：异常处理机制较为简单，可能在复杂情况下不够健壮
5. 回测功能缺失：没有提供策略回测功能，无法评估策略历史表现

7.2 改进建议

1. 多策略支持：允许用户创建和管理多个策略，并设置不同的执行条件
2. 智能资金分配：引入风险平价或其他资金分配算法，优化投资组合
3. 动态交易时机：根据市场状况动态决定交易时机，避免不利时段交易
4. 增强错误处理：完善异常处理机制，提高系统稳定性
5. 添加回测功能：集成策略回测模块，帮助用户评估和优化策略
6. 性能优化：优化数据处理和交易执行逻辑，提高系统响应速度
7. 数据可视化：增加图表和可视化功能，直观展示策略表现和市场数据

8. 使用的编程语言和库

系统主要使用Python语言开发，依赖以下关键库：

1. PyQt5：用于构建图形用户界面，版本要求 ≥ 5.15.0
2. pywencai：用于问财自然语言查询，版本要求 ≥ 0.3.0
3. xtquant：用于连接交易接口，版本要求 ≥ 1.0.0
4. pandas：用于数据处理和分析，版本要求 ≥ 1.3.0
5. schedule：用于定时任务调度，版本要求 ≥ 1.1.0