QMT与问财结合-双向交易：问财数据自动化交易系统

（加密）QMT与问财结合-双向交易：问财数据自动化交易系统 | 三人聚智-余汉波程序小店

（非加密）QMT与问财结合-双向交易：问财数据自动化交易系统 | 三人聚智-余汉波程序小店

视频：

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

问财双向委托交易系统是一款基于Python开发的量化交易工具，它结合了问财数据查询与自动化交易执行功能，实现了根据问财查询结果自动买入或卖出股票的功能。本文将深入解析该系统的代码实现，帮助读者理解其工作原理、架构设计和关键算法。

2. 系统概述

问财双向委托交易系统主要由以下几个部分组成：

系统的主要功能包括：

1. 用户界面：基于tkinter构建的图形界面，用于用户输入交易参数和查看交易日志
2. 交易接口：通过xtquant库连接交易服务器，实现股票交易功能
3. 数据查询：使用pywencai库查询问财数据，获取符合条件的股票列表
4. 调度系统：使用apscheduler库实现定时查询和交易功能
5. 交易逻辑：实现买入和卖出的核心算法，包括资金管理、持仓管理等

• 根据问财查询结果自动买入或卖出股票
• 支持定时查询和交易
• 可设置买入卖出条件和资金阈值
• 支持多种委托类型和价格调整
• 提供完整的交易日志和状态监控

3. 代码结构分析

3.1 类结构

系统主要包含两个类：

1. MyXtQuantTraderCallback：交易回调类，处理交易事件回调
2. WenCaiTrader：主类，实现系统的核心功能

class MyXtQuantTraderCallback(XtQuantTraderCallback):
    # 处理交易回调事件
    
class WenCaiTrader:
    # 实现系统核心功能

3.2 主要模块和依赖

系统使用了以下主要的Python库：

• tkinter：构建图形用户界面
• xtquant：连接交易服务器，执行交易操作
• pywencai：查询问财数据
• pandas：处理数据结构
• apscheduler：实现定时任务调度
• threading：实现多线程处理
• datetime：处理日期和时间
• json：处理配置文件

4. 核心功能实现

4.1 交易回调处理

MyXtQuantTraderCallback类继承自XtQuantTraderCallback，实现了多个回调方法来处理交易事件：

def on_stock_order(self, order):
    """委托回报推送"""
    # 处理委托回报

def on_stock_trade(self, trade):
    """成交变动推送"""
    # 处理成交回报

def on_order_error(self, order_error):
    """委托失败推送"""
    # 处理委托失败

def on_cancel_error(self, cancel_error):
    """撤单失败推送"""
    # 处理撤单失败

这些回调方法使系统能够实时响应交易事件，记录交易日志，并在必要时采取相应措施。

4.2 问财数据查询

系统使用pywencai库查询问财数据，获取符合条件的股票列表：

def get_wencai_data(self, query, query_type_str):
    """从问财获取数据"""
    # 设置查询类型
    query_type_map = {
        "可转债": "conbond",
        "股票": "stock",
        "基金": "fund"
    }
    query_type = query_type_map.get(query_type_str, "stock")
    
    # 查询数据并处理异常
    data = pywencai.get(query=query, query_type=query_type, loop=True)
    
    # 处理查询结果
    # ...

该方法实现了以下功能：

1. 根据用户选择的查询品种设置查询类型
2. 添加异常捕获和重试逻辑，提高系统稳定性
3. 提取证券代码和名称，并进行格式化处理
4. 根据证券类型（股票、可转债、基金）进行过滤和格式化

4.3 买入订单处理

买入订单处理是系统的核心功能之一，实现了以下逻辑：

def place_buy_order(self, stock_code):
    # 检查交易时间
    # 查询可用资金
    # 撤销未成交订单
    # 获取最新价格
    # 计算当前持仓市值
    # 检查单只证券的总金额限制
    # 计算本次可买金额和委托数量
    # 设置委托价格和类型
    # 执行买入委托

买入逻辑包括以下关键步骤：

1. 交易时间检查：确保当前时间在用户设定的买入时间范围内
2. 资金检查：确保可用资金大于保留资金
3. 撤单处理：撤销同一股票的未成交订单，避免重复委托
4. 持仓检查：计算当前持仓市值，确保不超过单只证券的总金额限制
5. 委托数量计算：根据可用资金和单笔买入金额计算委托数量
6. 价格策略：根据用户设置的委托类型和价格调整幅度设置委托价格
7. 委托执行：调用交易接口执行买入委托

4.4 卖出订单处理

卖出订单处理与买入类似，但有不同的逻辑：

def place_sell_order(self, stock_code):
    # 检查交易时间
    # 查询可用资金
    # 撤销未成交订单
    # 获取最新价格
    # 计算当前持仓市值
    # 判断是全部卖出还是保留底仓
    # 计算本次卖出数量
    # 设置委托价格和类型
    # 执行卖出委托

卖出逻辑的关键步骤包括：

1. 交易时间检查：确保当前时间在用户设定的卖出时间范围内
2. 资金检查：确保可用资金小于资金阈值，避免在资金充足时卖出
3. 持仓检查：确保有可用持仓
4. 卖出策略：根据总卖出金额和单笔卖出金额计算卖出数量，支持保留底仓功能
5. 价格策略：根据用户设置的委托类型和价格调整幅度设置委托价格
6. 委托执行：调用交易接口执行卖出委托

4.5 调度系统

系统使用apscheduler库实现定时查询和交易功能：

def init_scheduler(self):
    # 初始化调度器
    
def add_monitor_jobs(self):
    # 添加监控任务
    
def monitor_file(self, query, action):
    # 执行查询和交易

调度系统的主要功能包括：

1. 初始化调度器，配置线程池和进程池
2. 添加买入和卖出监控任务，设置查询间隔
3. 定时执行问财查询，获取符合条件的股票列表
4. 根据查询结果执行买入或卖出操作

5. 关键算法分析

5.1 资金管理算法

系统实现了精细的资金管理算法，包括：

这些算法共同构成了系统的风险控制机制，帮助用户实现科学的资金管理。

1. 保留资金：设置保留资金，确保账户始终保留一定的可用资金
2. 单笔交易金额：限制单笔买入或卖出的金额，避免过大的市场冲击
3. 总交易金额：限制单只证券的总买入或卖出金额，实现资金分散
4. 底仓管理：支持保留底仓功能，避免完全清仓

5.2 价格策略算法

系统支持多种委托类型和价格调整机制：

对于可转债，系统强制使用限价委托，以应对可转债市场的特殊性。

1. 限价委托：根据最新价格和调整幅度计算委托价格
2. 最优五档：使用市场最优五档价格委托
3. 最优五档转限价：先尝试最优五档，然后转为限价委托
4. 对手方最优：使用对手方最优价格委托
5. 本方最优：使用本方最优价格委托

5.3 交易时间控制算法