实盘完整攻略

source: wtpy/folder1/file06.md

本文将完整的介绍一下，如果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。

安装wtpy

安装python3.6以上的版本（32位、64位），安装完成以后输入以下命令，可以检查python的版本号
```
  $ python
```
打开命令行，输入以下指令直接安装
```
  $ pip install wtpy --upgrade
```
或者直接下载whl文件到本地进行安装阿里云镜像地址：https://mirrors.aliyun.com/pypi/simple/wtpy/ pipy地址：https://pypi.org/project/wtpy/#files
安装完成以后，输入以下命令，可以查看wtpy的版本号
```
  $ pip show wtpy
```

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.json，配置XTP仿真行情通道

  "parsers":[
      {
          "active":true,
          "module":"ParserXTP.dll",
          "host":"120.27.164.138",    //XTP仿真行情通道地址
          "port":"6002",
          "user":"********",  //XTP仿真账号
          "pass":"********",  //XTP仿真密码
          "protocol":1,       //XTP通道参数，可以忽略
          "clientid":1,       //XTP通道参数，可以忽略
          "hbinterval":15,    //XTP通道参数，可以忽略
          "buffsize":128,     //XTP通道参数，可以忽略
          "code":"SSE.000001,SSE.600009,SSE.600036,SSE.600276,SZSE.000001"
      }
  ]
  

打开配置文件dtcfg.json，配置数据落地目录

   "writer":{
      "path":"./STK_Data",    //数据落地目录
      "savelog":false,        //是否将tick同时输出csv文件
      "async":false,          //异步开关，如果股票个数比较多，建议开启
      "groupsize":20          //数据落地分组大小，用于控制日志显示
  }
  

打开配置文件dtcfg.json，配置广播端口

  "broadcaster":{
      "active":true,  //是否开启广播
      "bport":3997,   //订阅端口
      "broadcast":[
          {
              "host":"255.255.255.255",   //广播地址
              "port":9001,                //广播端口
              "type":2                    //数据格式，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.json，修改环境配置

  "env":{
      "name":"cta",
      "mode": "product",
      "product":{
          "session":"SD0930"
      },
      "filters":"filters.json",   //人工干预配置文件，暂时忽略
      "fees":"fees_stk.json",     //佣金模板文件
  }
  

打开配置文件config.json，修改数据读取路径

  "data":{
      "store":{
          "path":"./STK_Data/"    //这里修改为之前数据组件落地的路径，注意区分相对路径和绝对路径
      }
  }
  

打开配置文件config.json，修改XTP交易通道配置

  "traders":[
      {
          "active":true,
          "id":"simnow",              //交易通道ID
          "module":"TraderXTP.dll",   
          "host":"120.27.164.69",     //XTP仿真交易地址
          "port":"6001",
          "user":"********",          //XTP仿真账号
          "pass":"********",
          "acckey":"********",        //XTP认证key
          "protocol":1,
          "clientid":1,
          "hbinterval":15,
          "buffsize":128,
          "quick":true,
      }
  ]
  

打开配置文件config.json，修改行情通道配置

  "parsers":[
      {
          "active":true,
          "id":"parser1",
          "module":"ParserUDP.dll",
          "host":"127.0.0.1",
          "bport":9001,               //数据组件广播端口
          "sport":3997,               //数据组件查询端口
          "filter":""
      }
  ]
  

至此，config.json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。

准备数据

假设我们需要使用上证指数(SSE.000001)、浦发银行(SSE.600000)、深证成指(SZSE.399001)、平安银行(SZSE.000001)等4个品种的5分钟数据和日线数据。

从Multicharts导出SSE.000001和SZSE.399001两个指数的历史日线数据和历史5分钟线数据（截止到最近一个交易日）到csv文件
从Multicharts导出SSE.000001和SZSE.399001两个指数的历史日线前复权数据和历史5分钟线前复权数据（截止到最近一个交易日）到csv文件。个股要考虑数据的连续性，所以要使用前复权数据。

将sv文件按照数据周期不同放到不同的文件夹下面，然后利用回测引擎，将csv数据转换成wt平台的数据格式

  from wtpy import WtBtEngine

  if __name__ == "__main__":
      #创建一个运行环境，并加入策略
      env = WtBtEngine()
        
      env.trans_mc_bars(".\\csv_m5\\",".\\bin_m5\\", "m5")
      env.trans_mc_bars(".\\csv_d\\",".\\bin_d\\", "d")

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

将生成的数据文件(*.dsb)重命名后，复制到数据组件存储路径对应的目录下，如：
- 从MC导出的历史数据文件名为SH600009Q_m5.csv
- 转成wt内部数据格式以后为SH600009Q_m5.dsb
- 将dsb文件名改成600009Q.dsb
- 然后将600009Q.dsb复制到./STK_Data/his/min5/SSE/下面
历史数据准备完成以后，对于个股数据来说，wt会自动将历史复权数据和最新的实时数据拼接起来，从而形成一份完整连续的个股复权数据。

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
  from Strategies.DualThrust import StraDualThrust

  if __name__ == "__main__":
      #创建一个运行环境，并加入策略
      engine = WtEngine()
      engine.init('.\\Common\\', "config.json")
        
      straInfo = StraDualThrust(name='pydt_SH600000', code="SSE.600000", barCnt=50, period="m5", days=30, k1=0.1, k2=0.1, isForStk=True)
      engine.add_strategy(straInfo)

      straInfo = StraDualThrust(name='pydt_SZ000001', code="SZSE.000001", barCnt=50, period="m5", days=30, k1=0.1, k2=0.1, isForStk=True)
      engine.add_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