原创内容第969篇，专注AGI+，AI量化投资、个人成长与财富自由。

星球好多同学希望说说实盘，我们就从实盘开始吧。

我们选择tqsdk给大家讲解，tqsdk支持免费注册，使用模拟账户，历史和实时数据，方便我们回测、实盘一体化的策略开发。

需要注册一个账户即可，默认就有一个模拟账户。

然后统一访问的api接口：

api = TqApi(auth=TqAuth(username, password))

然后就可以访问数据：

01 数据篇

查询所有的主连合约，一共85个:

查询上交所所有有股票列表，一共2421支：

查询上交所所有基金列表，一共970支：

下面我们来获取时序数据——螺纹钢主连合约15分钟线（500个数据）# 定义主连合约代码（格式：KQ.m@{交易所}.{品种}）

symbol = "KQ.m@SHFE.rb"  # 螺纹钢主连示例# 其他常见主连代码：#   KQ.m@DCE.m  -> 豆粕主连#   KQ.m@CFFEX.IF -> 沪深300股指主连#   KQ.m@SHFE.au -> 黄金主连
# 请求分钟线数据（以15分钟线为例）df = api.get_kline_serial(    symbol=symbol,    duration_seconds=60 * 15,  # 周期：15分钟（可修改为60=1分钟）    data_length=500,          # 获取K线数量)df['datetime'] = pd.to_datetime(df['datetime'], unit='ns')  # 毫秒转datetimedf.set_index('datetime', inplace=True)  df

使用tqsdk，我们不需要去管理数据，可以按需要获取数据，这是非常方便的。

另外，tqsdk还是回测功能，真正做到策略实盘和回测一体。

02 回测篇

在30分钟线上的回测——收盘价大于均线时做多，小于均线时平仓：

from datetime import datefrom tqsdk import TqApi, TqAuth, TqBacktest, TargetPosTask
'''如果当前价格大于5分钟K线的MA15则开多仓如果小于则平仓回测从 2018-05-01 到 2018-10-01'''# 在创建 api 实例时传入 TqBacktest 就会进入回测模式#api = TqApi(backtest=TqBacktest(start_dt=date(2018, 5, 1), end_dt=date(2018, 10, 1)), auth=TqAuth("快期账户", "账户密码"))api = TqApi(backtest=TqBacktest(start_dt=date(2018, 5, 1), end_dt=date(2018, 10, 1)), auth=TqAuth(username, password))api# 获得 m1901 5分钟K线的引用klines = api.get_kline_serial("DCE.m1901", 30* 60, data_length=15)# 创建 m1901 的目标持仓 task，该 task 负责调整 m1901 的仓位到指定的目标仓位target_pos = TargetPosTask(api, "DCE.m1901")
while True:    api.wait_update()    if api.is_changing(klines):        ma = sum(klines.close.iloc[-15:]) / 15        #print("最新价", klines.close.iloc[-1], "MA", ma)        if klines.close.iloc[-1] > ma:            #print("最新价大于MA: 目标多头5手")            # 设置目标持仓为多头5手            target_pos.set_target_volume(5)        elif klines.close.iloc[-1] < ma:            #print("最新价小于MA: 目标空仓")            # 设置目标持仓为空仓            target_pos.set_target_volume(0)

点击 “查看原文”，直接访问策略集合。

扩展  •  历史文章   

EarnMore（赚得更多）基于RL的投资组合管理框架：一致的股票表示，可定制股票池管理。（附论文+代码）

年化收益200%+的策略集 | 实时板块资金热力图 「aitrader 5.0系统代码发布」

机器学习驱动的策略开发通过流程 | 普通人阶层跃迁的可能路径？

年化30.24%，最大回撤19%，综合动量多因子评分策略再升级（python代码+数据）

三秒钟创建一个年化28%，夏普比1.25的策略（python系统已开放源代码下载）

会员专属策略可以直接下载了，多个十年年化30+%策略集|polars重构因子引擎（代码+数据下载）

6年年化收益46%，最大回撤率为16%的策略（附python代码）