第1章量化交易概述

一、量化交易概述

大家好，我是老张。在数字货币这个圈子里摸爬滚打了六七年，踩过的坑比吃过的盐还多。今天咱们聊聊量化交易——说白了，就是用程序代替人来做交易决策。

你可能会问：手动交易不也挺好吗？嗯，我刚开始也这么想。直到有一次，我盯盘盯到凌晨三点，一个瞌睡错过了最佳卖点，直接亏了六位数。从那以后，我就铁了心搞量化。

1.1 什么是数字货币量化交易

量化交易，就是用数学模型和计算机程序，自动执行交易策略。在数字货币领域，它特别吃香——因为币圈是7×24小时交易的，你总不能一直盯着屏幕吧？

我习惯把量化交易拆成三个核心环节：

策略研发：写代码、回测、优化参数
实盘执行：连接交易所、下单、风控
监控运维：盯日志、看收益、处理异常

举个例子，你发现一个规律：比特币每次跌到30000美元以下，第二天大概率反弹。手动操作的话，你得半夜爬起来挂单。量化交易呢？写个脚本，让程序自动监控价格，触发条件就买入。省心省力。

核心要点：量化交易不是魔法，它只是把交易规则变成代码，让机器替你执行。你想想看，机器不会累、不会情绪化、不会手抖，这就是最大的优势。

1.2 量化交易的优势与风险

先说说好处。我个人觉得，量化交易最大的优势就三个字：纪律性。

优势	说明
情绪免疫	机器不会因为恐慌而割肉，也不会因为贪婪而追高
效率极高	一秒处理上千笔订单，手动交易根本比不了
可回测验证	策略好不好，历史数据跑一遍就知道
多市场覆盖	同时监控十几个交易所，手动盯盘会疯掉

但是，风险也不小。我曾经吃过一个大亏——策略在回测时收益漂亮得很，一上实盘就亏成狗。为什么会这样？说白了，就是过拟合。策略参数调得太完美，只适合历史数据，一到真实市场就露馅。

避坑指南：我曾经在回测里加了一堆技术指标，什么MACD、RSI、布林带全上，回测曲线漂亮得像艺术品。结果实盘一周亏了15%。后来才明白——指标越多，过拟合风险越大。现在我的原则是：能用三个指标解决的问题，绝不用四个。

其他常见风险还包括：

滑点风险：你看到的成交价和实际成交价不一样，尤其在流动性差的币种上
交易所故障：API断连、服务器宕机、甚至交易所跑路
黑天鹅事件：比如2020年3月12日，比特币一天跌了50%，很多量化策略直接爆仓

1.3 主流量化平台介绍

做量化交易，离不开工具。我这些年用过不少框架，挑几个最常用的聊聊。

CCXT —— 交易所的通用接口

CCXT 是一个 JavaScript/Python 库，支持上百家交易所。你想想看，如果没有它，你得为每家交易所单独写一套API对接代码——那工作量，啧啧。

import ccxt

# 连接币安
exchange = ccxt.binance({
    'apiKey': '你的API_KEY',
    'secret': '你的SECRET',
})

# 获取比特币当前价格
ticker = exchange.fetch_ticker('BTC/USDT')
print(f"当前价格: {ticker['last']}")

# 下个买单
order = exchange.create_limit_buy_order('BTC/USDT', 0.01, 30000)
print(f"订单已提交: {order['id']}")

我个人习惯用 CCXT 做两件事：一是快速获取行情数据，二是统一管理多个交易所的订单。嗯，这里要注意——CCXT 的限频机制。每个交易所对API调用次数都有限制，我曾经因为没处理好限频，被币安封了IP整整一天。

Backtrader —— 回测利器

Backtrader 是 Python 圈子里最流行的回测框架。它最大的优点是：策略代码写一次，回测和实盘都能用。

import backtrader as bt

class MyStrategy(bt.Strategy):
    def __init__(self):
        self.sma = bt.indicators.SimpleMovingAverage(
            self.data.close, period=20)
    
    def next(self):
        if self.data.close[0] > self.sma[0]:
            self.buy(size=1)
        elif self.data.close[0] < self.sma[0]:
            self.sell(size=1)

# 运行回测
cerebro = bt.Cerebro()
cerebro.addstrategy(MyStrategy)
data = bt.feeds.YahooFinanceData(dataname='BTC-USD')
cerebro.adddata(data)
cerebro.run()

这段代码实现了一个最简单的均线策略：价格站上20日均线就买入，跌破就卖出。你可能会说：这也太简单了吧？没错，但很多复杂的策略，底层逻辑其实就这么朴素。

我的经验：刚开始学量化时，别一上来就搞深度学习、强化学习。先把均线、布林带、MACD这些经典策略跑通，理解回测的每个环节——数据加载、策略逻辑、订单执行、绩效统计。这些基本功打扎实了，后面学什么都快。

其他常用平台

平台	特点	适用场景
Freqtrade	开源、自带实盘功能、支持策略回测	中小型个人量化交易
vn.py	国内团队开发、文档中文、功能全面	期货、数字货币量化
Zipline	Quantopian出品、回测功能强大	A股、美股量化研究

我个人建议：新手先从 CCXT + Backtrader 组合入手。CCXT 解决数据获取和实盘下单的问题，Backtrader 负责策略回测。两个工具配合使用，基本能覆盖量化交易的全流程。

知识体系总览

下面这张图，是我自己整理的量化交易知识体系。你把它当个地图用，学起来会清晰很多。

这张图把量化交易拆成了三个大块：策略研发、实盘执行、监控运维。你顺着这个框架学，就不会迷路。每个模块后面都有对应的工具和知识点，咱们后面会一个一个讲透。

总结一下：量化交易就是用程序代替手动交易，优势是纪律性和效率，风险主要来自过拟合和黑天鹅。工具方面，CCXT 搞定交易所对接，Backtrader 搞定策略回测，这两个是入门必备。

好了，第一章就聊到这儿。量化交易这条路，说难不难，说简单也不简单。关键是你得动手——光看不练，永远学不会。下一章咱们开始搭建开发环境，把 Python、CCXT、Backtrader 都装好，然后写第一个实盘策略。

📚 课程目录

一、量化交易概述

1.1 什么是数字货币量化交易

1.2 量化交易的优势与风险

1.3 主流量化平台介绍

CCXT —— 交易所的通用接口

Backtrader —— 回测利器

其他常用平台

知识体系总览