vnpy

💬 Want to read this in english ? Go here

VeighNa是一套基于Python的开源量化交易系统开发框架，在开源社区持续不断的贡献下一步步成长为多功能量化交易平台，自发布以来已经积累了众多来自金融机构或相关领域的用户，包括私募基金、证券公司、期货公司等。

在使用VeighNa进行二次开发（策略、模块等）的过程中有任何疑问，请查看VeighNa项目文档，如果无法解决请前往官方社区论坛的【提问求助】板块寻求帮助，也欢迎在【经验分享】板块分享你的使用心得！

想要更便捷地上手期货量化交易？ VeighNa Fusion现已在合作期货公司上线，带来一站式CTA量化交易与智能投研体验：

• 开箱即用：通过合作期货公司申请开通权限，无需自行完成繁琐的接入测试
• 数据中心：提供历史数据下载和管理能力，降低量化初学者的数据准备门槛
• 智策投研：根据策略描述辅助梳理逻辑、生成代码，并衔接历史回测与参数优化流程

阅读产品介绍文章或查看VeighNa Fusion文档。

如需咨询开通，请扫描下方二维码添加【Fusion小助手】：

VeighNa发布十周年之际正式推出4.0版本，重磅新增面向AI量化策略的vnpy.alpha模块，为专业量化交易员提供一站式多因子机器学习（ML）策略开发、投研和实盘交易解决方案：

• 📊 dataset：因子特征工程

  • 专为ML算法训练优化设计，支持高效批量特征计算与处理
  • 内置丰富的因子特征表达式计算引擎，实现快速一键生成训练数据
  • 支持自定义表达式函数注册，并提供缺失值填充、无穷值替换、时序标准化、特征删除等常用数据处理函数
  • Alpha 158：源于微软Qlib项目的股票市场特征集合，涵盖K线形态、价格趋势、时序波动等多维度量化因子

• 💡 model：预测模型训练

  • 提供标准化的ML模型开发模板，大幅简化模型构建与训练流程
  • 统一API接口设计，支持无缝切换不同算法进行性能对比测试
  • 集成多种主流机器学习算法：
    • Lasso：经典Lasso回归模型，通过L1正则化实现特征选择
    • LightGBM：高效梯度提升决策树，针对大规模数据集优化的训练引擎
    • MLP：多层感知机神经网络，适用于复杂非线性关系建模

• 🤖 strategy：策略投研开发

  • 基于ML信号预测模型快速构建量化交易策略
  • 支持截面多标的和时序单标的两种策略类型

• 🔬 lab：投研流程管理

  • 集成数据管理、模型训练、信号生成和策略回测等完整工作流程
  • 简洁API设计，内置可视化分析工具，直观评估策略表现和模型效果

• 📖 notebook：量化投研Demo

  • download_data_rq：基于RQData下载A股指数成分股数据，包含指数成分变化跟踪及历史行情获取
  • download_data_xt：基于迅投研数据服务，下载获取A股指数成分历史变化和股票K线数据
  • research_workflow_lasso：基于Lasso回归模型的量化投研工作流，展示线性模型特征选择与预测能力
  • research_workflow_lgb：基于LightGBM梯度提升树的量化投研工作流，利用高效集成学习方法进行预测
  • research_workflow_mlp：基于多层感知机神经网络的量化投研工作流，展示深度学习在量化交易中的应用

vnpy.alpha模块的设计理念受到Qlib项目的启发，在保持易用性的同时提供强大的AI量化能力，特此向Qlib开发团队致以诚挚感谢！

带有 ⬆️ 的模块代表已经完成4.0版本的升级适配测试，同时4.0核心框架采用了优先保证兼容性的升级方式，因此大多数模块也都可以直接使用（涉及到C++ API封装的接口必须升级后才能使用）。

1. ⬆️ 多功能量化交易平台（trader），整合了多种交易接口，并针对具体策略算法和功能开发提供了简洁易用的API，用于快速构建交易员所需的量化交易应用。

2. 覆盖国内外所拥有的下述交易品种的交易接口（gateway）：

   • 国内市场

     • ⬆️ CTP（ctp）：国内期货、期权

     • ⬆️ CTP Mini（mini）：国内期货、期权

     • ⬆️ CTP证券（sopt）：ETF期权

     • ⬆️ 飞马（femas）：国内期货

     • ⬆️ 易盛（esunny）：国内期货、黄金TD

     • ⬆️ 顶点HTS（hts）：ETF期权

     • ⬆️ 顶点飞创（sec）：ETF期权

     • ⬆️ 中泰XTP（xtp）：国内证券（A股）、ETF期权

     • ⬆️ 华鑫奇点（tora）：国内证券（A股）、ETF期权

     • 飞鼠（sgit）：黄金TD、国内期货

     • ⬆️ 金仕达黄金（ksgold）：黄金TD

     • ⬆️ 利星资管（lstar）：期货资管

     • ⬆️ 融航（rohon）：期货资管

     • ⬆️ 杰宜斯（jees）：期货资管

     • ⬆️ TTS（tts）：国内期货（仿真）

   • 海外市场

     • ⬆️ Interactive Brokers（ib）：海外证券、期货、期权、贵金属等

     • ⬆️ 易盛9.0外盘（tap）：海外期货

     • ⬆️ 直达期货（da）：海外期货

   • 特殊应用

     • ⬆️ RQData行情（rqdata）：跨市场（股票、指数、ETF、期货）实时行情

     • ⬆️ 迅投研行情（xt）：跨市场（股票、指数、可转债、ETF、期货、期权）实时行情

     • ⬆️ RPC服务（rpc）：跨进程通讯接口，用于分布式架构

3. 覆盖下述各类量化策略的交易应用（app）：

   • ⬆️ cta_strategy：CTA策略引擎模块，在保持易用性的同时，允许用户针对CTA类策略运行过程中委托的报撤行为进行细粒度控制（降低交易滑点、实现高频策略）

   • ⬆️ cta_backtester：CTA策略回测模块，无需使用Jupyter Notebook，直接使用图形界面进行策略回测分析、参数优化等相关工作

   • ⬆️ spread_trading：价差交易模块，支持自定义价差，实时计算价差行情和持仓，支持价差算法交易以及自动价差策略两种模式

   • ⬆️ option_master：期权交易模块，针对国内期权市场设计，支持多种期权定价模型、隐含波动率曲面计算、希腊值风险跟踪等功能

   • ⬆️ portfolio_strategy：组合策略模块，面向同时交易多合约的量化策略（Alpha、期权套利等），提供历史数据回测和实盘自动交易功能

   • ⬆️ algo_trading：算法交易模块，提供多种常用的智能交易算法：TWAP、Sniper、Iceberg、BestLimit等

   • ⬆️ script_trader：脚本策略模块，面向多标的类量化策略和计算任务设计，同时也可以在命令行中实现REPL指令形式的交易，不支持回测功能

   • ⬆️ paper_account：本地仿真模块，纯本地化实现的仿真模拟交易功能，基于交易接口获取的实时行情进行委托撮合，提供委托成交推送以及持仓记录

   • ⬆️ chart_wizard：K线图表模块，基于RQData数据服务（期货）或者交易接口获取历史数据，并结合Tick推送显示实时行情变化

   • ⬆️ portfolio_manager：交易组合管理模块，以独立的策略交易组合（子账户）为基础，提供委托成交记录管理、交易仓位自动跟踪以及每日盈亏实时统计功能

   • ⬆️ rpc_service：RPC服务模块，允许将某一进程启动为服务端，作为统一的行情和交易路由通道，允许多客户端同时连接，实现多进程分布式系统

   • ⬆️ data_manager：历史数据管理模块，通过树形目录查看数据库中已有的数据概况，选择任意时间段数据查看字段细节，支持CSV文件的数据导入和导出

   • ⬆️ data_recorder：行情记录模块，基于图形界面进行配置，根据需求实时录制Tick或者K线行情到数据库中，用于策略回测或者实盘初始化

   • ⬆️ excel_rtd：Excel RTD（Real Time Data）实时数据服务，基于pyxll模块实现在Excel中获取各类数据（行情、合约、持仓等）的实时推送更新

   • ⬆️ risk_manager：风险管理模块，提供包括交易流控、下单数量、活动委托、撤单总数等规则的统计和限制，有效实现前端风控功能

   • ⬆️ web_trader：Web服务模块，针对B-S架构需求设计，实现了提供主动函数调用（REST）和被动数据推送（Websocket）的Web服务器

4. Python交易API接口封装（api），提供上述交易接口的底层对接实现。

   • ⬆️ REST Client（rest）：基于协程异步IO的高性能REST API客户端，采用事件消息循环的编程模型，支持高并发实时交易请求发送

   • ⬆️ Websocket Client（websocket）：基于协程异步IO的高性能Websocket API客户端，支持和REST Client共用事件循环并发运行

5. ⬆️ 简洁易用的事件驱动引擎（event），作为事件驱动型交易程序的核心。

6. 对接各类数据库的适配器接口（database）：

   • SQL类

     • ⬆️ SQLite（sqlite）：轻量级单文件数据库，无需安装和配置数据服务程序，VeighNa的默认选项，适合入门新手用户

     • ⬆️ MySQL（mysql）：主流的开源关系型数据库，文档资料极为丰富，且可替换其他NewSQL兼容实现（如TiDB）

     • ⬆️ PostgreSQL（postgresql）：特性更为丰富的开源关系型数据库，支持通过扩展插件来新增功能，只推荐熟手使用

   • NoSQL类

     • ⬆️ QuestDB（questdb）：开源高性能列式时序数据库，兼容PostgreSQL协议和SQL查询，擅长高吞吐写入与低延时分析场景

     • DolphinDB（dolphindb）：一款高性能分布式时序数据库，适用于对速度要求极高的低延时或实时性任务

     • ⬆️ TDengine（taos）：分布式、高性能、支持SQL的时序数据库，带有内建的缓存、流式计算、数据订阅等系统功能，能大幅减少研发和运维的复杂度

     • ⬆️ MongoDB（mongodb）：基于分布式文件储存（bson格式）的文档式数据库，内置的热数据内存缓存提供更快读写速度

7. 对接下述各类数据服务的适配器接口（datafeed）：

   • ⬆️ 迅投研（xt）：股票、期货、期权、基金、债券

   • ⬆️ 米筐RQData（rqdata）：股票、期货、期权、基金、债券、黄金TD

   • ⬆️ MultiCharts（mcdata）：期货、期货期权

   • ⬆️ TuShare（tushare）：股票、期货、期权、基金

   • ⬆️ 万得Wind（wind）：股票、期货、基金、债券

   • ⬆️ 同花顺iFinD（ifind）：股票、期货、基金、债券

   • ⬆️ 天勤TQSDK（tqsdk）：期货

   • ⬆️ 掘金（gm）：股票

   • ⬆️ polygon（polygon）：股票、期货、期权

8. ⬆️ 跨进程通讯标准组件（rpc），用于实现分布式部署的复杂交易系统。

9. ⬆️ Python高性能K线图表（chart），支持大数据量图表显示以及实时数据更新功能。

10. 社区论坛和知乎专栏，内容包括VeighNa项目的开发教程和Python在量化交易领域的应用研究等内容。

11. 官方交流群262656087（QQ），管理严格（定期清除长期潜水的成员），入群费将捐赠给VeighNa社区基金。

注：以上关于功能特点的说明为根据说明文档发布时情况罗列，后续可能存在更新或调整。若功能描述同实际存在出入，欢迎通过Issue联系进行调整。

• 推荐使用VeighNa团队为量化交易专门打造的Python发行版VeighNa Studio-4.4.0，集成内置了VeighNa框架以及VeighNa Station量化管理平台，无需手动安装
• 支持的系统版本：Windows 11以上 / Windows Server 2022以上 / Ubuntu 22.04 LTS以上
• 支持的Python版本：Python 3.10以上（64位），推荐使用Python 3.13

在这里下载Release发布版本，解压后运行以下命令安装：

Windows

install.bat

Ubuntu

bash install.sh

Macos

bash install_osx.sh

1. 在SimNow注册CTP仿真账号，并在该页面获取经纪商代码以及交易行情服务器地址。

2. 在VeighNa社区论坛注册获得VeighNa Station账号密码（论坛账号密码即是）

3. 启动VeighNa Station（安装VeighNa Studio后会在桌面自动创建快捷方式），输入上一步的账号密码登录

4. 点击底部的VeighNa Trader按钮，开始你的交易！！！

注意：

• 在VeighNa Trader的运行过程中请勿关闭VeighNa Station（会自动退出）

除了基于VeighNa Station的图形化启动方式外，也可以在任意目录下创建run.py，写入以下示例代码：

from vnpy.event import EventEngine
from vnpy.trader.engine import MainEngine
from vnpy.trader.ui import MainWindow, create_qapp

from vnpy_ctp import CtpGateway
from vnpy_ctastrategy import CtaStrategyApp
from vnpy_ctabacktester import CtaBacktesterApp


def main():
    """Start VeighNa Trader"""
    qapp = create_qapp()

    event_engine = EventEngine()
    main_engine = MainEngine(event_engine)
    
    main_engine.add_gateway(CtpGateway)
    main_engine.add_app(CtaStrategyApp)
    main_engine.add_app(CtaBacktesterApp)

    main_window = MainWindow(main_engine, event_engine)
    main_window.showMaximized()

    qapp.exec()


if __name__ == "__main__":
    main()

在该目录下打开CMD（按住Shift->点击鼠标右键->在此处打开命令窗口/PowerShell）后运行下列命令启动VeighNa Trader：

python run.py

VeighNa使用Github托管其源代码，如果希望贡献代码请使用github的PR（Pull Request）的流程:

1. 创建 Issue - 对于较大的改动（如新功能，大型重构等）建议先开issue讨论一下，较小的improvement（如文档改进，bugfix等）直接发PR即可

2. Fork VeighNa - 点击右上角Fork按钮

3. Clone你自己的fork: git clone https://github.com/$userid/vnpy.git

   • 如果你的fork已经过时，需要手动sync：同步方法

4. 从dev创建你自己的feature branch: git checkout -b $my_feature_branch dev

5. 在$my_feature_branch上修改并将修改push到你的fork上

6. 创建从你的fork的$my_feature_branch分支到主项目的dev分支的[Pull Request] - 在此点击compare across forks，选择需要的fork和branch创建PR

7. 等待review, 需要继续改进，或者被Merge!

在提交代码的时候，请遵守以下规则，以提高代码质量：

• 使用ruff检查你的代码样式，确保没有error和warning。在项目根目录下运行ruff check .即可。
• 使用mypy进行静态类型检查，确保类型注解正确。在项目根目录下运行mypy vnpy即可。

• 获取帮助
• 社区行为准则
• Issue模板
• PR模板

想要获取更多关于VeighNa开源社区的资讯？ 请扫描下方二维码添加小助手加入【VeighNa社区交流微信群】：

MIT