币安量化脚本:从离线信号到可靠订单系统
学习目标:建立数据、信号、风控、订单和对账的完整链路,避免循环重复下单。
建议先读:CEX 现货、TradingView、风险控制与监控。
先看一个场景
服务处理同一条信号两次时,如果直接重复提交订单,实际仓位可能翻倍。
读完试一试
画出信号、幂等键、订单状态和周期性对账的完整路径。
1. 先明确本篇范围
量化脚本不仅是“计算指标后调用下单接口”。一个可维护的系统至少需要知道:数据是否完整、信号是否已经处理、当前实际仓位是多少,以及超时订单到底有没有执行。
本篇提供可以离线运行的双均线信号示例,再说明接入交易所的必要步骤。离线示例不需要 API Key,也不会创建真实订单;它不是完整实盘机器人。
2. 六个模块各做一件事
flowchart LR
A[行情采集与校验] --> B[策略计算]
B --> C[订单意图]
C --> D[独立风控]
D --> E[订单管理]
E --> F[成交对账与监控]
F --> D
| 模块 | 输入与输出 | 失败时怎么办 |
|---|---|---|
| 数据 | 原始行情 → 完整且有时间戳的数据 | 停止产生新信号 |
| 策略 | 已收盘数据 → 目标方向或仓位 | 不用异常默认代替交易信号 |
| 风控 | 订单意图与当前状态 → 允许/拒绝 | 拒绝新增风险并记录原因 |
| 订单管理 | 意图 → 唯一订单与状态 | 超时后先查询 |
| 对账 | 订单、成交、余额 → 实际状态 | 隔离差异并暂停相关策略 |
| 监控 | 指标与事件 → 告警 | 需要有明确响应人或流程 |
策略尽量输出目标状态,由订单层计算差量,避免每次循环都买一遍固定数量。
3. 可运行的离线教学脚本
将下面保存为 signal_demo.py,使用 Python 3 执行 python3 signal_demo.py。不依赖第三方包。
from statistics import mean
from math import isfinite
def crossing_signal(closes, fast=3, slow=5):
# 输入必须是按时间递增排列的已收盘价格。
if not 1 <= fast < slow:
raise ValueError("周期要求 1 <= fast < slow")
if any(not isfinite(p) or p <= 0 for p in closes):
raise ValueError("价格必须是有限正数")
if len(closes) < slow + 1:
return "HOLD"
previous = closes[:-1]
fast_before = mean(previous[-fast:])
slow_before = mean(previous[-slow:])
fast_now = mean(closes[-fast:])
slow_now = mean(closes[-slow:])
if fast_before <= slow_before and fast_now > slow_now:
return "BUY"
if fast_before >= slow_before and fast_now < slow_now:
return "SELL"
return "HOLD"
class PaperSignalLog:
def __init__(self):
self.seen = set()
self.events = []
def process(self, symbol, close_time, closes):
key = (symbol, close_time)
if key in self.seen:
return "DUPLICATE"
signal = crossing_signal(closes)
self.seen.add(key)
self.events.append((key, signal))
return signal
log = PaperSignalLog()
prices = [5, 4, 3, 2, 3, 8]
assert log.process("DEMO/QUOTE", 100, prices) == "BUY"
assert log.process("DEMO/QUOTE", 100, prices) == "DUPLICATE"
assert len(log.events) == 1
print(log.events)
seen 只演示内存去重,重启后会丢失;生产系统应把事件和订单状态可靠持久化,并处理多实例竞争。这里记录的是信号,不是成交,不能用它计算真实盈利。
4. 接入公开行情前做什么
选择一个明确的市场类型和 API 版本,先只读取公开数据。记录交易对元数据、价格与数量精度、最小金额,以及 K 线时间边界。
过滤未收盘 K 线,检查缺口和重复,并统一使用服务端时间或可靠时钟策略。数据不足时返回等待状态,不要用 0 补成“价格暴跌”。
如果换成 MACD,需要预留指标暖机数据,并按位置读取数据序列。指标参数相同,也可能因初始化和输入区间不同产生差异。
5. 从信号到订单的关键约束
执行前读取实际持仓与未成交订单,计算需要新增或减少的数量,再按交易规则对齐。买入预算不能超过可用余额和策略限额;卖出不能假设信号出现就一定持有可卖资产。
为每个业务意图使用可追踪的客户端订单标识,并持久化状态。网络请求超时时,先按标识查询是否已受理;不要把异常捕获后 return None 当成“交易没有发生”。
部分成交后按已成交量更新库存,撤单后再核对终态。交易所适配层应隔离现货与合约字段,不能把不同接口的数量、仓位方向和费率混用。
6. 环境、密钥与部署
练习先使用标准库完成离线流程。需要 SDK 时只选择适合任务的依赖,固定并记录版本;python-binance 与 CCXT 等客户端的接口行为仍应对应官方交易所文档。
测试环境与生产环境必须显式区分。需要认证时,通过运行环境或密钥管理系统注入凭据,不硬编码到脚本、日志或提交文件。权限按实际操作需要配置,交易机器人通常不需要提现权限。
运行进程需要健康检查、受控重试、限流、时钟监控和有界关闭。停止进程前要知道未完成订单仍可能留在交易所,不能把进程退出当成仓位已平。
7. 验证路线
先验证离线计算,再做历史回放和样本外评估;随后在可用测试环境或纸面交易模式观察完整生命周期。故障测试应覆盖重复事件、行情过期、下单超时、部分成交、重启恢复和余额不一致。
只有收集成交、手续费和资金变化,才能计算真实策略表现。回测通过、测试接口成功与实盘可靠性属于不同证据。
8. 自测与参考答案
问题:每分钟计算同一根 1 小时 K 线,为什么可能重复开仓?
答案:同一信号会在多个循环中成立;如果没有已收盘 K 线标识、事件去重和目标仓位管理,就可能重复提交订单。
练习:给示例增加新的 K 线时间,再模拟脚本重启,解释哪些状态必须从持久化存储恢复。