天勤量化(TqSdk)入门

简介

什么是TqSdk

天勤量化(TqSdk)，一款主要针对期货场景的量化投资平台。

• 官网：https://www.shinnytech.com/tianqin/
• 官方文档：https://doc.shinnytech.com/tqsdk/latest/
• GitHub地址：https://github.com/shinnytech/tqsdk-python

在《和量化投资相关的一些软件：量化投资平台QMT入门》，我们讨论过QMT，QMT主要针对股票量化，天勤TqSdk主要针对期货量化。

注册

在官网的用户中心处，即可注册账号。

注册之后，可以绑定实盘。

安装

pip install tqsdk

获取行情

get_quote

使用方法

get_quote(self, symbol: str)

入参有且仅有一个symbol，只允许输入一个合约代码，如果我们想订阅多个合约，可以利用下文的get_quote_list。

合约代码格式为交易所代码.合约代码，交易所代码如下：

• CFFEX：中金所
• SHFE：上期所
• DCE：大商所
• CZCE：郑商所
• INE：能源交易所(原油)
• SSE：上交所
• SZSE：深交所
• GFEX：广期所

题外话，这个代码格式，和Tushare正好相反，Tushare中的是格式是合约代码.交易所代码。
参考链接：https://tushare.pro/document/2?doc_id=134

例子

示例代码：

from tqsdk import TqApi, TqAuth

# 创建API实例
api = TqApi(auth=TqAuth("【天勤账号】", "【天勤密码】"))
# 订阅实时行情
quote = api.get_quote("SHFE.ni2307")

# 主动获取行情
print(quote.last_price)

while True:
    # 等待行情更新
    api.wait_update()
    print (quote.datetime, quote.last_price, quote.volume)

运行结果：

在使用天勤量化之前，默认您已经知晓并同意以下免责条款，如果不同意请立即停止使用：https://www.shinnytech.com/blog/disclaimer/
2023-07-17 19:31:10 -     INFO - 通知 : 与 wss://api.shinnytech.com/t/nfmd/front/mobile 的网络连接已建立
170000.0
2023-07-17 14:59:59.000001 170000.0 24

关于Quote对象

• 精度为tikc级别
• 对象的属性，可以查看官方文档：https://doc.shinnytech.com/tqsdk/latest/reference/tqsdk.objs.html

注意

在不需要使用时，及时调用api.close()释放。

get_quote_list

使用方法

get_quote_list(self, symbols: List[str])

入参是合约列表，返回值是订阅列表。

例子

示例代码：

from tqsdk import TqApi, TqAuth

# 创建API实例
api = TqApi(auth=TqAuth("【天勤账号】", "【天勤密码】"))
# 订阅实时行情
quote_list = api.get_quote_list(symbols=['SHFE.ni2307', 'DCE.pg2307'])

# 主动获取行情
print(quote_list[0].last_price)
print(quote_list[1].last_price)

while True:
    # 等待行情更新
    api.wait_update()
    for quote_list_iter in quote_list:
        print(quote_list_iter.datetime, quote_list_iter.last_price, quote_list_iter.volume)

运行结果：

在使用天勤量化之前，默认您已经知晓并同意以下免责条款，如果不同意请立即停止使用：https://www.shinnytech.com/blog/disclaimer/
2023-07-17 19:50:47 -     INFO - 通知 : 与 wss://api.shinnytech.com/t/nfmd/front/mobile 的网络连接已建立
170000.0
3960.0
2023-07-17 14:59:59.000001 170000.0 24
2023-07-17 14:59:59.999501 3960.0 10

is_changing

使用方法

is_changing(self, obj: Any, key: Union[str, List[str], None] = None)

is_changing的作用是判定obj最近是否有更新，当业务数据更新导致wait_update返回后可以使用该函数判断，本次业务数据更新是否包含特定obj或其中某个字段。

参数：

• obj，(any)，任意业务对象，包括get_quote()返回的quote，get_kline_serial()返回的k_serial，get_account返回的 account等。
• key，(str/list of str)，可选，需要判断的字段，默认不指定。
  • 不指定：当该obj下的任意字段有更新时返回True，否则返回False。
  • str：当该obj下的指定字段有更新时返回True，否则返回False。
  • list of str: 当该obj下的指定字段中的任何一个字段有更新时返回True，否则返回False。

例子

示例代码：

from tqsdk import TqApi, TqAuth, TqSim, TqBacktest
from datetime import date

# 创建API实例
api = TqApi(auth=TqAuth("【天勤账号】", "【天勤密码】"), web_gui=':9999')
# 订阅实时行情
quote = api.get_quote("SHFE.ni2307")

while True:
    api.wait_update()
    if api.is_changing(quote, "last_price"):
        print(quote.last_price)

注意

• is_changing判断的是本次wait_update更新的数据，如果wait_update有延迟或者阻塞，可能会导致is_changing的返回与预期不符合。
• 当生成新K线时，其所有字段都算作有更新，若此时执行api.is_changing(klines.iloc[-1])则一定返回True。

获取K线行情

使用方法

get_kline_serial(self, 
                 symbol: Union[str, List[str]], 
                 duration_seconds: int, 
                 data_length: int = 200, 
                 chart_id: Optional[str] = None, 
                 adj_type: Union[str, None] = None)

请求指定合约及周期的K线数据，序列数据会随着时间推进自动更新。

参数说明：

• symbol，(str/list of str)，指定合约代码或合约代码列表。
  • str：一个合约代码
  • list of str：合约代码列表(一次提取多个合约的K线并根据相同的时间向第一个合约(主合约)对齐)
• duration_seconds，(int)：K线数据周期，以秒为单位。
  • 例如，1分钟线为60，1小时线为3600，日线为86400。
  • 注意，周期在日线以内时此参数可以任意填写，在日线以上时只能是日线(86400)的整数倍，最大为28天(86400*28)。
• data_length，(int)：需要获取的序列长度。
  默认200根，返回的K线序列数据是从当前最新一根K线开始往回取data_length根。
• chart_id，(str)：可选，指定序列id, 默认由api自动生成。
• adj_type，(str/None)：可选，指定复权类型，默认为None。
  adj_type参数只对股票和基金类型合约有效，"F"表示前复权，"B"表示后复权，None表示不做处理。

歧义

在TqSdk的源代码的注释及其官方文档中，data_length的长度的最大值均是8000，但是在其教学视频中，确明确说明最大为8964。

参考https://www.shinnytech.com/usage-example/的使用K线和Tick数据的3分23秒。

注意

1. 主合约的字段名为原始K线数据字段，从第一个副合约开始，字段名在原始字段后加数字，如第一个副合约的开盘价为open1，第二个副合约的收盘价为 close2。
2. 每条K线都包含了订阅的所有合约数据，即：如果任意一个合约(无论主、副)在某个时刻没有数据(即使其他合约在此时有数据)，则不能对齐，此多合约K线在该时刻那条数据被跳过，现象表现为K线不连续(如主合约有夜盘，而副合约无夜盘，则生成的多合约K线无夜盘时间的数据)。
3. 若设置了较大的序列长度参数，而所有可对齐的数据并没有这么多，则序列前面部分数据为NaN(这与获取单合约K线且数据不足序列长度时情况相似)。
4. 若主合约与副合约的交易时间在所有合约数据中最晚一根K线时间开始往回的8000*周期时间段内完全不重合，则无法生成多合约K线，程序会报出获取数据超时异常。
5. datetime、duration是所有合约公用的字段，则未单独为每个副合约增加一份副本，这两个字段使用原始字段名(即没有数字后缀)。
6. 获取多合约K线，若填入adj_type，程序会报参数错误。

图形化

使用方法

只需要在创建API实例的时候，设置web_gui即可。

web_gui，(bool/str)，可选，是否启用图形化界面功能, 默认不启用。

• 启用图形化界面传入参数web_gui=True会每次以随机端口生成网页
  也可以直接设置本机IP和端口web_gui=[ip]:port为网页地址，ip可选，默认为0.0.0.0，如果只指定端口，需要在端口前面填:。
• 为了图形化界面能够接收到程序传输的数据并且刷新，在程序中，需要循环调用api.wait_update()的形式去更新和获取数据。

例子

示例代码：

from tqsdk import TqApi, TqAuth

# 创建API实例
api = TqApi(auth=TqAuth("【天勤账号】", "【天勤密码】"), web_gui=':9999')
# 订阅实时行情
kline_serial = api.get_kline_serial(symbol=['SHFE.ni2307', 'DCE.pg2307'], duration_seconds=10)

while True:
    api.wait_update()

运行结果：

在使用天勤量化之前，默认您已经知晓并同意以下免责条款，如果不同意请立即停止使用：https://www.shinnytech.com/blog/disclaimer/
2023-07-17 20:24:43 -     INFO - 您可以访问 http://127.0.0.1:9999 查看策略绘制出的 K 线图形。
2023-07-17 20:24:45 -     INFO - 通知 : 与 wss://api.shinnytech.com/t/nfmd/front/mobile 的网络连接已建立

点击右侧，即可切换合约。

画指标线

以绘制20日均线为例，主要两步：

1. 定义20日均线
   ma = MA(kline_serial, n=20)
2. 20日均线添加到kline_serial
kline_serial['ma_MAIN'] = ma.ma

from tqsdk import TqApi, TqAuth
from tqsdk.ta import MA

# 创建API实例
api = TqApi(auth=TqAuth("【天勤账号】", "【天勤密码】"), web_gui=':9999')
# 订阅实时行情
kline_serial = api.get_kline_serial(symbol='SHFE.ni2307', duration_seconds=10)

# 绘制20日均线
ma = MA(kline_serial, n=20)
kline_serial['ma_MAIN'] = ma.ma

while True:
    api.wait_update()

下单和撤单

insert_order(下单)

insert_order(self, 
             symbol: str, 
             direction: str, 
             offset: str = "", 
             volume: int = 0,
             limit_price: Union[str, float, None] = None, 
             advanced: Optional[str] = None, 
             order_id: Optional[str] = None, 
             account: Optional[UnionTradeable] = None)

参数：

• symbol，(str)，拟下单的合约symbol，格式为交易所代码.合约代码。
• direction，(str)，"BUY"或"SELL"
• offset，(str)
  "OPEN"，"CLOSE"或"CLOSETODAY"
  上期所和上期能源分平今/平昨，平今用"CLOSETODAY"，平昨用"CLOSE"，其他交易所直接用"CLOSE"，按照交易所的规则平仓。
• volume，(int)，下单交易数量，期货为下单手数，A股股票为股数。
• limit_price，(float | str)，可选，下单价格，默认为None，股票交易目前仅支持限价单，该字段必须指定。
  • 数字类型，限价单，按照限定价格或者更优价格成交
  • None，市价单，默认值就是市价单(郑商所期货/期权、大商所期货支持)
  • "BEST"，最优一档，以对手方实时最优一档价格为成交价格成交(仅中金所支持)
  • "FIVELEVEL"，最优五档，在对手方实时最优五个价位内以对手方价格为成交价格依次成交(仅中金所支持)
• advanced，(str)，可选，"FAK"，"FOK"，默认为None，股票交易中该参数不支持。
  • None，对于限价单，任意手数成交，委托单当日有效；对于市价单、最优一档、最优五档(与FAK指令一致)，任意手数成交，剩余撤单。
  • "FAK"，剩余即撤销，指在指定价位成交，剩余委托自动被系统撤销。(限价单、市价单、最优一档、最优五档有效)。
  • "FOK"，全成或全撤，指在指定价位要么全部成交，否则全部自动被系统撤销。(限价单、市价单有效，郑商所期货品种不支持FOK)。
• order_id，(str)，可选，指定下单单号，默认由api自动生成，股票交易下单时，无需指定。
• account，(TqAccount/TqKq/TqKqStock/TqSim)，可选，指定发送下单指令的账户实例，多账户模式下，该参数必须指定

cancel_order(撤单)

cancel_order(self, order_or_order_id: Union[str, Order], account: Optional[UnionTradeable] = None)

参数：

• order_or_order_id，(str/ :py:class:~tqsdk.objs.Order)，拟撤委托单或单号。
  即上一步insert_order的入参order_id，或者返回的Order对象。
• account，(TqAccount/TqKq/TqKqStock/TqSim/TqSimStock)，可选，指定发送撤单指令的账户实例，多账户模式下，该参数必须指定。

例子

from tqsdk import TqApi, TqAuth

api = TqApi(auth=TqAuth("【天勤账号】", "【天勤密码】"))
quote = api.get_quote("DCE.m1809")
order = {}

while True:
    api.wait_update()
    # 当行情有变化且当前挂单价格不优时，则撤单
    if order and \
       api.is_changing(quote) and \
       order.status == "ALIVE" and quote.bid_price1 > order.limit_price:
        print("价格改变，撤单重下")
        api.cancel_order(order)
    # 当委托单已撤或还没有下单时则下单
    if (not order and api.is_changing(quote)) or \
       (api.is_changing(order) and order.volume_left != 0 and order.status == "FINISHED"):
        print("下单: 价格 %f" % quote.bid_price1)
        order = api.insert_order(symbol="DCE.m1809", 
                                 direction="BUY", 
                                 offset="OPEN", 
                                 volume=order.get("volume_left", 3),
                                 limit_price=quote.bid_price1)
    if api.is_changing(order):
        print("单状态: %s, 已成交: %d 手" % (order.status, order.volume_orign - order.volume_left))

解释说明：

• ALIVE的本质是委托单状态可以变化
• FINISHED的本质是委托单状态不再变化

注意下单规则

在《和量化投资相关的一些软件：量化投资平台QMT入门》，我们讨论过两种下单规则：

1. K线走完(Bar结束)下单
2. 立即下单

这是一个"坑"，这个"坑"在TqSdk中同样存在。

在天勤量化TqSdk中，指令将在下次调用wait_update()时发出

在天勤量化TqSdk的官方文档，有如下的论述：

关于insert_order和cancel_order，有如下的论述：

关于wait_update，有如下的论述：

即，其结构如下：

模拟

在天勤量化(TqSdk)中，支持两种模拟方式，分别是：

1. TqSim
   天勤模拟，信息都是本地存储，程序关闭，信息清除。
2. TqKq
   快期模拟，信息同步至信易账号，可以在快期程序中查看。

两种调用方式，只需要修改TqApi的构造方法的第一个参数即可。

TqSim，天勤模拟，示例代码：

from tqsdk import TqApi, TqAuth, TqSim

# 创建API实例
api = TqApi(TqSim(), auth=TqAuth("【天勤账号】", "【天勤密码】"), web_gui=':9999')

TqKq，快期模拟，示例代码：

from tqsdk import TqApi, TqAuth, TqKq

# 创建API实例
api = TqApi(TqKq(), auth=TqAuth("【天勤账号】", "【天勤密码】"), web_gui=':9999')

实盘

在进行实盘交易时，指定TqApi构造方法的第一个参数为TqAccount。

示例代码：

from tqsdk import TqApi, TqAuth, TqAccount

# 创建API实例
api = TqApi(TqAccount(), auth=TqAuth("【天勤账号】", "【天勤密码】"), web_gui=':9999')

TqAccount的参数有：

• broker_id，(str)，期货公司。
  支持的期货公司列表：https://www.shinnytech.com/blog/tq-support-broker/
• account_id，(str)，帐号。
• password，(str)，密码。
• td_url，(str)，可选，用于指定账户连接的交易服务器地址。
• sm，(bool)，可选，是否通过国密连接到服务器。

回测

使用方法

将TqBacktest类的对象传入TqApi的构造函数，则策略就会进入回测模式。

from tqsdk import TqApi, TqAuth, TqSim, TqBacktest
from datetime import date

# 创建API实例
api = TqApi(TqSim(), 
            backtest=TqBacktest(
                start_dt=date(2023, 6, 1), 
                end_dt=date(2023, 7, 17)),
            auth=TqAuth("【天勤账号】", "【天勤密码】"), 
            web_gui=':9999')

参数：

• start_dt，(date/datetime)，回测起始时间，如果类型为date则指的是交易日，如果为datetime则指的是具体时间点。
• end_dt，(date/datetime)，回测结束时间，如果类型为date则指的是交易日，如果为datetime则指的是具体时间点。

注意

1. 回测模式下L会在刚创建出来时和结束时分别更新一次，在这之间K是不会更新的。
2. 回测模式下quote的更新频率由所订阅的tick和K线周期确定：
   • 只要订阅了tick，则对应合约的quote就会使用tick生成，更新频率也和tick一致，但只有以下字段：datetime、ask&bid_price1、ask&bid_volume1、last_price、highest、lowest、average、volume、amount、open_interest、price_tick、price_decs、volume_multiple、max&min_limit&market_order_volume、underlying_symbol、strike_price。
   • 如果没有订阅tick，但是订阅了K线，则对应合约的quote会使用K线生成，更新频率和K线的周期一致
     如果订阅了某个合约的多个周期的K线，则任一个周期的K线有更新时，quote都会更新。
     使用K线生成的quote的盘口由收盘价分别加/减一个最小变动单位，并且highest、lowest、average、amount始终为nan，volume始终为0
   • 如果即没有订阅tick，也没有订阅K线或订阅的K线周期大于分钟线，则TqBacktest会 自动订阅分钟线 来生成quote。
   • 如果没有订阅tick，但是订阅了K线，则对应合约的quote只有下字段：datetime、ask&bid_price1、ask&bid_volume1、last_price、open_interest、price_tick、price_decs、volume_multiple、max&min_limit&market_order_volume、underlying_symbol、strike_price。
3. 模拟交易要求报单价格大于等于对手盘价格才会成交，例如下买单，要求价格大于等于卖一价才会成交，如果不能立即成交则会等到下次行情更新再重新判断。
4. 回测模式下wait_update每次最多推进一个行情时间。
5. 回测结束后会抛出BacktestFinished。
6. 对 组合合约 进行回测时需注意，只能通过订阅tick数据来回测，不能订阅K线，因为K线是由最新价合成的，而交易所发回的组合合约数据中无最新价。

复盘

使用方法

指定TqApi构造方法的backtest参数为TqReplay类的对象。

示例代码：

from tqsdk import TqApi, TqAuth, TqReplay, TqSim
from datetime import date

# 创建API实例
api = TqApi(TqSim(), backtest=TqReplay(date(2023, 7, 17)), auth=TqAuth("【天勤账号】", "【天勤密码】"), web_gui=':9999')

和回测模式的区别

除了传统的回测模式以外，TqSdk提供独具特色的复盘模式，它与回测模式有以下区别：

1. 复盘模式为时间驱动，回测模式为事件驱动。
   在复盘模式下，你可以指定任意一天交易日，后端行情服务器会传输用户订阅合约的当天的所有历史行情数据，重演当天行情。
   在回测模式下，我们根据用户订阅的合约周期数据来进行推送。
   因此在复盘模式下K线更新和实盘一模一样，而在回测模式下就算订阅了Tick数据，回测中任意周期K线最后一根的 close 和其他数据也不会随着 Tick 更新而更新，而是随着K线频率生成和结束时更新一次。
2. 复盘和回测的行情速度
   因为两者的驱动机制不同，回测会更快，但是在复盘模式下也提供行情速度调节功能，可以结合web_gui来实现。
3. 复盘目前只支持单日复盘
   因为复盘提供对应合约当日全部历史行情数据，对后端服务器会有较大压力，目前只支持复盘模式下选择单日进行复盘。

超时问题

下载数据

使用

DataDownloader，数据下载工具，是TqSdk专业版中的功能，能让用户下载目前TqSdk提供的全部期货、期权和股票类的历史数据，下载数据支持tick级别精度和任意kline周期。

参数：

• api，(TqApi)，TqApi实例，该下载器将使用指定的api下载数据。
• symbol_list，(str/list of str)，需要下载数据的合约代码，当指定多个合约代码时将其他合约按第一个合约的交易时间对齐。
• dur_sec，(int)，数据周期，以秒为单位。
  例如: 1分钟线为60，1小时线为3600，日线为86400，Tick数据为0。
• start_dt，(date/datetime)，起始时间，如果类型为date则指的是交易日，如果为datetime则指的是具体时间点。
• end_dt，(date/datetime)，结束时间, 如果类型为date则指的是交易日, 如果为datetime则指的是具体时间点。
• csv_file_name，(str/StreamWriter)，必填，输出方式：
  • str：输出csv的文件名
  • StreamWriter：直接将内容输出到StreamWriter
• adj_type，(str/None)，复权计算方式，默认值为None。
  "F"为前复权；"B"为后复权；None表示不复权。
  只对股票、基金合约有效。

例子

示例代码：

from datetime import datetime, date
from contextlib import closing
from tqsdk import TqApi, TqAuth, TqSim
from tqsdk.tools import DataDownloader

api = TqApi(auth=TqAuth("【天勤账号】", "【天勤密码】"))

download_tasks = {}

# 下载从 2018-01-01 到 2018-09-01 的 SR901 日线数据
download_tasks["SR_daily"] = DataDownloader(api, symbol_list="CZCE.SR901", dur_sec=24 * 60 * 60,
                                            start_dt=date(2018, 1, 1), end_dt=date(2018, 9, 1),
                                            csv_file_name="SR901_daily.csv")

# 下载从 2017-01-01 到 2018-09-01 的 rb主连 5分钟线数据
download_tasks["rb_5min"] = DataDownloader(api, symbol_list="KQ.m@SHFE.rb", dur_sec=5 * 60,
                                           start_dt=date(2017, 1, 1), end_dt=date(2018, 9, 1),
                                           csv_file_name="rb_5min.csv")

# 下载从 2018-01-01凌晨6点 到 2018-06-01下午4点 的 cu1805,cu1807,IC1803 分钟线数据，所有数据按 cu1805 的时间对齐
# 例如 cu1805 夜盘交易时段, IC1803 的各项数据为 N/A
# 例如 cu1805 13:00-13:30 不交易, 因此 IC1803 在 13:00-13:30 之间的K线数据会被跳过
download_tasks["cu_min"] = DataDownloader(api, symbol_list=["SHFE.cu1805", "SHFE.cu1807", "CFFEX.IC1803"], dur_sec=60,
                                          start_dt=datetime(2018, 1, 1, 6, 0, 0), end_dt=datetime(2018, 6, 1, 16, 0, 0),
                                          csv_file_name="cu_min.csv")

# 下载从 2018-05-01凌晨0点 到 2018-06-01凌晨0点 的 T1809 盘口Tick数据
download_tasks["T_tick"] = DataDownloader(api, symbol_list=["CFFEX.T1809"], dur_sec=0,
                                          start_dt=datetime(2018, 5, 1), end_dt=datetime(2018, 6, 1),
                                          csv_file_name="T1809_tick.csv")

# 使用with closing机制确保下载完成后释放对应的资源
with closing(api):
    while not all([v.is_finished() for v in download_tasks.values()]):
        api.wait_update()
        print("progress: ", {k: ("%.2f%%" % v.get_progress()) for k, v in download_tasks.items()})

同时下载

在上例中，我们是同时下载。同时下载可能会更快，但是当我们同时进行下载的任务特别多的时候，不一定会更快。

(就好比，多线程太多，不一定就是快。)

时间范围

• 期货和相关期权的数据从2016年开始
• 股票和相关期权的数据从2018年开始

简单趋势策略(案例)

策略思路

1. 连续三根阴线就做空
2. 连续三根阳线就做多
3. 否则空仓

实现代码

# 策略思路连续了根阴线就做空，连绩了根阳线就做多，否则空仓
from tqsdk import TqApi, TqAuth, TargetPosTask

api = TqApi(auth=TqAuth("【天勤账号】", "【天勤密码】"))

# 设定连续多少根阳线 / 阴线
length = 3
# 获取SHFE.ni2307的10秒K线的引用，长度为length + 1
kline_serial = api.get_kline_serial("SHFE.ni2307", 10, data_length=length + 1)
# 创建SHFE.ni2307的目标持仓task，该task负责调整SHFE.ni2307的仓位到指定的日标仓位
target_pos = TargetPosTask(api, "SHFE.ni2105", offset_priority="今昨开")
while True:
    api.wait_update()
    # 只有在新创建出K线时才判断开平仓条件
    if api.is_changing(kline_serial.iloc[-1], "datetime"):
        # 跳过最后一根刚生成的K线
        df = kline_serial.iloc[:-1]
        # 比较收盘价和开盘价，判断是阳线还是阴线
        # df.close 为收盘价序列，df.open 为开盘价序列，
        # ">"(pandas.series.gt）返回收盘价是否大于开盘的一个新序列
        up = df.close > df.open
        down = df.close < df.open
        if all(up):
            print("连续阳线：目标持仓 多头1手")
            # 设置日标持仓为正数表示多头，负数表示空头，0表示空仓
            target_pos.set_target_volume(1)
        elif all(down):
            print("连续阴线：目标持仓 空头1手")
            target_pos.set_target_volume(-1)
        else:
            print("目标持仓：空仓")
            target_pos.set_target_volume(0)

为什么是length + 1

解释一下为什么get_kline_serial中的data_length是length + 1，而不是length。

# 获取SHFE.ni2307的10秒K线的引用，长度为length + 1
kline_serial = api.get_kline_serial("SHFE.ni2307", 10, data_length=length + 1)

因为通过is_changing所获取的K线，不一定是一根完整的K线，所以判断阴线和阳线的数量，应该通过前length + 1根K线判断。

api.wait_update()
# 只有在新创建出K线时才判断开平仓条件
if api.is_changing(kline_serial.iloc[-1], "datetime"):

这也是为什么我们跳过最后一根刚生成的K线。

# 跳过最后一根刚生成的K线
df = kline_serial.iloc[:-1]

价差回归策略(案例)

策略思路

当近月合约减去远月合约的价差：

• 大于250时，做空近月合约，做多远月合约。
• 小于200时，平仓。

实现代码

from tqsdk import TqApi, TqAuth, TargetPosTask

api = TqApi(auth=TqAuth("【天勤账号】", "【天勤密码】"))

quote_near = api.get_quote("SHFE.ni2307")
quote_deferred = api.get_quote("SHFE.ni2308")

# 创建 ni2307 的目标持仓task，该task 负责调整 ni2307 的仓位到指定的目标仓位
target_pos_near = TargetPosTask(api, "SHFE.ni2307")
# 创建 ni2308 的目标持仓 task，该task 负责调整 ni2308 的仓位到指定的目标仓位
target_pos_deferred = TargetPosTask(api, "SHFE.ni2308")

while True:
    api.wait_update()
    if api.is_changing(quote_near) or api.is_changing(quote_deferred):
        spread = quote_near.last_price - quote_deferred.last_price
        print("当前价差:", spread)
        if spread > 250:
            print("目标持仓：空近月，多远月")
            # 设置目标持仓为正数表示多头，负数表示空头，口表示空仓
            target_pos_near.set_target_volume(-1)
            target_pos_deferred.set_target_volume(1)
        elif spread < 200:
            print("目标持仓：空仓")
            target_pos_near.set_target_volume(0)
            target_pos_deferred.set_target_volume(0)

运行结果：

在使用天勤量化之前，默认您已经知晓并同意以下免责条款，如果不同意请立即停止使用：https://www.shinnytech.com/blog/disclaimer/
2023-07-17 23:47:36 -     INFO - 通知 : 与 wss://api.shinnytech.com/t/nfmd/front/mobile 的网络连接已建立
当前价差: 7140.0
目标持仓：空近月，多远月
2023-07-17 23:47:37 -     INFO - 模拟交易下单 TQSIM, PYSDK_target_4c1ab4a439431203e1d984a063e7db63: 时间: 2023-07-17 23:47:36.511996, 合约: SHFE.ni2307, 开平: OPEN, 方向: SELL, 手数: 1, 价格: 171000.0
2023-07-17 23:47:37 -     INFO - 模拟交易下单 TQSIM, PYSDK_target_aaa9a7958188b8a43136c9ea7aba875c: 时间: 2023-07-17 23:47:36.512413, 合约: SHFE.ni2308, 开平: OPEN, 方向: BUY, 手数: 1, 价格: 162890.0
2023-07-17 23:47:37 -     INFO - 模拟交易委托单 TQSIM, PYSDK_target_aaa9a7958188b8a43136c9ea7aba875c: 全部成交