QuantDinger: 策略与指标模型
QuantDinger 部署在 homelab 的 k8s 环境里，UI 上可以直接完成交易所的挂单和平仓操作。要开发策略并测试自动交易，需要先理清"策略"“指标"“交易引擎"这几个概念之间的关系。 指标（Indicator）是什么 指标很容易被理解成常见的技术指标，比如一条均线。实际上 QuantDinger 里的指标是一段 Python 脚本，同时做两件事： 计算，用来在图表上画线（比如 EMA、RSI）； 产出四列交易信号，这才是核心： df['open_long'] # open long signal df['close_long'] # close long signal df['open_short'] # open short signal df['close_short'] # close short signal 策略执行引擎读的就是这四列。止损止盈、仓位比例这些风控参数通过 # @strategy 注解声明，由引擎统一执行，回测和实盘共用一套逻辑。 一个最简单的例子，快慢均线交叉： my_indicator_name = "Agent SMA" my_indicator_description = "SMA crossover" df = df.copy() fast = close.rolling(10).mean() slow = close.rolling(30).mean() cross_up = (fast > slow) & (fast.shift(1) <= slow.shift(1)) cross_dn = (fast < slow) & (fast.shift(1) >= slow.shift(1)) df['open_long'] = cross_up.fillna(False).astype(bool) df['close_long'] = cross_dn.fillna(False).astype(bool) df['open_short'] = False df['close_short'] = False output = {'name': my_indicator_name, 'plots': [], 'signals': []} 指标脚本本身是无状态的：每次被调用时拿到一批 K 线数据（df），一次性向量化算出所有信号，不记得上一次调用发生了什么，也不会自己去拉数据或者下单。 df 里的 OHLCV 是什么 df 这个变量是引擎注入进来的 K 线（OHLCV）数据，一个 pandas DataFrame，至少包含这五列： Open：开盘价，这根 K 线周期开始时的成交价 High：最高价，这根 K 线周期内出现过的最高成交价 Low：最低价，这根 K 线周期内出现过的最低成交价 Close：收盘价，这根 K 线周期结束时的成交价 Volume：成交量，这根 K 线周期内一共成交了多少数量的标的 每一行对应一根 K 线（一个 bar），按时间顺序排列，具体周期由策略的 timeframe 决定（比如 1 小时线就是每行一根 1 小时 K 线）。OHLCV 不是量化领域独有的发明，而是股票、期货这类传统市场里画 K 线图、做技术分析时就在用的行业标准术语，交易所 API、数据供应商返回的历史行情都是这五个字段，量化系统只是直接沿用了这套已有的数据契约。 ...