🚀 AI 一键生成 qmt 策略代码

QMT 期权教程：牛市价差 (Bull Call Spread) 策略实现

qmt | 发布时间: 2025/12/22
以下内容由 EasyQuant 生成。

问题描述

如何编写牛市价差期权策略？

解决方案

编写牛市价差（Bull Call Spread）期权策略需要同时操作两个方向的期权合约：买入一个较低行权价的认购期权（Call），同时卖出一个较高行权价的认购期权（Call）。两者标的资产相同，到期日相同。

这种策略通常用于预期标的资产价格会温和上涨，通过卖出高行权价期权来降低权利金成本。

以下是基于 QMT Python API 实现的策略代码。

策略逻辑说明

  1. 标的选择：以 50ETF（510050.SH）为例。
  2. 合约选择：
    • 获取当月或次月到期的认购期权列表。
    • 买入腿（Long Leg）：选择平值（ATM）或轻微实值期权。
    • 卖出腿（Short Leg）：选择虚值（OTM）期权（行权价高于买入腿）。
  3. 交易信号：
    • 当标的资产价格上涨趋势确立（例如价格高于20日均线）且当前无持仓时，构建组合。
    • 当临近到期日或标的价格跌破止损线时，平仓。
  4. 风控：设置简单的到期平仓逻辑。

QMT 策略代码

# -*- coding: gbk -*-
import pandas as pd
import time
import datetime

def init(ContextInfo):
    # 1. 设置账户信息 (请替换为您的真实资金账号)
    ContextInfo.accID = '6000000000' 
    ContextInfo.set_account(ContextInfo.accID)
    
    # 2. 策略参数设置
    ContextInfo.underlying = '510050.SH'  # 标的资产：50ETF
    ContextInfo.trade_period = '1d'       # 运行周期：日线
    ContextInfo.holding = False           # 持仓状态标记
    ContextInfo.long_leg = ''             # 买入持仓合约代码
    ContextInfo.short_leg = ''            # 卖出持仓合约代码
    
    # 3. 资金分配
    ContextInfo.lots = 1                  # 每次交易手数

    print("牛市价差策略初始化完成")

def handlebar(ContextInfo):
    # 获取当前K线的时间
    bar_index = ContextInfo.barpos
    current_time = ContextInfo.get_bar_timetag(bar_index)
    current_date_str = timetag_to_datetime(current_time, '%Y%m%d')
    
    # 1. 获取标的资产行情 (50ETF)
    market_data = ContextInfo.get_market_data_ex(
        ['close'], 
        [ContextInfo.underlying], 
        period=ContextInfo.trade_period, 
        count=21, # 取过去21根K线计算均线
        subscribe=True
    )
    
    if ContextInfo.underlying not in market_data:
        return
        
    close_prices = market_data[ContextInfo.underlying]['close']
    current_price = close_prices.iloc[-1]
    
    # 计算20日均线作为趋势判断
    if len(close_prices) < 20:
        return
    ma20 = close_prices.iloc[-20:].mean()
    
    # 2. 交易逻辑
    
    # --- 平仓逻辑 (如果持有持仓) ---
    if ContextInfo.holding:
        # 检查是否临近到期 (这里简化逻辑：如果是合约到期月份的最后几天则平仓)
        # 获取持仓合约的详细信息
        detail = ContextInfo.get_instrumentdetail(ContextInfo.long_leg)
        expire_date = str(detail['ExpireDate']) # 格式如 20231227
        
        # 如果当前日期 >= 到期日前2天，或者 价格跌破均线，则平仓
        is_near_expire = int(current_date_str) >= int(expire_date) - 2
        is_trend_broken = current_price < ma20
        
        if is_near_expire or is_trend_broken:
            print(f"触发平仓: 临近到期={is_near_expire}, 趋势破坏={is_trend_broken}")
            # 平掉买入腿 (卖出平仓)
            buy_close_tdayfirst(ContextInfo.long_leg, ContextInfo.lots, 'LATEST', 0, ContextInfo, ContextInfo.accID)
            # 平掉卖出腿 (买入平仓)
            sell_close_tdayfirst(ContextInfo.short_leg, ContextInfo.lots, 'LATEST', 0, ContextInfo, ContextInfo.accID)
            
            ContextInfo.holding = False
            ContextInfo.long_leg = ''
            ContextInfo.short_leg = ''
            
    # --- 开仓逻辑 (如果没有持仓) ---
    else:
        # 如果价格站上20日均线，看多，构建牛市价差
        if current_price > ma20:
            print(f"趋势看多 (现价 {current_price:.3f} > MA20 {ma20:.3f})，构建牛市价差组合")
            
            # A. 确定期权到期月份 (选择当月或次月)
            # 获取当前年月，例如 202312
            target_month = current_date_str[:6] 
            
            # B. 获取期权链
            # 获取指定标的、指定月份的认购期权(CALL)列表
            # 注意：get_option_list 第二个参数如果是YYYYMM格式，返回该月到期的合约
            option_list = ContextInfo.get_option_list(ContextInfo.underlying, target_month, "CALL")
            
            if not option_list:
                print(f"{target_month} 无可用期权合约")
                return

            # C. 筛选行权价
            # 我们需要找到行权价及对应的合约代码
            strikes = {} # {行权价: 合约代码}
            
            for opt_code in option_list:
                detail = ContextInfo.get_instrumentdetail(opt_code)
                strike_price = detail['OptExercisePrice']
                strikes[strike_price] = opt_code
            
            # 对行权价进行排序
            sorted_strikes = sorted(strikes.keys())
            
            # D. 寻找平值合约 (ATM) 和 虚值合约 (OTM)
            # 找到离当前标的价格最近的行权价作为 ATM
            atm_strike = min(sorted_strikes, key=lambda x: abs(x - current_price))
            atm_index = sorted_strikes.index(atm_strike)
            
            # 确保有更高行权价的合约存在
            if atm_index + 1 < len(sorted_strikes):
                low_strike = atm_strike  # 较低行权价 (买入)
                high_strike = sorted_strikes[atm_index + 1] # 较高行权价 (卖出)，这里选择高一档
                
                long_code = strikes[low_strike]
                short_code = strikes[high_strike]
                
                print(f"构建组合: 买入 {long_code}(行权价{low_strike})，卖出 {short_code}(行权价{high_strike})")
                
                # E. 下单执行
                # 1. 买入低行权价认购期权 (买入开仓)
                buy_open(long_code, ContextInfo.lots, 'LATEST', 0, ContextInfo, ContextInfo.accID)
                
                # 2. 卖出高行权价认购期权 (卖出开仓)
                sell_open(short_code, ContextInfo.lots, 'LATEST', 0, ContextInfo, ContextInfo.accID)
                
                # 更新状态
                ContextInfo.holding = True
                ContextInfo.long_leg = long_code
                ContextInfo.short_leg = short_code
            else:
                print("无法找到合适的虚值合约构建价差")

# 辅助函数：时间戳转字符串
def timetag_to_datetime(timetag, format_str):
    import time
    return time.strftime(format_str, time.localtime(timetag / 1000))

代码关键点解析

  1. 期权合约获取 (get_option_list):

    • 使用 ContextInfo.get_option_list(标的代码, 月份, 类型) 获取期权列表。
    • target_month 需要根据当前回测或实盘的时间动态生成（格式为 YYYYMM）。

  2. 行权价筛选:

    • 通过 ContextInfo.get_instrumentdetail(合约代码) 获取合约详情，其中 OptExercisePrice 是行权价。
    • 策略核心在于选取两个行权价：
      • $K_L$ (Low Strike): 通常选平值（ATM）附近，代码中通过计算与标的现价差值绝对值最小来定位。
      • $K_H$ (High Strike): 选比 $K_L$ 高一档或多档的行权价。

  3. 交易指令:

    • 买入腿: 使用 buy_open (买入开仓)。
    • 卖出腿: 使用 sell_open (卖出开仓)。
    • 平仓: 对应使用 buy_close_tdayfirst (买入平仓，优先平今) 和 sell_close_tdayfirst (卖出平仓，优先平今)。

  4. 到期日管理:

    • 期权策略必须关注到期日。代码中通过 get_instrumentdetail 获取 ExpireDate，并在临近到期前强制平仓，避免进入行权交割流程（大部分投机策略不希望进行实物交割）。

注意事项

  • 保证金: 卖出期权（Short Call）需要占用保证金，牛市价差策略虽然风险有限，但作为组合策略，如果账户不支持组合保证金优惠，可能会占用两笔资金（买入权利金 + 卖出保证金）。
  • 滑点与流动性: 期权流动性不如标的资产，建议在实盘中使用限价单（FIX）而非市价单，或者使用算法交易接口。
  • 回测数据: 运行此策略需要下载完整的期权历史数据和标的（50ETF）历史数据。

Q&A

Q: 如何修改策略为熊市价差（Bear Put Spread）？
A: 逻辑类似，但方向相反：

  1. 将 get_option_list 的类型从 "CALL" 改为 "PUT"。
  2. 买入一个较高行权价的认沽期权（Put）。
  3. 卖出一个较低行权价的认沽期权（Put）。

Q: 为什么使用 get_market_data_ex 而不是 get_market_data?
A: get_market_data_ex 是 QMT 推荐的新版接口，返回的数据结构更统一（DataFrame），且支持订阅模式，处理效率更高。

Q: 实盘中如何保证两腿同时成交？
A: 在普通账户中很难保证完全同时。通常建议先成交买入腿（权利方），再成交卖出腿（义务方），以防止裸卖空的风险暴露。如果拥有组合交易权限，可以使用 passorder 的组合下单类型（如 opType=40 期货组合开多等，具体需参考券商提供的组合策略类型ID）。

相关推荐

QMT 算法交易：VWAP 与 TWAP 算法的实战对比与选择

本教程详细对比了两种最常用的算法交易策略：成交量加权平均价格（VWAP）和时间加权平均价格（TWAP）。分析它们在不同市场行情下的优缺点，帮助您在 QMT 平台做出最佳选择。

QMT 绘图函数教程：在图表上绘制自定义指标

学习使用 ContextInfo.paint() 函数，将您的策略计算出的指标值、交易信号等信息，以曲线或柱状图的形式直观地显示在 QMT 的主图或副图上。

QMT 相对强弱指数 (RSI) 策略 Python 实现

学习利用 RSI 指标进行量化交易。本指南提供在 QMT 平台上实现 RSI 低于30买入、高于70卖出的完整 Python 策略代码和回测步骤。

QMT 行业轮动：基于板块动量的 ETF 切换策略

利用 get_market_data 获取不同行业指数的涨跌幅，对行业 ETF 进行动量排序，实现优胜劣汰的轮动交易。

QMT 算法交易：手写 TWAP 分时均价逻辑

解析 TWAP 算法原理，通过 run_time 定时任务将大单拆解为小单分批执行的代码实现细节。

QMT Python 策略编程常见错误与解决方案

总结 QMT 新手在编写 Python 策略时最常遇到的问题，如未来函数、数据对不齐、下单逻辑错误等，并提供详细的分析和解决方案，帮助初学者快速成长。