术语表
版本: 2.1.0-alpha2 作者: @yutiansut @quantaxis 更新日期: 2025-10-25
本文档包含QUANTAXIS及量化交易中常用术语的定义和解释。
📚 核心概念
QUANTAXIS
全方位Python量化金融框架,提供数据获取、策略开发、回测和实盘交易的完整解决方案。
QIFI (Quantitative Investment Framework Interface)
QUANTAXIS统一账户系统接口,支持Python/Rust/C++多语言,实现跨市场、跨语言的标准化账户管理。
QARS2 (QUANTAXIS Rust)
QUANTAXIS的Rust实现,通过Rust语言实现100倍性能提升,提供高性能数据处理和指标计算。
QADataFrame
QUANTAXIS自定义数据结构,基于pandas DataFrame扩展,提供金融数据特有的操作和方法。
💰 交易术语
多头 (Long Position)
买入持有某个资产,预期价格上涨获利。也称"做多"。
示例:
self.BuyOpen('rb2501', 1) # 开多头仓位空头 (Short Position)
卖出某个资产,预期价格下跌获利。也称"做空"。
示例:
self.SellOpen('rb2501', 1) # 开空头仓位开仓 (Open Position)
建立新的交易头寸(多头或空头)。
平仓 (Close Position)
关闭现有的交易头寸。
示例:
self.SellClose('rb2501', 1) # 平多头仓位
self.BuyClose('rb2501', 1) # 平空头仓位持仓 (Position)
当前持有的资产数量和状态。
滑点 (Slippage)
实际成交价格与期望价格之间的差异。
示例:
strategy = MyStrategy(slippage=0.0001) # 设置滑点0.01%手续费 (Commission)
交易时支付给券商的费用。
示例:
strategy = MyStrategy(commission=0.0003) # 手续费0.03%保证金 (Margin)
期货交易时需要缴纳的履约保证金。
杠杆 (Leverage)
使用借入资金进行交易,放大收益和风险。
📊 技术指标
MA (Moving Average)
移动平均线,计算一定周期内的平均价格。
示例:
ma20 = QA.MA(data['close'], 20) # 20日均线MACD (Moving Average Convergence Divergence)
指数平滑异同移动平均线,用于判断趋势和买卖时机。
组成: DIF(快线)、DEA(慢线)、MACD(柱状图)
示例:
macd = QA.MACD(data['close'])KDJ
随机指标,用于判断超买超卖。
组成: K值、D值、J值
RSI (Relative Strength Index)
相对强弱指标,测量价格动量。
示例:
rsi = QA.RSI(data['close'], 14) # 14日RSIATR (Average True Range)
平均真实波幅,衡量市场波动性。
Bollinger Bands
布林带,价格波动区间指标。
组成: 上轨、中轨(MA)、下轨
📈 策略术语
CTA (Commodity Trading Advisor)
商品交易顾问策略,基于技术分析的趋势跟踪策略。
Alpha策略
寻求与市场相关性低的绝对收益策略。
Beta策略
获取市场整体收益的策略,与市场高度相关。
套利 (Arbitrage)
利用不同市场或合约间的价差获利。
类型:
跨期套利
跨品种套利
跨市场套利
对冲 (Hedging)
通过相反方向的交易降低风险敞口。
示例:
self.BuyOpen('rb2501', 1) # 买入现货
self.SellOpen('rb2502', 1) # 卖出远月合约对冲因子 (Factor)
影响资产收益的特征变量。
常见因子:
价值因子
动量因子
质量因子
低波动因子
📉 风险指标
最大回撤 (Maximum Drawdown)
从最高点到最低点的最大跌幅。
计算:
max_drawdown = (peak - trough) / peak夏普比率 (Sharpe Ratio)
单位风险的超额收益,衡量风险调整后的收益。
公式:
Sharpe = (Return - RiskFreeRate) / Volatility示例:
sharpe = strategy.acc.sharpe_ratio卡尔玛比率 (Calmar Ratio)
年化收益率与最大回撤的比值。
索提诺比率 (Sortino Ratio)
类似夏普比率,但只考虑下行风险。
信息比率 (Information Ratio)
相对基准的超额收益与跟踪误差的比值。
胜率 (Win Rate)
盈利交易占总交易的比例。
计算:
win_rate = win_trades / total_trades盈亏比 (Profit/Loss Ratio)
平均盈利与平均亏损的比值。
计算:
pl_ratio = avg_profit / avg_loss🔄 回测术语
回测 (Backtesting)
使用历史数据测试交易策略的过程。
样本内测试 (In-Sample Testing)
使用训练数据测试策略。
样本外测试 (Out-of-Sample Testing)
使用未参与优化的数据测试策略。
向前分析 (Walk-Forward Analysis)
滚动优化和测试的方法。
过拟合 (Overfitting)
策略过度适应历史数据,实际表现不佳。
未来函数 (Look-Ahead Bias)
使用未来数据做决策,导致回测结果虚高。
示例:
# ❌ 错误:使用当前bar数据
if bar.close > bar.open:
self.BuyOpen(bar.code, 1, bar.close)
# ✅ 正确:使用历史数据
if self.last_close > self.last_open:
self.BuyOpen(bar.code, 1)🏛️ 市场术语
A股
中国大陆证券市场人民币普通股票。
期货 (Futures)
标准化远期合约,约定未来某时间以特定价格交易。
主要交易所:
上期所 (SHFE)
大商所 (DCE)
郑商所 (CZCE)
中金所 (CFFEX)
期权 (Options)
买方有权在未来以约定价格买卖标的的合约。
类型:
看涨期权 (Call Option)
看跌期权 (Put Option)
数字货币 (Cryptocurrency)
基于区块链技术的数字资产。
Tick数据
最小价格变动单位的逐笔成交数据。
K线 (Candlestick)
显示一定时间内开盘价、收盘价、最高价、最低价的图形。
类型:
分钟线 (1min, 5min, 15min, 30min, 60min)
日线 (day)
周线 (week)
月线 (month)
💻 技术术语
EventMQ
基于RabbitMQ的事件消息队列,用于实盘交易的异步通信。
MongoDB
文档型NoSQL数据库,QUANTAXIS的主要数据存储。
ClickHouse
列式存储数据库,用于大规模数据分析。
PyO3
Python-Rust绑定库,QARS2使用PyO3实现Python接口。
Apache Arrow
跨语言的列式内存数据格式,实现零拷贝数据交换。
Docker
容器化技术,用于应用打包和部署。
Kubernetes
容器编排平台,用于大规模容器化应用管理。
🔧 系统组件
XServer
QUANTAXIS中间件服务器,处理GUI和交易系统间的通信。
XMonitor
QUANTAXIS监控客户端(GUI),基于Qt开发。
XMarketCenter
行情网关,连接各类数据源并分发行情数据。
XTrader
交易网关,连接券商接口执行交易。
XRiskJudge
风控引擎,实时监控和拦截高风险交易。
XQuant
策略引擎,运行交易策略。
📊 数据频率
日线 (day/1day)
每个交易日一根K线。
周线 (week/1week)
每周一根K线。
月线 (month/1month)
每月一根K线。
分钟线
1min: 1分钟K线
5min: 5分钟K线
15min: 15分钟K线
30min: 30分钟K线
60min: 60分钟K线
Tick
逐笔成交数据,最小时间粒度。
🎯 策略类型
QAStrategyCtaBase
CTA策略基类,用于期货趋势跟踪策略。
QAMultiBase
多标的策略基类,支持同时交易多个品种。
QAHedgeBase
对冲策略基类,支持多空组合策略。
QAFactorBase
因子策略基类,用于因子选股和轮动策略。
📝 账户术语
account_cookie
账户唯一标识符。
init_cash
初始资金。
balance
当前账户权益(现金+持仓市值)。
available
可用资金。
margin
保证金占用。
position_profit
持仓盈亏。
float_profit
浮动盈亏。
frozen
冻结资金(未成交订单)。
🔗 相关资源
📝 总结
术语分类:
✅ 核心概念: QUANTAXIS、QIFI、QARS2 ✅ 交易术语: 多空、开平仓、滑点、手续费 ✅ 技术指标: MA、MACD、KDJ、RSI ✅ 风险指标: 夏普比率、最大回撤、胜率 ✅ 系统组件: XServer、XTrader、XQuant
作者: @yutiansut @quantaxis 最后更新: 2025-10-25
Last updated
Was this helpful?