QUANTAXIS 快速入门

🚀 10分钟上手QUANTAXIS - 从零开始的量化交易之旅
版本: v2.1.0-alpha2 | 难度: 入门 | 时间: 10-15分钟

📋 目录

✅ 前置准备

确认安装

# 检查QUANTAXIS是否已安装
import QUANTAXIS as QA
print(f"QUANTAXIS版本: {QA.__version__}")

# 预期输出: QUANTAXIS版本: 2.1.0.alpha2

如果未安装，请参考安装指南。

导入常用模块

import QUANTAXIS as QA
import pandas as pd
import numpy as np
from datetime import datetime, timedelta

🎯 第一个程序

让我们从最简单的例子开始——获取股票数据并查看。

示例1: Hello QUANTAXIS

"""
第一个QUANTAXIS程序
功能: 获取平安银行(000001)的历史数据
"""

import QUANTAXIS as QA

# 获取股票日线数据
# 参数: 股票代码, 开始日期, 结束日期
df = QA.QA_fetch_get_stock_day(
    code='000001',      # 平安银行
    start='2024-01-01', # 开始日期
    end='2024-01-31'    # 结束日期
)

# 显示数据
print("\n" + "=" * 50)
print("平安银行 2024年1月行情数据")
print("=" * 50)
print(df.head())

# 统计信息
print("\n基本统计:")
print(f"交易天数: {len(df)}")
print(f"最高价: {df['high'].max():.2f}")
print(f"最低价: {df['low'].min():.2f}")
print(f"平均成交量: {df['volume'].mean():.0f}股")

运行输出:

==================================================
平安银行 2024年1月行情数据
==================================================
            open   high    low  close    volume
date
2024-01-02  10.5  10.68  10.45  10.52  12543200
2024-01-03  10.5  10.75  10.48  10.68  15234100
...

基本统计:
交易天数: 20
最高价: 11.25
最低价: 10.32
平均成交量: 14523456股

📊 数据获取

QUANTAXIS支持多种市场的数据获取。

示例2: 股票数据

"""
获取多只股票的历史数据
"""

import QUANTAXIS as QA

# 股票代码列表
stocks = ['000001', '000002', '600000']

# 批量获取数据
for code in stocks:
    df = QA.QA_fetch_get_stock_day(
        code=code,
        start='2024-01-01',
        end='2024-01-10'
    )

    # 使用QA数据结构
    data = QA.QA_DataStruct_Stock_day(df)

    print(f"\n股票 {code}:")
    print(f"  交易天数: {len(data.data)}")
    print(f"  涨跌幅: {data.data['close'].pct_change().mean() * 100:.2f}%")

示例3: 期货数据

"""
获取期货主力合约数据
"""

import QUANTAXIS as QA

# 获取期货日线数据
df_future = QA.QA_fetch_get_future_day(
    code='IF2512',      # 沪深300期货2025年12月合约
    start='2024-01-01',
    end='2024-01-31'
)

# 使用期货数据结构
data_future = QA.QA_DataStruct_Future_day(df_future)

print(f"\n期货合约 IF2512:")
print(f"  交易天数: {len(data_future.data)}")
print(f"  开盘价范围: {data_future.data['open'].min():.2f} - {data_future.data['open'].max():.2f}")
print(f"  收盘价范围: {data_future.data['close'].min():.2f} - {data_future.data['close'].max():.2f}")

示例4: 实时数据

"""
获取实时行情数据
"""

import QUANTAXIS as QA

# 获取股票实时行情
realtime = QA.QA_fetch_get_stock_realtime(
    code=['000001', '000002', '600000']
)

print("\n实时行情:")
print(realtime[['code', 'price', 'bid1', 'ask1', 'volume']])

📈 数据分析

使用QUANTAXIS的数据结构进行分析。

示例5: 技术指标计算

"""
计算技术指标
"""

import QUANTAXIS as QA

# 获取数据
df = QA.QA_fetch_get_stock_day('000001', '2023-01-01', '2024-01-31')
data = QA.QA_DataStruct_Stock_day(df)

# 计算均线
ma5 = data.data['close'].rolling(5).mean()
ma10 = data.data['close'].rolling(10).mean()
ma20 = data.data['close'].rolling(20).mean()

print("\n均线系统 (最近5天):")
print(pd.DataFrame({
    '日期': data.data.index[-5:],
    '收盘价': data.data['close'][-5:].values,
    'MA5': ma5[-5:].values,
    'MA10': ma10[-5:].values,
    'MA20': ma20[-5:].values,
}))

# 使用QA内置指标
from QUANTAXIS.QAIndicator import QA_indicator_MA, QA_indicator_MACD

# 计算MACD
macd_df = QA_indicator_MACD(data.data)
print("\nMACD指标 (最近5天):")
print(macd_df.tail())

示例6: 数据可视化

"""
数据可视化
"""

import QUANTAXIS as QA
import matplotlib.pyplot as plt

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 获取数据
df = QA.QA_fetch_get_stock_day('000001', '2023-01-01', '2024-01-31')
data = QA.QA_DataStruct_Stock_day(df)

# 创建图表
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 8))

# 价格走势
ax1.plot(data.data.index, data.data['close'], label='收盘价')
ax1.plot(data.data.index, data.data['close'].rolling(20).mean(), label='MA20')
ax1.set_title('平安银行股价走势')
ax1.set_ylabel('价格 (元)')
ax1.legend()
ax1.grid(True)

# 成交量
ax2.bar(data.data.index, data.data['volume'], alpha=0.5)
ax2.set_title('成交量')
ax2.set_ylabel('成交量 (股)')
ax2.grid(True)

plt.tight_layout()
plt.savefig('stock_analysis.png')
print("\n✅ 图表已保存至 stock_analysis.png")

🔄 简单回测

示例7: 均线策略回测

"""
简单的均线交叉策略回测
策略: MA5上穿MA20买入，下穿卖出
"""

import QUANTAXIS as QA
from QUANTAXIS.QIFI import QIFI_Account

# 1. 准备数据
df = QA.QA_fetch_get_stock_day('000001', '2023-01-01', '2024-01-31')
data = QA.QA_DataStruct_Stock_day(df)

# 2. 计算指标
ma5 = data.data['close'].rolling(5).mean()
ma20 = data.data['close'].rolling(20).mean()

# 3. 生成信号
signal = pd.DataFrame(index=data.data.index)
signal['ma5'] = ma5
signal['ma20'] = ma20
signal['position'] = 0

# 金叉买入，死叉卖出
signal.loc[ma5 > ma20, 'position'] = 1
signal.loc[ma5 < ma20, 'position'] = 0

# 4. 创建账户
account = QIFI_Account(
    username="test_strategy",
    password="test",
    model="stock",
    init_cash=100000  # 初始资金10万
)

# 5. 模拟交易
position = 0
for date, row in signal.iterrows():
    price = data.data.loc[date, 'close']

    # 买入信号
    if row['position'] == 1 and position == 0:
        # 计算可买数量（100股整数倍）
        amount = int(account.cash / price / 100) * 100
        if amount > 0:
            account.receive_simpledeal({
                'code': '000001',
                'price': price,
                'amount': amount,
                'datetime': str(date),
                'towards': 'buy'
            })
            position = 1
            print(f"{date}: 买入 {amount}股 @ {price:.2f}元")

    # 卖出信号
    elif row['position'] == 0 and position == 1:
        # 获取当前持仓
        if '000001' in account.positions:
            amount = account.positions['000001']['volume']
            account.receive_simpledeal({
                'code': '000001',
                'price': price,
                'amount': amount,
                'datetime': str(date),
                'towards': 'sell'
            })
            position = 0
            print(f"{date}: 卖出 {amount}股 @ {price:.2f}元")

# 6. 输出结果
print("\n" + "=" * 50)
print("回测结果")
print("=" * 50)
print(f"初始资金: {100000:.2f}元")
print(f"最终资金: {account.cash:.2f}元")
print(f"总盈亏: {account.cash - 100000:.2f}元")
print(f"收益率: {(account.cash / 100000 - 1) * 100:.2f}%")

示例8: 使用QA回测框架

"""
使用QUANTAXIS回测框架
"""

import QUANTAXIS as QA
from QUANTAXIS.QAStrategy import QAStrategyCtaBase

class MyStrategy(QAStrategyCtaBase):
    """简单的均线策略"""

    def __init__(self):
        super().__init__()
        self.ma_short = 5
        self.ma_long = 20

    def on_bar(self, bar):
        """每根K线回调"""
        # 计算均线
        ma5 = bar['close'].rolling(self.ma_short).mean().iloc[-1]
        ma20 = bar['close'].rolling(self.ma_long).mean().iloc[-1]

        # 交易逻辑
        if ma5 > ma20:
            self.buy(bar['code'].iloc[-1], bar['close'].iloc[-1], 100)
        elif ma5 < ma20:
            self.sell(bar['code'].iloc[-1], bar['close'].iloc[-1], 100)

# 创建策略实例
strategy = MyStrategy()

# 运行回测
result = QA.QA_Backtest(
    strategy=strategy,
    code='000001',
    start='2023-01-01',
    end='2024-01-31',
    init_cash=100000
)

print(f"\n收益率: {result.profit_rate * 100:.2f}%")

⚡ 使用Rust加速

示例9: QARS2高性能账户

"""
使用Rust实现的高性能账户
性能提升: 100x
"""

from QUANTAXIS.QARSBridge import has_qars_support

if has_qars_support():
    from QUANTAXIS.QARSBridge import QARSAccount

    # 创建Rust账户（100x加速）
    account = QARSAccount(
        account_cookie="rust_account",
        init_cash=100000.0
    )

    # 买入操作
    account.buy(
        code="000001",
        price=10.5,
        datetime="2024-01-15",
        amount=1000
    )

    print(f"✅ Rust账户创建成功")
    print(f"   可用资金: {account.cash:.2f}元")
    print(f"   持仓股票: {list(account.positions.keys())}")

else:
    print("⚠️  QARS2未安装，请运行: pip install quantaxis[rust]")

示例10: 零拷贝数据转换

"""
使用零拷贝进行高性能数据转换
性能提升: 2-5x
"""

from QUANTAXIS.QADataBridge import has_dataswap_support

if has_dataswap_support():
    from QUANTAXIS.QADataBridge import convert_pandas_to_polars
    import pandas as pd

    # 创建Pandas数据
    df_pandas = pd.DataFrame({
        'code': ['000001'] * 1000,
        'price': [10.5] * 1000,
        'volume': [1000] * 1000,
    })

    # 零拷贝转换为Polars（2-5x加速）
    df_polars = convert_pandas_to_polars(df_pandas)

    print(f"✅ 零拷贝转换成功")
    print(f"   原始格式: {type(df_pandas)}")
    print(f"   转换后: {type(df_polars)}")
    print(f"   性能提升: 2-5x")

else:
    print("⚠️  QADataSwap未安装，请运行: pip install quantaxis[rust]")

🎓 学习路径

初学者 (第1-2周)

目标: 熟悉基本操作

数据获取
- ✅ 获取股票/期货数据
- ✅ 理解数据结构
- ✅ 数据可视化
简单分析
- ✅ 计算技术指标
- ✅ 统计分析
- ✅ 数据清洗

推荐练习:

# 练习1: 获取多只股票数据并对比
# 练习2: 计算并可视化MA、MACD等指标
# 练习3: 分析成交量与价格的关系

进阶 (第3-4周)

目标: 掌握回测框架

策略开发
- ✅ 简单的均线策略
- ✅ 多因子策略
- ✅ 事件驱动策略
回测优化
- ✅ 参数优化
- ✅ 风险控制
- ✅ 绩效分析

推荐练习:

# 练习4: 实现双均线策略并回测
# 练习5: 添加止损止盈逻辑
# 练习6: 对比不同参数的表现

高级 (第5-8周)

目标: 生产环境部署

高性能优化
- ✅ 使用QARS2 Rust账户
- ✅ 使用零拷贝数据传输
- ✅ 多进程并行
实盘交易
- ✅ 接入交易接口
- ✅ 风险管理
- ✅ 监控告警

推荐练习:

# 练习7: 将策略迁移到QARS2
# 练练习8: 使用共享内存进行跨进程通信
# 练习9: 搭建完整的交易系统

📚 下一步学习

示例代码

# 查看所有示例
ls examples/

# 运行QARSBridge示例
python examples/qarsbridge_example.py

# 运行QADataBridge示例
python examples/qadatabridge_example.py

# 运行性能测试
python scripts/benchmark_databridge.py

社区资源

GitHub: https://github.com/QUANTAXIS/QUANTAXIS
QQ群: 563280068
Discord: https://discord.gg/quantaxis
论坛: https://forum.quantaxis.cn
文档: https://doc.quantaxis.cn

💡 实用技巧

技巧1: 配置数据库连接

from QUANTAXIS.QAUtil import DATABASE

# 查看当前配置
print(DATABASE)

# 自定义配置
import pymongo
client = pymongo.MongoClient('localhost', 27017)
db = client.quantaxis

技巧2: 批量数据获取

# 获取股票列表
stock_list = QA.QA_fetch_get_stock_list()

# 批量获取数据
for code in stock_list[:10]:  # 前10只股票
    df = QA.QA_fetch_get_stock_day(code, '2024-01-01', '2024-01-31')
    # 处理数据...

技巧3: 错误处理

try:
    df = QA.QA_fetch_get_stock_day('000001', '2024-01-01', '2024-01-31')
except Exception as e:
    print(f"数据获取失败: {e}")
    # 降级处理...

技巧4: 性能分析

import time

# 对比标准实现和Rust实现
start = time.time()
# ... 标准代码 ...
time_standard = time.time() - start

start = time.time()
# ... Rust代码 ...
time_rust = time.time() - start

print(f"加速比: {time_standard / time_rust:.2f}x")

❓ 常见问题

Q1: 如何获取更多股票代码？

# 获取所有A股代码
stock_list = QA.QA_fetch_get_stock_list()
print(f"共{len(stock_list)}只股票")
print(stock_list.head())

Q2: 如何处理缺失数据？

df = QA.QA_fetch_get_stock_day('000001', '2024-01-01', '2024-01-31')

# 检查缺失值
print(df.isnull().sum())

# 填充缺失值
df_filled = df.fillna(method='ffill')  # 前向填充

Q3: 如何加速数据处理？

# 方式1: 使用Polars
from QUANTAXIS.QADataBridge import convert_pandas_to_polars

df_polars = convert_pandas_to_polars(df)
# Polars操作通常快5-10x

# 方式2: 使用向量化操作
df['returns'] = df['close'].pct_change()  # ✅ 向量化
# 避免循环: for i in range(len(df)): ... ❌

恭喜你完成了QUANTAXIS快速入门！🎉

现在你已经掌握了：

✅ 数据获取和分析
✅ 技术指标计算
✅ 简单策略回测
✅ Rust组件使用

继续探索更多高级功能，祝交易顺利！

@yutiansut @quantaxis 最后更新: 2025-10-25

PreviousQUANTAXIS 安装指南 Nextmigration

Last updated 3 months ago

Was this helpful?

hashtag📋 目录

hashtag✅ 前置准备

hashtag确认安装

hashtag导入常用模块

hashtag🎯 第一个程序

hashtag示例1: Hello QUANTAXIS

hashtag📊 数据获取

hashtag示例2: 股票数据

hashtag示例3: 期货数据

hashtag示例4: 实时数据

hashtag📈 数据分析

hashtag示例5: 技术指标计算

hashtag示例6: 数据可视化

hashtag🔄 简单回测

hashtag示例7: 均线策略回测

hashtag示例8: 使用QA回测框架

hashtag⚡ 使用Rust加速

hashtag示例9: QARS2高性能账户

hashtag示例10: 零拷贝数据转换

hashtag🎓 学习路径

hashtag初学者 (第1-2周)

hashtag进阶 (第3-4周)

hashtag高级 (第5-8周)

hashtag📚 下一步学习

hashtag推荐文档

hashtag示例代码

hashtag社区资源

hashtag💡 实用技巧

hashtag技巧1: 配置数据库连接

hashtag技巧2: 批量数据获取

hashtag技巧3: 错误处理

hashtag技巧4: 性能分析

hashtag❓ 常见问题

hashtagQ1: 如何获取更多股票代码？

hashtagQ2: 如何处理缺失数据？

hashtagQ3: 如何加速数据处理？

📋 目录

✅ 前置准备

确认安装

导入常用模块

🎯 第一个程序

示例1: Hello QUANTAXIS

📊 数据获取

示例2: 股票数据

示例3: 期货数据

示例4: 实时数据

📈 数据分析

示例5: 技术指标计算

示例6: 数据可视化

🔄 简单回测

示例7: 均线策略回测

示例8: 使用QA回测框架

⚡ 使用Rust加速

示例9: QARS2高性能账户

示例10: 零拷贝数据转换

🎓 学习路径

初学者 (第1-2周)

进阶 (第3-4周)

高级 (第5-8周)

📚 下一步学习

推荐文档

示例代码

社区资源

💡 实用技巧

技巧1: 配置数据库连接

技巧2: 批量数据获取

技巧3: 错误处理

技巧4: 性能分析

❓ 常见问题

Q1: 如何获取更多股票代码？

Q2: 如何处理缺失数据？

Q3: 如何加速数据处理？