新手可以去看新版，更系统详细，量化交易零基础入门教程
说起量化交易入门，很多时候得到的答案要么是谈理论、要么列书单、要么就过程繁琐难以实践，结果往往是让对量化交易感兴趣的人迈不出那最初的一步。另外一方面，如果已经学了一些Python基础又希望能够用上，学以致用，那么这篇文章将教你简单的使用Python去写一个 策略。
这篇文章，力求以简单的例子，手把手教你如何用十行代码，写一个能根据实际行情发送交易信号到微信的量化交易策略！
学习内容：
学会写一个简单的量化交易策略
理解策略的基本框架
学会建立连接实盘的模拟交易，并使其自动发送交易的信号到微信
首先，进入JoinQuant，新建策略并清空原本模板代码，如下图。注意，未登录用户无法保存编写的策略以及查看回测详情，最好先登录，免得编的策略保存不了白做了。
左侧是编写策略代码，右侧是策略运行结果。我们就在左侧写策略代码。（图片是老版示例，跟上图不相连，只看大体界面就好）
下面教你用10行代码写个量化交易策略——单股票均线策略
1 确定策略内容与框架
我们明确下策略内容：
若昨日收盘价高出过去20日平均价今天开盘买入股票
若昨日收盘价低于过去20日平均价今天开盘卖出股票
只操作一只股票，很简单对吧，但怎么用代码说给计算机听呢？
想想人是怎么操作的，应该包括这样两个部分
既然是单股票策略，事先决定好交易哪一个股票。
每天看看昨日收盘价是否高出过去20日平均价，是的话开盘就买入，不是开盘就卖出。每天都这么做，循环下去。
对应代码也是这两个部分
def initialize(context):用来写最开始要做什么的地方def handle_data(context,data):用来写每天循环要做什么的地方
答疑与延伸：
def后面的空格和最后的冒号不能少！
符号都要用英文输入法！
为什么这么写？就这么规定的，先别管了：）
handle_data 按天循环时，如此处，其中的操作都是在9:30执行。
几乎所有策略都基于这个基本的策略框架：先初始化，然后循环操作
1 初始化，即最开始要做的事情，如选定股票，设置变量、参数等等
2 周期循环：即每个周期要做的事情，如计算指标，买入卖出等，周期可能是分钟，天等，本文策略的周期是一天。当你要做一些盘中短线操作的时候，周期就要调成分钟，先别着急会遇到的。
2 初始化
我们要写设置要交易的股票的代码，比如 兔宝宝（002043） ，真的有这个股票哦。
def initialize(context):g.security = '002043.XSHE'# 存入兔宝宝的股票代码
答疑与延伸：
"g."是什么？全局变量前都要写"g."，全局变量就是全局都能用的变量，一般变量只能在该函数下使用。如security不加"g.",只能在第一部分即initialize里用，不能在第二部分handle_data里用。
什么是变量？，可以当变量是各种存放数据的容器，每个都要有个名字，比如
g.security = '002043.XSHE'，就是把数据'002043.XSHE'放到变量g.security中，如果变量中里面有别的数据会替换掉。具体到量化课堂的python编程里学习下基础内容，或者问问百度。"XSHE"是什么？ 股票代码使用时要加后缀，深交所股票代码后缀为 ".XSHE "，上交所股票代码后缀为 ".XSHG"。
代码中“#”是什么？”#“后的内容都是注释，是为代码做说明的，不会被计算机当做代码处理。
3 获取收盘价与均价
首先，获取昨日股票的收盘价
# 用法：变量 = data[股票代码].closelast_price = data[g.security].close# 取得最近日收盘价，命名为last_price
然后，获取近二十日股票收盘价的平均价
# 用法：变量 = data[股票代码].m*g(天数，‘close’)# 获取近二十日股票收盘价的平均价，命名为*erage_price*erage_price = data[g.security].m*g(20, 'close')
答疑与延伸：
data是什么？
data[股票代码]后面除了平均价.m*g还能接什么?
这些写法其实都是python写法，如果你觉得不好“理解”可以先记住。
4 判断是否买卖
数据都获取完，该做买卖判断了
# 如果昨日收盘价高出二十日平均价, 则买入，否则卖出if last_price > *erage_price: 买入elif last_price < *erage_price: 卖出
问题来了，现在该写买卖下单了，但是拿多少钱去买我们还没有告诉计算机，所以每天还要获取账户里现金量。
# 用法：变量 = context.portfolio.cashcash = context.portfolio.cash# 取得当前的现金量，命名为cash
答疑与延伸：
context.portfolio 是什么？
这句看着有点复杂，先记住吧。然后我们看看买入卖出怎么写。
5 买入卖出
# 用法：order_value(要买入股票股票的股票代码，要多少钱去买）order_value(g.security, cash)# 用当前所有资金买入股票# 用法：order_target(要买卖股票的股票代码，目标持仓金额）order_target(g.security, 0)# 将股票仓位调整到0，即全卖出
答疑与延伸：
为什么没有指定交易价格？此策略是按天回测进行的且使用的较为简单的市价单下单方法，交易价格为开盘价(加上滑点)
无法交易的情况？涨跌停，停牌，T 1制度等无法交易的情况，系统会自动使下单不成交并在日志中发出警告。
滑点是什么？简言之是为成交误差留出余地。
下单方法有哪些？
6 策略代码写完，进行回测
把买入卖出的代码写好，策略就写完了，如下
def initialize(context):#初始化g.security = '002043.XSHE'# 股票名:兔宝宝def handle_data(context, data):#每日循环last_price = data[g.security].close# 取得最近日收盘价# 取得过去二十天的平均价格*erage_price = data[g.security].m*g(20, 'close') cash = context.portfolio.cash# 取得当前的现金# 如果昨日收盘价高出二十日平均价, 则买入，否则卖出。if last_price > *erage_price: order_value(g.security, cash)# 用当前所有资金买入股票elif last_price < *erage_price: order_target(g.security, 0)# 将股票仓位调整到0，即全卖出
现在，在策略回测界面右上部，设置回测时间从20140101到20160601，设置初始资金100000，设置回测频率，然后点击运行回测。
答疑与延伸：
什么是回测？回测是量化交易策略研究中的关键，是指给定一段时间的历史数据（如此处是20140101到20160601的每日数据），计算机按照所编写的策略进行模拟仿真交易，以测试策略效果好坏。
如果你代码没有问题，就会顺利的进行回测，回测结果如下图：
至此，你就完成了一个简单策略的回测了。
答疑与延伸：
如何根据回测结果评价策略好坏？很初级地讲，有三：
盈利能力：策略收益与年化收益高，则说明盈利能力强。盈利能力不行说啥都没用。
盈利稳定性：最大回撤要低。最大回撤是指最大亏损幅度，50%则意味着历史上看最大亏损率为50%。
回测可靠性：交易次数要多。交易次数越多意味着经历了越多次的检验，回测的结果也越可靠。
更多说明见：风险指标说明这个策略回撤大，交易次数少，只交易一只股票，并不靠谱。但是结构简单适合新手入门理解整个流程。
7 建立模拟交易，使策略和行情实时连接自动运行
策略写好，回测完成，点击回测结果界面（如上图）右上部红色模拟交易按钮，新建模拟交易如下图。
写好交易名称，设置初始资金，数据频率，此处是每天，设置好后点提交。
答疑与延伸：
模拟交易创建成功后，需要等待A股至少开盘一次，才能查看模拟交易结果。
8 开启微信通知，接收交易信号
点击聚宽导航栏我的交易，可以看到创建的模拟交易，如下图。
点击右边的微信通知开关，将OFF调到ON，按照指示扫描二维码，绑定微信，就能微信接收交易信号了。
当策略买卖操作，微信会收到信号提醒类似下图。
答疑与延伸：
能不能自动下单？目前不能，敬请期待。你可根据信号手动下单买卖，施行策略。
自测与自学
能否理解整个策略框架。
能否成功编写单股票均线策略，成功回测，建立模拟，开启微信通知。
能否理解年化收益，最大回撤。
浏览聚宽新手指南，干货，答疑，指路，一应俱全。
摘要回顾：
确定策略内容与框架
初始化
全局变量 g.
股票后缀
注释格式 #
获取收盘价与均价
获取二十日均价
获取收盘价
判断是否买卖
利用 if 进行判断
获取当前账户现金
买入卖出
下市价单
滑点
下单方法有哪些
无法交易的情况
进行回测
回测含义及其方法
如何根据回测结果评价策略
建立模拟交易，行情实时连接
开启微信通知，接收交易信号
