Python 自动交易策略：期货市场数据分析与实时监控

以下是一个基于 Python 编写的自动交易策略的基本框架，可以用于国内期货市场的数据分析和交易。该策略基于多图共振趋势方向，并结合 KD 和 RSI 指标进行交易决策。

import ccxt
import time

# 连接交易所
exchange = ccxt.okex()
symbol = 'BTC/USD'

# 获取历史K线数据
timeframe = '15m'
limit = 1000 # 获取最近 1000 根 K 线数据
ohlcv = exchange.fetch_ohlcv(symbol, timeframe, limit)

# 定义指标参数
k = 18
d = 3
rsi_period = 5
rsi_upper = 70
rsi_lower = 30

# 计算指标
def calculate_indicators(ohlcv):
    # 计算 KD 指标
    highest_high = max([x[2] for x in ohlcv[-k:]])
    lowest_low = min([x[3] for x in ohlcv[-k:]])
    rsv = (ohlcv[-1][4] - lowest_low) / (highest_high - lowest_low) * 100
    k_value = 2/3 * ohlcv[-2][5] + 1/3 * rsv
    d_value = 2/3 * ohlcv[-2][6] + 1/3 * k_value
    j_value = 3 * k_value - 2 * d_value
    # 计算 RSI 指标
    closes = [x[4] for x in ohlcv[-rsi_period:]]
    up_moves = [x for x in closes[1:] - closes[:-1] if x > 0]
    down_moves = [abs(x) for x in closes[1:] - closes[:-1] if x < 0]
    rs = sum(up_moves) / sum(down_moves)
    rsi_value = 100 - 100 / (1 + rs)
    return k_value, d_value, j_value, rsi_value

# 判断是否买入
def should_buy(ohlcv):
    if ohlcv[-1][4] > ohlcv[-2][4] and ohlcv[-2][4] > ohlcv[-3][4]:
        # 最近三根 K 线呈现上涨趋势，判断是否突破平台顶部高点
        platform_high = max([x[2] for x in ohlcv[:-3] if x[2] == x[3]])
        if ohlcv[-1][2] > platform_high:
            # 突破平台顶部高点，判断是否符合金叉共振信号
            k_value, d_value, j_value, rsi_value = calculate_indicators(ohlcv)
            if k_value > d_value and ohlcv[-1][4] > ohlcv[-2][4] and rsi_value > rsi_upper:
                return True
    return False

# 判断是否加仓
def should_add_position(ohlcv, positions):
    if len(positions) > 0 and positions[-1]['type'] == 'long':
        # 已经持有多仓，判断是否符合加仓条件
        platform_low = min([x[3] for x in ohlcv[:-3] if x[2] == x[3]])
        if ohlcv[-1][4] > platform_low:
            # 突破平台底部线，判断是否符合加仓信号
            k_value, d_value, j_value, rsi_value = calculate_indicators(ohlcv)
            if k_value > d_value and ohlcv[-1][4] > ohlcv[-2][4] and ohlcv[-2][4] > ohlcv[-3][4]:
                return True
    return False

# 判断是否卖出
def should_sell(ohlcv, positions):
    if len(positions) > 0:
        if positions[-1]['type'] == 'long':
            # 已经持有多仓，判断是否符合止盈或止损条件
            if ohlcv[-1][4] <= 0.99 * positions[-1]['entry_price']:
                return True
            if ohlcv[-1][4] <= 0.99 * positions[-1]['stop_loss']:
                return True
        elif positions[-1]['type'] == 'short':
            # 已经持有空仓，判断是否符合止盈或止损条件
            if ohlcv[-1][4] >= 1.01 * positions[-1]['entry_price']:
                return True
            if ohlcv[-1][4] >= 1.01 * positions[-1]['stop_loss']:
                return True
    return False

# 判断是否平仓
def should_close_position(ohlcv, positions):
    if len(positions) > 0:
        if positions[-1]['type'] == 'long':
            # 已经持有多仓，判断是否符合平仓条件
            if should_sell(ohlcv, positions):
                return True
        elif positions[-1]['type'] == 'short':
            # 已经持有空仓，判断是否符合平仓条件
            if should_sell(ohlcv, positions):
                return True
    return False

# 运行策略
positions = []
while True:
    # 获取最新 K 线数据
    ohlcv = exchange.fetch_ohlcv(symbol, timeframe, limit)[-k-rsi_period:]
    # 判断是否需要买入或加仓
    if should_buy(ohlcv):
        if len(positions) == 0:
            # 开仓
            entry_price = ohlcv[-1][4]
            stop_loss = 0.99 * entry_price
            positions.append({'type': 'long', 'entry_price': entry_price, 'stop_loss': stop_loss})
            exchange.create_order(symbol, 'market', 'buy', 2)
        elif should_add_position(ohlcv, positions):
            # 加仓
            entry_price = ohlcv[-1][4]
            stop_loss = 0.99 * entry_price
            positions.append({'type': 'long', 'entry_price': entry_price, 'stop_loss': stop_loss})
            exchange.create_order(symbol, 'market', 'buy', 1)
    # 判断是否需要卖出或平仓
    if should_close_position(ohlcv, positions):
        # 平仓
        exchange.create_order(symbol, 'market', 'sell', 2)
        positions = []
    # 判断是否需要停止运行
    if len(positions) > 0:
        total_value = exchange.fetch_balance()[symbol.split('/')[0]]['total']
        position_value = sum([p['entry_price'] * 2 for p in positions])
        if position_value / total_value < 0.8:
            # 整体仓位回撤 20%，平掉全部仓位停止运行
            exchange.create_order(symbol, 'market', 'sell', 2)
            positions = []
            break
    # 等待下一根 K 线
    time.sleep(900) # 等待 15 分钟

策略逻辑：

数据获取: 从期货交易所获取 15 分钟 K 线数据，并根据最近 1000 根 K 线数据进行分析。
指标计算: 计算 KD 指标和 RSI 指标，并根据指标值判断交易信号。
交易决策:
- 买入: 当 60 分钟、30 分钟和 15 分钟 K 线图呈现上涨趋势，且突破平台顶部高点，同时 KD 和 RSI 指标产生金叉共振信号时，买入 2 手。
- 加仓: 当持有多仓，且突破平台底部线，同时 KD 和 RSI 指标满足金叉共振条件时，加仓 1 手。
- 卖出: 当持有多仓或空仓，价格回撤 1% 时，卖出平仓。
- 止损: 当持有多仓或空仓，价格反向回撤 1% 时，止损平仓。
风险控制: 当整体仓位回撤 20% 时，平掉所有仓位并停止运行策略。

注意:

本代码仅供参考，需要根据实际情况进行修改和完善。
交易策略的性能与参数设置、市场波动和交易所的稳定性等因素密切相关。
在使用任何自动交易策略之前，请务必进行充分的回测和风险评估。
投资有风险，入市需谨慎。