松鼠宽客

Ai全自动编写策略：趋势追涨加减仓策略(通达信&python双源码)

松鼠Quant

2025-10-15

量化策略开发，高质量社群，交易思路分享等相关内容

工具推荐

『正文』

Ai编写策略是量化领域的新常态，松鼠Quant在早些时候推出了开源项目《gitee官方推荐，松鼠QuantAi+回测框架详细版教程(图文)》让Ai自动编写策略，自动回测，给出总结和迭代意见。

现在我们将通达信指标：《趋势追涨加减仓策略》，让Ai自动完成python编写，然后自动回测总结。

通达信源码：

MA1:MA(CLOSE,5);MA2:MA(CLOSE,10);MA3:MA(CLOSE,20);廿一:MA(CLOSE,21),COLORRED,LINETHICK2;STICKLINE(C>=廿一 AND C>=O,C,O,3,0),COLORRED;注意:STICKLINE(C>=廿一 AND C>=O,H,L,0,0),COLORRED;VAR1:=(100 - ((90 * (HHV(HIGH,21) - CLOSE)) / (HHV(HIGH,21) - LLV(LOW,21))));VAR2:=(100 - ((90 * (HHV(HIGH,21) - CLOSE)) / (HHV(HIGH,21) - LLV(LOW,21))));VAR3:=(100 - MA(((100 * (HHV(HIGH,6) - CLOSE)) / (HHV(HIGH,6) - LLV(LOW,6))),34));DRAWTEXT(CROSS(VAR2,MA(VAR3,6)),(LOW * 0.984),'★ '),COLORRED;LC:=REF(CLOSE,1);RSI:=SMA(MAX(CLOSE-LC,0),6,1)/SMA(ABS(CLOSE-LC),6,1)*100;IF(CROSS(84,RSI) , HIGH,HIGH+1),POINTDOT,LINETHICK7,COLORYELLOW ;HIGH+1,POINTDOT,LINETHICK7,COLOR000000 ;HH:=HHV(H,250);LL:=LLV(L,250);E:=(HH-LL)/100;GJ:=IF(C>=100,(C+H+L+O)/4,AMOUNT/(V+0.01)/100);VARE1:=EMA(C,3);VARE2:=EMA(C,5);VARE3:=EMA(C,10);VAR4:=EMA(C,20);VAR5:=EMA(C,30);VAR6:=(VAR2+VAR3+VAR4+VAR5)/4;VAR7:=(VAR6-REF(VAR6,15))/REF(VAR6,15)*100;VAR8:=(VAR6-REF(VAR6,15))/REF(VAR6, 15)*100;VAR9:=EMA(VAR7,8);买进价:=((C-REF(MA(C,6),1))/6+MA(C,6))*1.004;买进条件:=CROSS(C,买进价) AND 买进价>REF(买进价,1);STICKLINE(买进条件,H,L,0,1),COLORWHITE,LINETHICK2;STICKLINE(买进条件,O,C,3,0),COLORWHITE,LINETHICK2;加码价:=((C-REF(MA(C,18),1))/18+MA(C,18))*1.004;加码条件:=CROSS(C,加码价) AND 加码价>REF(加码价,1);STICKLINE(加码条件,H,L,0,1),COLORYELLOW,LINETHICK2;STICKLINE(加码条件,O,C,3,0),COLORYELLOW,LINETHICK2;TY:=C;A1:=REF(TY,10)=HHV(TY,2*10+1); B1:=FILTER(A1,10);C1:=BACKSET(B1,10+1); HD:=FILTER(C1,10);A2:=REF(TY,10)=LLV(TY,2*10+1); B2:=FILTER(A2,10);C2:=BACKSET(B2,10+1); LD:=FILTER(C2,10);A:=REF(C,BARSLAST(HD));Z:=REF(L,BARSLAST(LD));T1:=BARSLAST(HD)<BARSLAST(LD) AND NOT(HD) ;T2:=BARSLAST(HD)>BARSLAST(LD) AND NOT(LD);峰:IF(T1,A,A),COLORYELLOW,LINETHICK1,POINTDOT;底:IF(T2,Z,Z),COLORWHITE,LINETHICK1,POINTDOT;

接下来让Ai帮我们转化到松鼠Quant回测框架内，我们不需要写一行代码！！！

github地址(国外)：

https://github.com/songshuquant/ssquant-ai

gitee地址(国内):

https://gitee.com/ssquant/ssquant-ai

如何使用，手把手教程：《gitee官方推荐，松鼠QuantAi+回测框架详细版教程(图文)》

提出需求：

自动修复BUG：

回测完成：

Python源码：

import pandas as pdimport numpy as npfrom ssquant.backtest.multi_source_backtest import MultiSourceBacktesterfrom ssquant.api.strategy_api import StrategyAPIdef initialize(api: StrategyAPI): """策略初始化函数""" api.log("多指标综合策略初始化完成")def strategy_function(api: StrategyAPI): """ 多指标综合交易策略主要交易逻辑： 1. 基于21日均线的趋势判断 2. RSI超买超卖信号 3. 威廉指标和移动平均组合信号 4. 价格突破买进价/加码价条件 5. 限制有持仓时不开同向仓位 """ # 获取当前索引和数据 current_idx = api.get_idx() close = api.get_close() high = api.get_high() low = api.get_low() open_price = api.get_open() # 数据验证 if close is None or len(close) == 0: return if current_idx < 30: # 需要足够的历史数据计算指标 return # 策略参数 ma_period_short = 5 ma_period_mid = 10 ma_period_long = 20 ma_period_21 = 21 rsi_period = 6 hhv_period = 21 hhv_short = 6 # 计算移动平均线 ma5 = close.rolling(ma_period_short).mean() ma10 = close.rolling(ma_period_mid).mean() ma20 = close.rolling(ma_period_long).mean() ma21 = close.rolling(ma_period_21).mean() # 计算威廉指标 VAR1, VAR2 hhv_21 = high.rolling(hhv_period).max() llv_21 = low.rolling(hhv_period).min() var1 = 100 - ((90 * (hhv_21 - close)) / (hhv_21 - llv_21)) var2 = var1 # 原公式中VAR2与VAR1相同 # 计算VAR3 hhv_6 = high.rolling(hhv_short).max() llv_6 = low.rolling(hhv_short).min() var3_temp = 100 - ((100 * (hhv_6 - close)) / (hhv_6 - llv_6)) var3 = var3_temp.rolling(34).mean() # 计算RSI指标 lc = close.shift(1) # 前一日收盘价 price_change = close - lc gain = np.maximum(price_change, 0) loss = np.abs(np.minimum(price_change, 0)) avg_gain = gain.rolling(rsi_period).mean() avg_loss = loss.rolling(rsi_period).mean() rsi = 100 - (100 / (1 + (avg_gain / (avg_loss + 1e-8)))) # 计算买进价和加码价 ma6 = close.rolling(6).mean() ma18 = close.rolling(18).mean() buy_price = ((close - ma6.shift(1)) / 6 + ma6) * 1.004 add_price = ((close - ma18.shift(1)) / 18 + ma18) * 1.004 # 获取当前持仓 current_pos = api.get_pos() # 交易信号逻辑 # 信号1: 价格在21日均线之上且收盘>=开盘 (多头趋势) trend_signal = (close.iloc[current_idx] >= ma21.iloc[current_idx]) and (close.iloc[current_idx] >= open_price.iloc[current_idx]) # 信号2: VAR2上穿VAR3的6日均线 (威廉指标金叉) var3_ma6 = var3.rolling(6).mean() cross_signal = (var2.iloc[current_idx-1] <= var3_ma6.iloc[current_idx-1]) and (var2.iloc[current_idx] > var3_ma6.iloc[current_idx]) # 信号3: RSI超买信号 (84下穿RSI) rsi_signal = (rsi.iloc[current_idx-1] >= 84) and (rsi.iloc[current_idx] < 84) # 信号4: 价格突破买进价条件 buy_condition = (close.iloc[current_idx] > buy_price.iloc[current_idx]) and (buy_price.iloc[current_idx] > buy_price.iloc[current_idx-1]) # 信号5: 价格突破加码价条件 add_condition = (close.iloc[current_idx] > add_price.iloc[current_idx]) and (add_price.iloc[current_idx] > add_price.iloc[current_idx-1]) # 综合交易决策 strong_buy_signal = (trend_signal and cross_signal) or buy_condition add_position_signal = add_condition and current_pos > 0 exit_signal = rsi_signal # RSI超买时考虑退出 # 执行交易 if strong_buy_signal: # 修改：检查当前持仓状态，避免在有同向持仓时重复开仓 if current_pos <= 0: # 平空仓并开多仓 if current_pos < 0: api.close_all(order_type='next_bar_open') api.log(f"平空仓: 价格{close.iloc[current_idx]:.2f}") # 开多仓 api.buy(volume=1, order_type='next_bar_open') api.log(f"买入开仓: 价格{close.iloc[current_idx]:.2f}, 趋势+指标信号") else: # 修改：已有同向持仓，记录但不执行开仓 api.log(f"已有{current_pos}手多单持仓，跳过开仓信号") elif add_position_signal and current_pos > 0: # 加码条件满足且已有持仓 # 修改：限制加码次数，避免过度加仓 max_add_times = 3 # 最大加码次数 if current_pos <= max_add_times: api.buy(volume=1, order_type='next_bar_open') api.log(f"加码买入: 价格{close.iloc[current_idx]:.2f}, 当前持仓{current_pos+1}手") else: api.log(f"已达到最大加码次数{max_add_times}次，跳过加码") elif exit_signal and current_pos > 0: # RSI超买信号，平多仓 api.close_all(order_type='next_bar_open') api.log(f"RSI超买平仓: 价格{close.iloc[current_idx]:.2f}, RSI:{rsi.iloc[current_idx]:.2f}")if __name__ == "__main__": # 导入API认证信息 try: from ssquant.config.auth_config import get_api_auth API_USERNAME, API_PASSWORD = get_api_auth() except ImportError: print("警告：未找到 auth_config.py 文件，请在下方填写您的认证信息：API_USERNAME和API_PASSWORD") API_USERNAME = "" API_PASSWORD = "" # 创建多数据源回测器 backtester = MultiSourceBacktester() # 设置基础配置 backtester.set_base_config({ 'username': API_USERNAME, # 使用配置文件中的用户名 'password': API_PASSWORD, # 使用配置文件中的密码 'use_cache': True, # 是否使用缓存数据 'save_data': True, # 是否保存数据 'align_data': False, # 是否对齐数据 'fill_method': 'ffill', # 填充方法 'debug': True # 启用调试模式 }) # 添加品种配置 backtester.add_symbol_config( symbol='au888', config={ # 品种配置 'start_date': '2024-01-01', # 回测开始日期 'end_date': '2025-12-31', # 回测结束日期 'initial_capital': 100000.0, # 初始资金，单位：元 'commission': 0.0003, # 手续费率，例如：0.0003表示万分之3 'margin_rate': 0.1, # 保证金率，例如：0.1表示10% 'contract_multiplier': 1000, # 合约乘数，黄金期货每点1000元 'periods': [ # 周期配置 {'kline_period': '1d', 'adjust_type': '1'}, # K线周期，后复权 ] } ) # 运行回测 results = backtester.run( strategy=strategy_function, initialize=initialize, strategy_params={}, # 本策略使用固定参数 )

没错，整个开发过程我们没有手写一行代码，松鼠QuantAi助手会编写，回测，分析，修改。基于松鼠Quant的MCP服务器+Deepseek开启全新量化学习的路径，即使0基础也能完成策略的编写与验证！

如果你喜欢这个系列，请点赞，转发，在看三连。我们根据受欢迎程度决定是否继续更新，感谢您的支持。

github地址(国外)：

https://github.com/songshuquant/ssquant-ai

gitee地址(国内):

https://gitee.com/ssquant/ssquant-ai

如何使用，手把手教程：《gitee官方推荐，松鼠QuantAi+回测框架详细版教程(图文)》

防迷路

微信｜小松鼠-松鼠Quant

微信号｜viquant01

加入2025量化俱乐部