Costumo frequentar a plataforma do inventor e sempre encontro tesouros. Hoje encontrei um jovem de 21 anosEstratégia de TendênciasAdmiro a estrutura requintada e perfeita do código original do autor, que possui alta flexibilidade. A estratégia original é a versão JS, que foi reescrita para a conveniência dos amigos do Python.

Honestamente, muitos iniciantes fazem muitos desvios ao começar a negociar quantitativamente. Frequentemente, eles encontram problemas como ordens falhadas, perdas por má gestão de risco e perda de dados após reiniciar uma estratégia. Mais tarde, gradualmente percebi a importância de uma boa estrutura, que pode nos ajudar a evitar muitas armadilhas. Esta estrutura de estratégia de tendências é uma ferramenta muito valiosa. É mais do que uma simples estratégia de negociação; é mais como uma caixa de ferramentas, fornecendo funções básicas, porém cruciais, como colocação de ordens, ordens stop-loss e gerenciamento de dados. Você só precisa se concentrar nas questões centrais de "quando comprar" e "quando vender". Além disso, a estrutura é bastante aberta, permitindo que você troque facilmente a MME pelo MACD, RSI ou qualquer outro indicador de sua preferência. Quer acompanhar tendências? Sem problemas. Quer tentar a reversão à média? Quer até mesmo combinar vários indicadores? Com ​​certeza. Essa flexibilidade é incrivelmente útil; você pode modificar o mesmo código para experimentar ideias diferentes.

Compartilho esta estrutura hoje, esperando que seja útil para quem está explorando o investimento quantitativo. Abaixo, uma introdução detalhada a cada componente desta estrutura, que acredito que você achará útil.

Estrutura e função do framework

Em comparação com as múltiplas funções independentes utilizadas em frameworks de negociação de múltiplas commodities, este framework busca organizar e gerenciar as diversas partes de uma estratégia utilizando um formato de classe. Este design orientado a objetos não apenas melhora a manutenibilidade e a escalabilidade do código, como também torna os componentes da estratégia mais modulares, facilitando ajustes e otimizações subsequentes. O framework consiste principalmente nas seguintes seções, cada uma com sua função específica, garantindo a flexibilidade e a praticidade da estratégia.

Inicialização e configuração

função init

• Funções：__init__Esta função é o método de inicialização da classe de estratégia, responsável por definir a configuração básica da estratégia, inicializar variáveis ​​e obter informações de mercado. Esta função garante que os parâmetros necessários sejam configurados antes da execução da estratégia, garantindo que as operações de negociação subsequentes possam ser executadas sem problemas.
• Passo a passo：
  1. Configuração básica: Defina a moeda de negociação, o tipo de contrato, as regras de take-profit e stop-loss, etc.
  2. Informações de mercado：Obter a precisão do preço e da quantidade do contrato para garantir a legalidade do pedido.
  3. Inicializando variáveis: Incluindo julgamento de tendências, parâmetros de stop-profit e stop-loss, variáveis ​​estatísticas, etc., para ajudar as estratégias a tomar decisões com base nas condições de mercado.
  4. Configurações de troca：Configure a interface da API de câmbio de acordo com as informações de mercado, como definição de margem, precisão, etc.

função initDatas

• Funções: Inicializa os dados quando a estratégia está em execução, incluindo ativos da conta, estatísticas de lucro, etc.
• Passo a passo：
  1. Economize tempo de execução da política.
  2. Leia dados de usuários locais.
  3. Inicialize ativos de conta, estatísticas de renda e outros dados.
  4. Verifica se o take profit e o callback take profit estão habilitados ao mesmo tempo.

Gerenciamento e armazenamento de dados

função saveStrategyRunTime

• Funções: Salve o horário de início da política para estatísticas e monitoramento subsequentes.
• Passo a passo：
  1. Verifique se o tempo de execução é salvo localmente.
  2. Se não for salvo, registre a hora atual e salve-a localmente.
  3. Se tiver sido salvo, leia o horário salvo localmente.

função setStrategyRunTime

• Funções: Defina a hora de início da política e salve-a no armazenamento local.
• Passo a passo：
  1. Usando a plataforma_GA função salva o registro de data e hora passado localmente.
  2. Atualize o horário de início da execução nos dados da política.

função getDaysFromTimeStamp

• Funções: Calcula a diferença em dias entre dois registros de data e hora para calcular a duração da execução da política.
• Passo a passo：
  1. Verifica se o horário de término é anterior ao horário de início e retorna 0 em caso afirmativo.
  2. Calcula a diferença em segundos entre dois registros de data e hora e a converte em dias.
  3. Retorna a diferença em dias.

função saveUserDatasLocal

• Funções: Salve os dados principais durante a execução da política no computador local para que eles possam ser restaurados quando a política for reiniciada.
• Passo a passo：
  1. Ativos de contas de pacotes, estatísticas de renda e outros dados.
  2. Usando a plataforma_GA função salva os dados localmente.

função readUserDataLocal

• Funções: Leia dados do usuário salvos localmente para recuperação de dados quando a política for reiniciada.
• Passo a passo：
  1. Verifique se há algum dado salvo localmente.
  2. Caso contrário, inicialize os dados e salve-os localmente.
  3. Se sim, ele é lido e carregado na política.

função clearUserDataLocal

• Funções: Limpa dados de usuário salvos localmente, geralmente usados ​​para redefinição de políticas ou depuração.
• Passo a passo：
  1. Usando a plataforma_GA função limpa os dados locais.
  2. Operações de limpeza de logs.

Interação de políticas e processamento de comandos

Função runCmd

• Funções: Processa comandos enviados pelos usuários por meio da interface interativa, como limpar dados locais, modificar a quantidade do pedido, etc.
• Passo a passo：
  1. Obtenha o comando enviado pelo usuário.
  2. Execute operações correspondentes com base no tipo de comando, como limpar dados locais, modificar a quantidade do pedido, etc.
  3. Registre os resultados da execução do comando.

Negociação e gerenciamento de ordens

função orderDirectly

• Funções: Faça pedidos diretamente com base na direção e no preço, dando suporte às operações de abertura e fechamento.
• Passo a passo：
  1. Selecione a função de negociação de acordo com a direção (compra ou venda).
  2. Defina a direção da negociação.
  3. Execute a operação de pedido e retorne o resultado.

função openLong

• Funções: Abra uma posição longa e faça uma ordem com base no preço e na quantidade.
• Passo a passo：
  1. Calcule a quantidade real do pedido.
  2. ChamarorderDirectlyA função executa uma operação de compra.

função openShort

• Funções：Abra uma posição curta e faça uma ordem com base no preço e na quantidade.
• Passo a passo：
  1. Calcule a quantidade real do pedido.
  2. ChamarorderDirectlyA função executa uma operação de venda.

função coverLong

• Funções：Feche posições longas e faça ordens com base no preço e na quantidade.
• Passo a passo：
  1. ChamarorderDirectlyA função executa uma operação de venda.

função coverShort

• Funções：Feche a posição vendida e coloque a ordem com base no preço e na quantidade.
• Passo a passo：
  1. ChamarorderDirectlyA função executa uma operação de compra.

função getRealOrderSize

• Funções: Recalcule a quantidade real do pedido com base no preço e na quantidade e ofereça suporte à colocação de pedidos com base na taxa de margem.
• Passo a passo：
  1. Calcule a quantidade real do pedido com base no fato de o pedido ser feito de acordo com a taxa de margem.
  2. Retorna a quantidade do pedido calculada.

Gestão de Risco e Estatísticas de Retorno

função getSinglePositionMargin

• Funções: Calcula a margem ocupada por uma única posição.
• Passo a passo：
  1. A margem é calculada com base na direção da posição e na quantidade.
  2. Retorna o resultado do cálculo.

função getSinglePositionProfit

• Funções: Calcular a renda e o rendimento de uma única posição.
• Passo a passo：
  1. Calcule o lucro com base na direção da posição e no preço atual.
  2. Retorna os ganhos e rendimentos.

função calculateForcedPrice

• Funções: Calcula o preço de liquidação de uma posição.
• Passo a passo：
  1. O preço de liquidação é calculado com base na direção da posição e no saldo da conta.
  2. Retorna o resultado do cálculo.

função getMaxOrderSize

• Funções: Calcule a quantidade máxima do pedido.
• Passo a passo：
  1. A quantidade máxima de pedido que pode ser feita é calculada com base no saldo da conta e na alavancagem.
  2. Retorna o resultado do cálculo.

função getAccountAsset

• Funções: Calcula o total de ativos da conta, incluindo posições e saldo disponível.
• Passo a passo：
  1. Calcule o patrimônio total com base nas posições e no saldo da conta.
  2. Retorna o resultado do cálculo.

função calcularLucro

• Funções: Calcule e registre os retornos da estratégia.
• Passo a passo：
  1. Calcule a diferença entre o retorno total atual e os ativos iniciais.
  2. Registre os ganhos e atualize as variáveis ​​estatísticas.
  3. Salve dados de renda localmente.

função isEnoughAssetToOrder

• Funções: Verifique se os fundos da conta são suficientes para fazer um pedido.
• Passo a passo：
  1. Obtenha informações sobre o saldo da conta.
  2. Calcule os fundos necessários com base no tipo de moeda da transação (baseada em USDT ou em moedas).
  3. Verifique se o saldo da conta atende aos requisitos do pedido.
  4. Retorna um valor booleano que indica se os fundos são suficientes.

Julgamento de tendências e lógica de negociação

função runInKLinePeriod

• Funções: Determine se a lógica da estratégia deve ser executada com base no ciclo da linha K.
• Passo a passo：
  1. Verifique se a linha K atual foi processada.
  2. Se não for processado, marque como processado e devolvaTrueCaso contrário, retorneFalse。

Função trendJudgment (módulo principal de julgamento de tendências)

• Funções: Determine a tendência atual com base em indicadores técnicos. Este é o módulo mais flexível de toda a estrutura. Os usuários podem substituir diferentes indicadores técnicos para determinar a tendência de acordo com suas necessidades.
• Implementação atual: Use EMA (Média Móvel Exponencial) combinada com desvio padrão para determinar a tendência
• Escalabilidade：Esta função foi projetada como um módulo plugável e os usuários podem facilmente substituí-la por outros indicadores técnicos, como:
  • RSI (Índice de Força Relativa)：Avaliação de condições de sobrecompra e sobrevenda
  • MACD (Convergência Divergência da Média Móvel): Identificar pontos de inflexão de tendências
  • Bandas de Bollinger：Julgamento de tendência com base na volatilidade do preço
  • Indicador KDJ：Julgamento combinado de momentum e tendência
  • Portfólio de múltiplos indicadores: Vários indicadores podem ser combinados para um julgamento de tendência mais preciso
• Passo a passo：
  1. Calcule o indicador EMA e determine se o preço o cruza.
  2. Determine se está em uma tendência com base no desvio padrão.
  3. Retorna a tendência atual (longa, curta ou de intervalo).

função stopLoss

• Funções：Execute a operação stop-loss de acordo com as regras de stop-loss.
• Passo a passo：
  1. Verifique se a posição atinge as condições de stop loss.
  2. Se for atingido, a posição será fechada e as informações de stop loss serão registradas.

função takeProfit

• Funções：Execute a operação de take-profit de acordo com as regras de take-profit.
• Passo a passo：
  1. Verifique se a posição atende às condições de lucro.
  2. Se for atingido, a posição será fechada e as informações de take-profit serão registradas.

função trackingTakeProfit

• Funções: Execute a operação take-profit de acordo com as regras de callback take-profit.
• Passo a passo：
  1. Verifique se a posição atende às condições de ativação do callback take profit.
  2. Se for atingido, a posição será fechada e as informações de take-profit serão registradas.

função de ordem

• Funções: Executar operação de ordem com base nos resultados do julgamento de tendências.
• Passo a passo：
  1. Verifique as posições atuais.
  2. Abra ou feche posições com base nos resultados do julgamento de tendências.

Lógica central da estratégia

Função trendStrategy

• Funções: A função lógica central da estratégia, responsável por executar o julgamento de tendência, stop loss e take profit, callback take profit e operações de ordem.
• Passo a passo：
  1. Obtenha dados de mercado: Obtenha informações atuais de mercado, informações de posição, informações de conta e dados da linha K.
  2. Verifique as posições: Certifique-se de que nenhuma posição longa ou curta seja mantida simultaneamente, caso contrário, uma exceção será lançada.
  3. Interação estratégica: Processa comandos enviados pelos usuários por meio da interface interativa.
  4. Impressão de informações da barra de status: Atualizar e imprimir status da operação de estratégia, informações da conta e status da posição.
  5. Cessação de perdas：Verificar e executar operações de stop-loss de acordo com as regras de stop-loss.
  6. - Não, não.: Verifique e execute operações de take-profit de acordo com as regras de take-profit.
  7. Obtenha lucro no retorno de chamada: Verifique e execute operações de take-profit de acordo com as regras de callback take-profit.
  8. Verificação do ciclo da linha K: Garanta que a lógica da estratégia seja executada de acordo com o ciclo da linha K.
  9. Julgar tendências: Determinar a tendência atual (longa, curta ou oscilante) com base em indicadores técnicos.
  10. Faça um pedido: Abra ou feche uma posição com base nos resultados do julgamento de tendência.

Monitoramento de status e saída de log

função printLogStatus

• Funções: Imprima o status da operação da estratégia, informações da conta e status da posição.
• Passo a passo：
  1. Crie dados tabulares de visão geral da estratégia, fundos de contas e posições.
  2. usarLogStatusA função envia os dados da tabela para a barra de status.

Função principal e execução da estratégia

função principal

• Funções: A função principal da estratégia, responsável por inicializar a estratégia e percorrer a lógica da estratégia.
• Passo a passo：
  1. Inicialize o ambiente de simulação de troca.
  2. Crie uma instância de estratégia e inicialize os dados.
  3. A lógica da estratégia é executada em um loop, verificando a situação do mercado e executando operações de negociação em intervalos regulares.

Recursos da estrutura

1. Julgamento de tendência flexível: Utilizando a MME e o desvio padrão, esta estratégia permite determinar tendências de mercado com flexibilidade e é aplicável a diversos ambientes de mercado. Esta função é apenas um exemplo; os usuários podem usar diferentes indicadores técnicos (como RSI, MACD, Bandas de Bollinger, etc.) para determinar tendências conforme necessário.
2. Diversos mecanismos de stop-loss e take-profit：Suporta stop loss de porcentagem fixa, take profit e callback take profit para atender às necessidades de traders com diferentes preferências de risco.
3. Gestão de dados locais: Os dados de operação da política e os dados do usuário são salvos localmente para garantir que a política possa ser restaurada ao seu estado anterior após a reinicialização.
4. Comandos interativos: Suporta interação com políticas por meio da linha de comando, facilitando para os usuários ajustar parâmetros de políticas ou executar operações específicas.

Aplicabilidade

Esta estrutura não é aplicável apenas ao mercado de moeda digital, mas também pode ser usada notrendJudgmentA estrutura pode ser expandida na função para se adaptar a diferentes requisitos de estratégias de negociação. Além disso, a estrutura também pode ser modificada especificamente para o mercado à vista ou contratos multivariados, com alta flexibilidade e escalabilidade.

1. Suporte ao mercado spot:Atualmente, esta estrutura é voltada principalmente para o mercado de contratos e, no futuro, pode ser expandida para dar suporte a estratégias de negociação no mercado à vista.
2. Contratos multiprodutos: Ao adicionar suporte para múltiplos contratos, as estratégias podem monitorar e negociar diversas moedas digitais simultaneamente, melhorando a utilização do capital.
3. Integração de aprendizado de máquina: Combinado com algoritmos de aprendizado de máquina, ele melhora ainda mais a precisão do julgamento de tendências e o nível de inteligência das estratégias.
4. Otimização da gestão de riscos: Otimizar ainda mais os mecanismos de gestão de risco, como o ajuste dinâmico dos índices de alavancagem e mecanismos de stop-loss e take-profit multinível, para melhorar a robustez da estratégia.

Resumir

Como um sistema de negociação automatizado abrangente e altamente flexível, esta estrutura é adequada para negociação de tendências no mercado de criptomoedas. Por meio de otimização e expansão contínuas, espera-se que se torne uma ferramenta valiosa para traders de criptomoedas no futuro, ajudando-os a desenvolver melhor suas próprias estratégias quantitativas. A "Estrutura de Negociação de Estratégias de Tendências em Criptomoedas" apresenta uma estrutura abrangente. Embora relativamente extensa em código, ela abrange essencialmente os principais módulos funcionais necessários para a negociação de tendências de uma perspectiva de negociação do mundo real. Portanto, esta estrutura possui um valor de referência significativo e importância prática, tanto para o aprendizado de estratégias de negociação quanto para a aplicação prática. Sua funcionalidade abrangente e flexibilidade permitem que ela se adapte a diversos ambientes de mercado, fornecendo um suporte sólido.

A Plataforma Inventor é um tesouro de conhecimento e estratégias de negociação quantitativa, cada uma incorporando a sabedoria e a experiência de seus desenvolvedores. Convidamos todos a explorar estratégias e técnicas de negociação valiosas aqui. Agradecemos a todos os nossos usuários inovadores e dedicados. É graças às suas contribuições que esta plataforma se tornou um espaço vital para aprendizado e intercâmbio em negociação quantitativa, ajudando todos a aprimorar suas habilidades e expertise.

            python
            
            
'''backtest
start: 2024-11-26 00:00:00
end: 2024-12-03 00:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
'''

import json, talib
import numpy as np

class TrendStrategy:
    def __init__(self):
        # 基本设置
        self._Currency = TradeCurrency
        self._Interval = Interval
        self._UseQuarter = UseQuarter
        self._UseContract = TradeCurrency + ('.swap' if self._UseQuarter else '.quarter')
        self._OnlyTrendJudgment = OnlyTrendJudgment
        self._EnableMessageSend = EnableMessageSend
        # 趋势判断
        self._RunInKLinePeriod = RunInKLinePeriod
        self._KLinePeriod = KLinePeriod
        self._EmaLength = EmaLength
        self._EmaCoefficient = EmaCoefficient
        self._UseStddev = UseStddev
        self._UseRecordsMiddleValue = UseRecordsMiddleValue
        self._StddevLength = StddevLength
        self._StddevDeviations = StddevDeviations
        # 下单设置
        self._MarginLevel = MarginLevel
        self._OrderSize = OrderSize
        self._OrderByMargin = OrderByMargin
        self._OrderMarginPercent = OrderMarginPercent
        self._PricePrecision = None
        self._AmountPrecision = None
        self._OneSizeInCurrentCoin = None
        self._QuarterOneSizeValue = None
        # 止盈止损
        self._UseStopLoss = UseStopLoss
        self._StopLossPercent = StopLossPercent
        self._UseTakeProfit = UseTakeProfit
        self._TakeProfitPercent = TakeProfitPercent
        self._UseTrackingTakeProfit = UseTrackingTakeProfit
        self._UsePositionRetracement = UsePositionRetracement
        self._TakeProfitTriggerPercent = TakeProfitTriggerPercent
        self._CallBakcPercent = CallBakcPercent

        # 策略变量
        self._LastBarTime = 0
        self._TrendWhenTakeProfitOrStopLoss = 0
        self._HadStopLoss = False
        self._TriggeredTakeProfit = False
        self._PeakPriceInPosition = 0
        self._HadTakeProfit = False
        self._PriceCrossEMAStatus = 0

        # 统计变量
        self._InitAsset = 0
        self._ProfitLocal = 0
        self._TakeProfitCount = 0
        self._TradeCount = 0
        self.StrategyRunTimeStampString = "strategy_run_time"
        self._StrategyDatas = {"start_run_timestamp": 0, "others": ""}
        self._UserDatas = None

        # 相对固定参数
        self._MaintenanceMarginRate = 0.004
        self._TakerFee = 0.0005
        self._IsUsdtStandard = False

        # 获取合约信息
        ticker = _C(exchange.GetTicker, self._UseContract)
        marketInfo = exchange.GetMarkets()[self._UseContract]
        Log('获取市场信息：', marketInfo)
        self._PricePrecision = marketInfo['PricePrecision']
        self._AmountPrecision = marketInfo['AmountPrecision']
        self._OneSizeInCurrentCoin = marketInfo['CtVal']
        self._QuarterOneSizeValue = marketInfo['CtVal']

        exchange.SetCurrency(self._Currency)
        exchange.SetMarginLevel(self._UseContract, self._MarginLevel)
        exchange.SetPrecision(self._PricePrecision, self._AmountPrecision)

        # 初始化数据
    def initDatas(self):

        self.saveStrategyRunTime()
        self.readUserDataLocal()

        self._InitAsset = self._UserDatas["init_assets"]
        self._ProfitLocal = self._UserDatas["profit_local"]
        self._TakeProfitCount = self._UserDatas["take_profit_count"]
        self._TradeCount = self._UserDatas["trade_count"]

        if self._OrderByMargin:
            self.getRealOrderSize(-1, self._OrderSize)
            Log("已经重新计算下单张数：", self._OrderSize)
        if self._UseTakeProfit and self._UseTrackingTakeProfit:
            raise Exception("止盈和回调止盈不能同时使用！")

    # 设置合约
    def setContract(self):
        self._IsUsdtStandard = "USDT" in self._Currency

        exchange.SetCurrency(self._Currency)
        if self._UseQuarter:
            exchange.SetContractType("quarter")
        else:
            exchange.SetContractType("swap")

    # 保存程序起始运行时间 秒级时间戳
    def saveStrategyRunTime(self):
        local_data_strategy_run_time = _G(self.StrategyRunTimeStampString)

        if local_data_strategy_run_time is None:
            self._StrategyDatas["start_run_timestamp"] = Unix()
            _G(self.StrategyRunTimeStampString, self._StrategyDatas["start_run_timestamp"])
        else:
            self._StrategyDatas["start_run_timestamp"] = local_data_strategy_run_time

    # 设置程序起始运行时间 秒级时间戳
    def setStrategyRunTime(self, timestamp):
        _G(self.StrategyRunTimeStampString, timestamp)
        self._StrategyDatas["start_run_timestamp"] = timestamp

    # 计算两个时间戳之间的天数，参数是秒级时间戳
    def getDaysFromTimeStamp(self, start_time, end_time):
        if end_time < start_time:
            return 0

        return (end_time - start_time) // (60 * 60 * 24)

    # 保存数据到本地
    def saveUserDatasLocal(self):
        self._UserDatas = {
            "init_assets": self._InitAsset,
            "profit_local": self._ProfitLocal,
            "take_profit_count": self._TakeProfitCount,
            "trade_count": self._TradeCount
        }
        # 存储到本地
        _G(exchange.GetLabel(), self._UserDatas)
        Log("已把所有数据保存到本地.")

    # 读取用户本地数据，程序启动时候运行一次
    def readUserDataLocal(self):
        user_data = _G(exchange.GetLabel())
        if user_data is None:
            self._InitAsset = self.getAccountAsset(_C(exchange.GetPosition), _C(exchange.GetAccount), _C(exchange.GetTicker))
            self._UserDatas = {
                "init_assets": self._InitAsset,
                "profit_local": 0,
                "take_profit_count": 0,
                "trade_count": 0
            }
        else:
            self._UserDatas = user_data

    # 清除用户本地数据，交互按钮点击运行
    def clearUserDataLocal(self):
        _G(exchange.GetLabel(), None)
        Log(exchange.GetLabel(), "：已清除本地数据.")

    # 策略交互
    def runCmd(self):
        cmd = GetCommand()

        if cmd:
            # 检测交互命令
            Log("接收到的命令：", cmd, "#FF1CAE")
            if cmd.startswith("ClearLocalData:"):
                # 清除本地数据
                self.clearUserDataLocal()
            elif cmd.startswith("SaveLocalData:"):
                # 保存数据到本地
                self.saveUserDatasLocal()
            elif cmd.startswith("ClearLog:"):
                # 清除日志
                log_reserve = cmd.replace("ClearLog:", "")
                LogReset(int(log_reserve))
            elif cmd.startswith("OrderSize:"):
                # 修改下单张数
                if self._OrderByMargin:
                    Log("已经使用保证金数量来下单，无法直接修改下单数量！")
                else:
                    order_size = int(cmd.replace("OrderSize:", ""))
                    self._OrderSize = order_size
                    Log("下单张数已经修改为：", self._OrderSize)
            elif cmd.startswith("OrderMarginPercent:"):
                # 修改下单保证金百分比
                if self._OrderByMargin:
                    order_margin_percent = float(cmd.replace("OrderMarginPercent:", ""))
                    self._OrderMarginPercent = order_margin_percent
                    Log("下单保证金百分比：", self._OrderMarginPercent, "%")
                else:
                    Log("没有打开根据保证金数量下单，无法修改下单保证金百分比！")

    # 交易函数
    def orderDirectly(self, distance, price, amount):
        tradeFunc = None

        if amount <= 0:
            raise Exception("设置的参数有误，下单数量已经小于0！")

        if distance == "buy":
            tradeFunc = exchange.Buy
        elif distance == "sell":
            tradeFunc = exchange.Sell
        elif distance == "closebuy":
            tradeFunc = exchange.Sell
        else:
            tradeFunc = exchange.Buy

        exchange.SetDirection(distance)
        return tradeFunc(price, amount)

    def openLong(self, price, amount):
        real_amount = self.getRealOrderSize(price, amount)
        return self.orderDirectly("buy", price, real_amount)

    def openShort(self, price, amount):
        real_amount = self.getRealOrderSize(price, amount)
        return self.orderDirectly("sell", price, real_amount)

    def coverLong(self, price, amount):
        return self.orderDirectly("closebuy", price, amount)

    def coverShort(self, price, amount):
        return self.orderDirectly("closesell", price, amount)

    # 重新计算下单数量
    def getRealOrderSize(self, price, amount):
        real_price = price if price != -1 else _C(exchange.GetTicker).Last
        if self._OrderByMargin:
            if self._IsUsdtStandard:
                
                self._OrderSize = _N(self._InitAsset * (self._OrderMarginPercent / 100) / real_price * self._MarginLevel / self._OneSizeInCurrentCoin, self._AmountPrecision)  # u本位数量（杠杆放大数量）
                
            else:
                self._OrderSize = _N(self._InitAsset * (self._OrderMarginPercent / 100) * self._MarginLevel * real_price / self._QuarterOneSizeValue, self._AmountPrecision)  # 币本位数量（杠杆放大数量）
        else:
            self._OrderSize = amount
        return self._OrderSize

    # 获取单个持仓占用保证金
    def getSinglePositionMargin(self, position, ticker):
        position_margin = 0

        if len(position) > 0:
            if self._IsUsdtStandard:
                position_margin = position[0].Amount * self._OneSizeInCurrentCoin * ticker.Last / self._MarginLevel
            else:
                position_margin = position[0].Amount * self._QuarterOneSizeValue / ticker.Last / self._MarginLevel

        return position_margin

    # 获取单向持仓的收益和收益%
    def getSinglePositionProfit(self, position, ticker):
        if len(position) == 0:
            return [0, 0]

        price = ticker.Last
        position_margin = self.getSinglePositionMargin(position, ticker)

        position_profit_percent = (price - position[0].Price) / position[0].Price * self._MarginLevel if position[0].Type == PD_LONG else (position[0].Price - price) / position[0].Price * self._MarginLevel
        position_profit = position_margin * position_profit_percent

        return [position_profit, position_profit_percent]

    # 计算强平价格
    def calculateForcedPrice(self, account, position, ticker):
        position_profit = 0
        total_avail_balance = 0
        forced_price = 0

        position_margin = self.getSinglePositionMargin(position, ticker)
        [position_profit, position_profit_percent] = self.getSinglePositionProfit(position, ticker)

        if self._IsUsdtStandard:
            total_avail_balance = account.Balance + position_margin + account.FrozenBalance - position_profit if position_profit > 0 else account.Balance + position_margin + account.FrozenBalance
            if position[0].Type == PD_LONG:
                forced_price = ((self._MaintenanceMarginRate + self._TakerFee) * self._MarginLevel * account.FrozenBalance - total_avail_balance) / self._OneSizeInCurrentCoin + (position[0].Amount * position[0].Price) / (position[0].Amount - (self._MaintenanceMarginRate + self._TakerFee) * position[0].Amount)
            else:
                forced_price = ((self._MaintenanceMarginRate + self._TakerFee) * self._MarginLevel * account.FrozenBalance - total_avail_balance) / self._OneSizeInCurrentCoin - (position[0].Amount * position[0].Price) / (-1 * position[0].Amount - (self._MaintenanceMarginRate + self._TakerFee) * position[0].Amount)
        else:
            total_avail_balance = account.Stocks + position_margin + account.FrozenStocks - position_profit if position_profit > 0 else account.Stocks + position_margin + account.FrozenStocks
            if position[0].Type == PD_LONG:
                forced_price = (self._MaintenanceMarginRate * position[0].Amount + position[0].Amount) / (total_avail_balance / self._QuarterOneSizeValue + position[0].Amount / position[0].Price)
            else:
                forced_price = (self._MaintenanceMarginRate * position[0].Amount - position[0].Amount) / (total_avail_balance / self._QuarterOneSizeValue - position[0].Amount / position[0].Price)

        if forced_price < 0:
            forced_price = 0

        return forced_price

    # 计算最大可下单张数
    def getMaxOrderSize(self, margin_level, ticker, account):
        max_order_size = 0

        if self._IsUsdtStandard:
            max_order_size = account.Balance * margin_level / (self._OneSizeInCurrentCoin * ticker.Last)
        else:
            max_order_size = account.Stocks * ticker.Last / self._QuarterOneSizeValue * margin_level

        return _N(max_order_size, self._AmountPrecision)

    # 获取账户资产
    def getAccountAsset(self, position, account, ticker):
        # 计算不同情况下的账户初始资产
        account_asset = 0
        position_margin = self.getSinglePositionMargin(position, ticker)

        if self._IsUsdtStandard:
            if len(position) > 0:
                account_asset = account.Balance + account.FrozenBalance + position_margin
            else:
                account_asset = account.Balance + account.FrozenBalance
        else:
            if len(position) > 0:
                account_asset = account.Stocks + account.FrozenStocks + position_margin
            else:
                account_asset = account.Stocks + account.FrozenStocks

        return account_asset

    # 收益统计
    def calculateProfit(self, ticker):
        # 重新获取一下账户持仓与资产
        position = _C(exchange.GetPosition)
        account = _C(exchange.GetAccount)
        # 当前总收益 - 上一次总收益 = 本次的收益
        current_profit = (self.getAccountAsset(position, account, ticker) - self._InitAsset) - self._ProfitLocal
        self._ProfitLocal += current_profit

        if current_profit > 0:
            self._TakeProfitCount += 1
        self._TradeCount += 1

        LogProfit(_N(self._ProfitLocal, 4), "        本次收益：", _N(current_profit, 6))
        self.saveUserDatasLocal()

    # 是否还够资金下单
    def isEnoughAssetToOrder(self, order_size, ticker):
        is_enough = True
        account = _C(exchange.GetAccount)

        if self._IsUsdtStandard:
            if account.Balance < order_size * ticker.Last * self._OneSizeInCurrentCoin / self._MarginLevel:
                is_enough = False
        else:
            if account.Stocks < order_size * self._QuarterOneSizeValue / ticker.Last / self._MarginLevel:
                is_enough = False

        return is_enough

    # 按照K线周期运行策略核心
    def runInKLinePeriod(self, records):
        bar_time = records[-1].Time
        if self._RunInKLinePeriod and self._LastBarTime == bar_time:
            return False

        self._LastBarTime = bar_time
        return True

    # 趋势判断模块（可编辑具体指标）
    def trendJudgment(self, records):
        # 检查价格是否穿过均线
        def checkPriceCrossEma(price, ema_value):
            if self._PriceCrossEMAStatus == 0:
                if price <= ema_value:
                    self._PriceCrossEMAStatus = -1
                else:
                    self._PriceCrossEMAStatus = 1
            elif (self._PriceCrossEMAStatus == -1 and price >= ema_value) or (self._PriceCrossEMAStatus == 1 and price <= ema_value):
                self._PriceCrossEMAStatus = 2  # 完成穿过

        # EMA的多空判断
        ema_long = False
        ema_short = False
        price = records[-2].Close  # 已经收盘的K线的收盘价格
        ema = TA.EMA(records, self._EmaLength)
        ema_value = ema[-2]  # 收盘K线对应ema值
        ema_upper = ema_value * (1 + self._EmaCoefficient)
        ema_lower = ema_value * (1 - self._EmaCoefficient)

        checkPriceCrossEma(price, ema_value)
        if price > ema_upper:
            ema_long = True
        elif price < ema_lower:
            ema_short = True

        # 标准差判断
        in_trend = False
        if self._UseStddev:
            records_data = []
            for i in range(len(records)):
                records_data.append((records[i].High + records[i].Low) / 2 if self._UseRecordsMiddleValue else records[i].Close)

            records_data = np.array(records_data)  # 将 list 转换为 np.array
            stddev = np.std(records_data, ddof=1)  # 使用 numpy 计算标准差
            if stddev > self._StddevDeviations:
                in_trend = True
        else:
            in_trend = True

        # 趋势判断
        long = in_trend and ema_long 
        short = in_trend and ema_short

        if long:
            Log("当前趋势为：多", self._EnableMessageSend and "@" or "#00FF7F")
        elif short:
            Log("当前趋势为：空", self._EnableMessageSend and "@" or "#FF0000")
        else:
            Log("当前趋势为：震荡", self._EnableMessageSend and "@" or "#007FFF")

        return [long, short]

    # 止损
    def stopLoss(self, position, ticker):
        stop_loss_price = 0
        price = ticker.Last

        if len(position) == 1 and self._UseStopLoss:
            if position[0].Type == PD_LONG:
                stop_loss_price = position[0].Price * (1 - self._StopLossPercent / 100)
                if price < stop_loss_price:
                    self.coverLong(-1, position[0].Amount)
                    self.calculateProfit(ticker)
                    self._TrendWhenTakeProfitOrStopLoss = 1
                    self._HadStopLoss = True
                    Log("多单止损。止损价格：", _N(stop_loss_price, 6), ", 持仓价格：", _N(position[0].Price), self._EnableMessageSend and "@" or "#FF1CAE")
            elif position[0].Type == PD_SHORT:
                stop_loss_price = position[0].Price * (1 + self._StopLossPercent / 100)
                if price > stop_loss_price:
                    self.coverShort(-1, position[0].Amount)
                    self.calculateProfit(ticker)
                    self._TrendWhenTakeProfitOrStopLoss = -1
                    self._HadStopLoss = True
                    Log("空单止损。止损价格：", _N(stop_loss_price, 6), ", 持仓价格：", _N(position[0].Price), self._EnableMessageSend and "@" or "#FF1CAE")

    # 止盈
    def takeProfit(self, position, ticker):
        take_profit_price = 0
        price = ticker.Last

        if len(position) == 1 and self._UseTakeProfit:
            if position[0].Type == PD_LONG:
                take_profit_price = position[0].Price * (1 + self._TakeProfitPercent / 100)
                if price > take_profit_price:
                    self.coverLong(-1, position[0].Amount)
                    self.calculateProfit(ticker)
                    self._TrendWhenTakeProfitOrStopLoss = 1
                    self._HadTakeProfit = True
                    Log("多单止盈。止盈价格：", _N(take_profit_price, 6), ", 持仓价格：", _N(position[0].Price), self._EnableMessageSend and "@" or "#FF1CAE")
            elif position[0].Type == PD_SHORT:
                take_profit_price = position[0].Price * (1 - self._TakeProfitPercent / 100)
                if price < take_profit_price:
                    self.coverShort(-1, position[0].Amount)
                    self.calculateProfit(ticker)
                    self._TrendWhenTakeProfitOrStopLoss = -1
                    self._HadTakeProfit = True
                    Log("空单止盈。止盈价格：", _N(take_profit_price, 6), ", 持仓价格：", _N(position[0].Price), self._EnableMessageSend and "@" or "#FF1CAE")

    # 回调止盈
    def trackingTakeProfit(self, position, ticker):
        take_profit_price = 0
        trigger_price = 0
        price = ticker.Last

        if len(position) > 0 and self._UseTrackingTakeProfit:
            if position[0].Type == PD_LONG:
                # 多单持仓
                if self._TriggeredTakeProfit:
                    # 已达到触发价格，监控是否止盈
                    self._PeakPriceInPosition = price if price > self._PeakPriceInPosition else self._PeakPriceInPosition  # 更新价格高点
                    if self._UsePositionRetracement:
                        take_profit_price = self._PeakPriceInPosition - (self._PeakPriceInPosition - position[0].Price) * (self._CallBakcPercent / 100)  # 计算回调的止盈价格
                    else:
                        take_profit_price = self._PeakPriceInPosition * (1 - self._CallBakcPercent / 100)  # 计算回调的止盈价格
                    if price < take_profit_price:
                        self.coverLong(-1, position[0].Amount)  # 平多
                        self.calculateProfit(ticker)
                        self._TriggeredTakeProfit = False  # 复位触发标记
                        self._TrendWhenTakeProfitOrStopLoss = 1  # 记录止盈时候的趋势
                        self._HadTakeProfit = True  # 记录发生了止盈
                        Log("多单回调止盈：持仓中价格高点：", _N(self._PeakPriceInPosition, 6), ", 止盈价格：", _N(take_profit_price, 6), ", 当前价格：", _N(price, 6),
                            ", 持仓价格：", _N(position[0].Price, 6), self._EnableMessageSend and "@" or "#FF1CAE")
                else:
                    # 监控是否达到回调止盈的触发价格
                    trigger_price = position[0].Price * (1 + self._TakeProfitTriggerPercent / 100)
                    if price > trigger_price:
                        self._TriggeredTakeProfit = True  # 触发回调止盈
                        self._PeakPriceInPosition = price  # 记录价格高点
                        Log("多单已达到回调止盈的触发价格：", _N(trigger_price, 6), ", 当前价格：", _N(price, 6), ", 持仓价格：", _N(position[0].Price, 6))
            elif position[0].Type == PD_SHORT:
                # 空单持仓
                if self._TriggeredTakeProfit:
                    # 已达到触发价格，监控是否止盈
                    self._PeakPriceInPosition = price if price < self._PeakPriceInPosition else self._PeakPriceInPosition  # 更新价格低点
                    if self._UsePositionRetracement:
                        take_profit_price = self._PeakPriceInPosition + (position[0].Price - self._PeakPriceInPosition) * (self._CallBakcPercent / 100)  # 计算回调的止盈价格
                    else:
                        take_profit_price = self._PeakPriceInPosition * (1 + self._CallBakcPercent / 100)  # 计算回调的止盈价格
                    if price > take_profit_price:
                        self.coverShort(-1, position[0].Amount)  # 平空
                        self.calculateProfit(ticker)
                        self._TriggeredTakeProfit = False  # 复位触发标记
                        self._TrendWhenTakeProfitOrStopLoss = -1  # 记录止盈时候的趋势
                        self._HadTakeProfit = True  # 记录发生了止盈
                        Log("空单回调止盈：持仓中价格低点：", _N(self._PeakPriceInPosition, 6), ", 止盈价格：", _N(take_profit_price, 6), ", 当前价格：", _N(price, 6),
                            ", 持仓价格：", _N(position[0].Price, 6), self._EnableMessageSend and "@" or "#FF1CAE")
                else:
                    # 监控是否达到回调止盈的触发价格
                    trigger_price = position[0].Price * (1 - self._TakeProfitTriggerPercent / 100)
                    if price < trigger_price:
                        self._TriggeredTakeProfit = True  # 触发回调止盈
                        self._PeakPriceInPosition = price  # 记录价格低点
                        Log("空单已达到回调止盈的触发价格：", _N(trigger_price, 6), ", 当前价格：", _N(price, 6), ", 持仓价格：", _N(position[0].Price, 6))

    # 下单
    def order(self, long, short, position, ticker):
        position_size = position[0].Amount if len(position) > 0 else 0
        position_type = position[0].Type if len(position) > 0 else None
        
        if long:
            # 趋势多
            if (self._HadStopLoss or self._HadTakeProfit) and self._TrendWhenTakeProfitOrStopLoss == 1:
                # 发生了止盈止损，并且止盈止损时候趋势为多，不再做多
                return
            if position_size > 0 and position_type == PD_SHORT:
                self.coverShort(-1, position_size)
                self.calculateProfit(ticker)
            elif position_size > 0 and position_type == PD_LONG:
                # 多单持仓，不重复下单
                return
            else:
                # 没有持仓，如果是首次运行或者策略重启，需要等待价格穿过一次EMA均线才下单
                if self._PriceCrossEMAStatus != 2:
                    return
            if self.isEnoughAssetToOrder(self._OrderSize, ticker):
                self.openLong(-1, self._OrderSize)
                self._HadStopLoss = False
                self._HadTakeProfit = False
            else:
                raise Exception("下单金额数量不足！")
        elif short:
            # 趋势空
            
            if (self._HadStopLoss or self._HadTakeProfit) and self._TrendWhenTakeProfitOrStopLoss == -1:
                # 发生了止盈止损，并且止盈止损时候趋势为空，不再做空
                return
            
            if position_size > 0 and position_type == PD_LONG:
                self.coverLong(-1, position_size)
                self.calculateProfit(ticker)
            elif position_size > 0 and position_type == PD_SHORT:
                # 空单持仓，不重复下单
                return
            else:
                # 没有持仓，如果是首次运行或者策略重启，需要等待价格穿过一次EMA均线才下单
                if self._PriceCrossEMAStatus != 2:
                    return
            
            if self.isEnoughAssetToOrder(self._OrderSize, ticker):
                self.openShort(-1, self._OrderSize)
                self._HadStopLoss = False
                self._HadTakeProfit = False
            else:
                raise Exception("下单金额数量不足！")

    # 趋势策略
    def trendStrategy(self):
        ticker = _C(exchange.GetTicker)
        position = _C(exchange.GetPosition)
        account = _C(exchange.GetAccount)
        records = _C(exchange.GetRecords, self._KLinePeriod * 60)
        if len(position) > 1:
            Log(position)
            raise Exception("同时有多空持仓！")
        # 策略交互
        self.runCmd()
        # 状态栏信息打印
        self.printLogStatus(ticker, account, position)
        # 止损
        self.stopLoss(position, ticker)
        # 止盈
        self.takeProfit(position, ticker)
        # 回调止盈
        self.trackingTakeProfit(position, ticker)

        # 按照K线周期运行策略
        if not self.runInKLinePeriod(records):
            return
        # 趋势判断和下单
        long = False
        short = False
        [long, short] = self.trendJudgment(records)
        if not self._OnlyTrendJudgment:
            self.order(long, short, position, ticker)

    # 状态栏信息打印
    def printLogStatus(self, ticker, account, position):
        table_overview = {
            "type": "table",
            "title": "策略总览",
            "cols": ["开始时间", "已运行天数", "交易次数", "胜率", "预估月化%", "预估年化%"],
            "rows": []
        }
        table_account = {
            "type": "table",
            "title": "账户资金",
            "cols": ["当前资产", "初始资产", "可用余额", "冻结余额", "可下单张数", "收益", "收益%"],
            "rows": []
        }
        table_position = {
            "type": "table",
            "title": "持仓情况",
            "cols": ["交易币种", "杠杆倍数", "持仓均价", "方向", "数量", "保证金", "预估强平价格", "浮动盈亏", "浮动盈亏%"],
            "rows": []
        }
        i = 0

        # 策略总览
        the_running_days = self.getDaysFromTimeStamp(self._StrategyDatas["start_run_timestamp"], Unix())
        monthly_rate_of_profit = 0
        if the_running_days > 1:
            monthly_rate_of_profit = self._ProfitLocal / self._InitAsset / the_running_days * 30
        table_overview["rows"].append([_D(self._StrategyDatas["start_run_timestamp"]), the_running_days, self._TradeCount,
                                       0 if self._TradeCount == 0 else (str(_N(self._TakeProfitCount / self._TradeCount * 100, 2)) + "%"),
                                       str(_N(monthly_rate_of_profit * 100, 2)) + "%", str(_N(monthly_rate_of_profit * 12 * 100, 2)) + "%"])
        # 账户资金
        current_asset = self.getAccountAsset(position, account, ticker)
        max_order_size = self.getMaxOrderSize(self._MarginLevel, ticker, account)
        asset_profit = current_asset - self._InitAsset
        asset_profit_percent = asset_profit / self._InitAsset
        table_account["rows"].append([_N(current_asset, 4), _N(self._InitAsset, 4), _N(account.Balance if self._IsUsdtStandard else account.Stocks, 4),
                                      _N(account.FrozenBalance if self._IsUsdtStandard else account.FrozenStocks, 4), max_order_size, _N(asset_profit, 4),
                                      str(_N(asset_profit_percent * 100, 2)) + "%"])
        # 持仓情况
        position_direction = ""
        forced_cover_up_price = 0
        position_profit_percent = 0
        position_profit = 0
        position_margin = 0
        if len(position) == 0:
            table_position["rows"].append(["无持仓", "-", "-", "-", "-", "-", "-", "-", "-"])
        else:
            position_direction = "多单" if position[0].Type == PD_LONG else "空单"
            [position_profit, position_profit_percent] = self.getSinglePositionProfit(position, ticker)
            position_margin = self.getSinglePositionMargin(position, ticker)
            forced_cover_up_price = self.calculateForcedPrice(account, position, ticker)
            table_position["rows"].append([exchange.GetCurrency(), self._MarginLevel, _N(position[0].Price, 4), position_direction, position[0].Amount,
                                           _N(position_margin, 4), _N(forced_cover_up_price, 4), _N(position_profit, 4), str(_N((position_profit_percent * 100), 2)) + "%"])
        # 打印表格
        LogStatus('`' + json.dumps(table_overview) + '`\n'
                  + '`' + json.dumps(table_account) + '`\n'
                  + '`' + json.dumps(table_position) + '`\n')

# main
def main():
    exchange.IO('simulate', True)

    strategy = TrendStrategy()
    
    strategy.setContract()
    
    strategy.initDatas()
    
    while True:
        
        strategy.trendStrategy()
        Sleep(strategy._Interval)