vn.py是一套基于Python的开源量化交易系统开发框架，于2015年1月正式发布，在开源社区6年持续不断的贡献下一步步成长为全功能量化交易平台，目前国内外金融机构用户已经超过600家，包括：私募基金、证券自营和资管、期货资管和子公司、高校研究机构、自营交易公司、交易所、Token Fund等。

全新的《vn.py全实战进阶》系列在线课程，已经在官方微信公众号[vnpy-community]上线，覆盖CTA策略（已完成）、期权波动率交易（更新中）等内容。购买请扫描下方二维码关注后，点击菜单栏的【进阶课程】按钮即可：

在使用vn.py进行二次开发（策略、模块等）的过程中有任何疑问，请查看vn.py项目文档，如果无法解决请前往官方社区论坛的【提问求助】板块寻求帮助，也欢迎在【经验分享】板块分享你的使用心得！

针对vn.py的金融机构用户，创建了一个专门的【vn.py机构用户群】（QQ群号：676499931），主要分享机构应用方面相关的问题，如：银行间市场接入、资管O32系统、分布式部署等内容。请注意本群只对金融机构用户开放，加群时请注明：姓名-机构-部门。

1. 全功能量化交易平台（vnpy.trader），整合了多种交易接口，并针对具体策略算法和功能开发提供了简洁易用的API，用于快速构建交易员所需的量化交易应用。

2. 覆盖国内外所有交易品种的交易接口（vnpy.gateway）：

   • 国内市场

     • CTP（ctp）：国内期货、期权

     • CTP Mini（mini）：国内期货、期权

     • CTP证券（sopt）：ETF期权

     • 飞马（femas）：国内期货

     • 恒生UFT（uft）：国内期货、ETF期权

     • 飞创证券（sec）：ETF期权

     • 南华NHTD（nhtd）：国内期货、ETF期权

     • 宽睿（oes）：国内证券（A股）、ETF期权

     • 中泰XTP（xtp）：国内证券（A股）、ETF期权

     • 国泰君安（gtja）：国内证券（A股）

     • 恒生期权（hsoption）：ETF期权

     • 华鑫奇点（tora）：国内证券（A股）、ETF期权

     • 飞鼠（sgit）：黄金TD、国内期货

     • 金仕达黄金（ksgold）：黄金TD

     • 鑫管家（xgj）：期货资管

     • 融航（rohon）：期货资管

     • 中汇亿达（comstar）：银行间市场

   • 海外市场

     • 富途证券（futu）：港股、美股

     • 老虎证券（tiger）：全球证券、期货、期权、外汇等

     • Interactive Brokers（ib）：全球证券、期货、期权、外汇等

     • 易盛9.0外盘（tap）：全球期货

     • 直达期货（da）：全球期货

     • MetaTrader 5（mt5）：外汇、CFD、期货、股票

     • Alpaca（alpaca）：美股（零佣金）

     • 佳兆业投资（kasia）：港股

   • 数字货币

     • BitMEX（bitmex）：数字货币期货、期权、永续合约

     • Bybit（bybit）：数字货币永续合约

     • 币安（binance）：数字货币现货

     • 币安永续（binances)：数字货币永续合约

     • OKEX（okex）：数字货币现货、期货、永续、期权（V5统一账户）

     • 火币（huobi）：数字货币现货

     • 火币期货（huobif）：数字货币期货

     • 火币永续（huobis）：数字货币永续

     • 火币期权（huobio）：数字货币期权

     • Gate.io永续（gateios）：数字货币永续合约

     • Deribit（deribit），数字货币期权、永续合约

     • Bitfinex（bitfinex）：数字货币现货

     • Coinbase（coinbase）：数字货币现货

     • Bitstamp（bitstamp）：数字货币现货

     • 1Token（onetoken）：数字货币券商（现货、期货）

   • 特殊应用

     • RPC服务（rpc）：跨进程通讯接口，用于分布式架构

3. 开箱即用的各类量化策略交易应用（vnpy.app）：

   • cta_strategy：CTA策略引擎模块，在保持易用性的同时，允许用户针对CTA类策略运行过程中委托的报撤行为进行细粒度控制（降低交易滑点、实现高频策略）

   • cta_backtester：CTA策略回测模块，无需使用Jupyter Notebook，直接使用图形界面直接进行策略回测分析、参数优化等相关工作

   • spread_trading：价差交易模块，支持自定义价差，实时计算价差行情和持仓，支持半自动价差算法交易以及全自动价差策略交易两种模式

   • option_master：期权交易模块，针对国内期权市场设计，支持多种期权定价模型、隐含波动率曲面计算、希腊值风险跟踪等功能

   • portfolio_strategy：组合策略模块，面向同时交易多合约的量化策略（Alpha、期权套利等），提供历史数据回测和实盘自动交易功能

   • algo_trading：算法交易模块，提供多种常用的智能交易算法：TWAP、Sniper、Iceberg、BestLimit等，支持对接外部智能算法交易服务（如金纳算法）

   • script_trader：脚本策略模块，针对多标的组合类交易策略设计，同时也可以直接在命令行中实现REPL指令形式的交易，不支持回测功能

   • market_radar：市场雷达模块，允许用户基于自定义的公式实时计算任意合约组合数据，公式支持标准Python运算语法以及内置函数

   • paper_account：模拟交易模块，纯本地化实现的模拟交易功能，基于交易接口获取的实时行情进行委托撮合，提供委托成交推送以及持仓记录

   • chart_wizard：K线图表模块，基于RQData数据服务（期货）或者交易接口（数字货币）获取历史数据，并结合Tick推送显示实时行情变化

   • portfolio_manager：投资组合模块，面向各类基本面交易策略，以独立的策略子账户为基础，提供交易仓位的自动跟踪以及盈亏实时统计功能

   • rpc_service：RPC服务模块，允许将某一VN Trader进程启动为服务端，作为统一的行情和交易路由通道，允许多客户端同时连接，实现多进程分布式系统

   • data_manager：历史数据管理模块，通过树形目录查看数据库中已有的数据概况，选择任意时间段数据查看字段细节，支持CSV文件的数据导入和导出

   • data_recorder：行情记录模块，基于图形界面进行配置，根据需求实时录制Tick或者K线行情到数据库中，用于策略回测或者实盘初始化

   • excel_rtd：Excel RTD（Real Time Data）实时数据服务，基于pyxll模块实现在Excel中获取各类数据（行情、合约、持仓等）的实时推送更新

   • risk_manager：风险管理模块，提供包括交易流控、下单数量、活动委托、撤单总数等规则的统计和限制，有效实现前端风控功能

4. Python交易API接口封装（vnpy.api），提供上述交易接口的底层对接实现。

5. 简洁易用的事件驱动引擎（vnpy.event），作为事件驱动型交易程序的核心。

6. 对接各类数据库的标准化管理客户端（vnpy.database）：

   • SQL类

     • SQLite（sqlite）：轻量级单文件数据库，无需安装和配置数据服务程序，vn.py的默认选项，适合入门新手用户

     • MySQL（mysql）：世界最流行的开源关系型数据库，文档资料极为丰富，且可替换其他高NewSQL兼容实现（如TiDB）

     • PostgreSQL（postgresql）：特性更为丰富的开源关系型数据库，支持通过扩展插件来新增功能，只推荐熟手使用

   • NoSQL类

     • MongoDB（mongodb）：基于分布式文件储存（bson格式）的非关系型数据库，内置的热数据内存缓存提供更快读写速度

     • InfluxDB（influxdb）：针对时序数据专门设计的非关系型数据库，列式数据储存提供极高的读写效率和外围分析应用

7. 跨进程通讯标准组件（vnpy.rpc），用于实现分布式部署的复杂交易系统。

8. Python高性能K线图表（vnpy.chart），支持大数据量图表显示以及实时数据更新功能。

9. 社区论坛和知乎专栏，内容包括vn.py项目的开发教程和Python在量化交易领域的应用研究等内容。

10. 官方交流群262656087（QQ），管理严格（定期清除长期潜水的成员），入群费将捐赠给vn.py社区基金。

• 推荐使用vn.py团队为量化交易专门打造的Python发行版VNStudio-2.3.0，内置了最新版的vn.py框架以及VN Station量化管理平台，无需手动安装
• 支持的系统版本：Windows 7以上/Windows Server 2008以上/Ubuntu 18.04 LTS
• 支持的Python版本：Python 3.7 64位（注意必须是Python 3.7 64位版本）

在这里下载最新版本，解压后运行以下命令安装：

Windows

install.bat

Ubuntu

bash install.sh

1. 在SimNow注册CTP仿真账号，并在该页面获取经纪商代码以及交易行情服务器地址。

2. 在vn.py社区论坛注册获得VN Station账号密码（论坛账号密码即是）

3. 启动VN Station（安装VN Studio后会在桌面自动创建快捷方式），输入上一步的账号密码登录

4. 点击底部的VN Trader Lite按钮，开始你的交易！！！

注意：

• 在VN Trader的运行过程中请勿关闭VN Station（会自动退出）
• 如需要灵活配置量化交易应用组件，请使用VN Trader Pro

除了基于VN Station的图形化启动方式外，也可以在任意目录下创建run.py，写入以下示例代码：

from vnpy.event import EventEngine
from vnpy.trader.engine import MainEngine
from vnpy.trader.ui import MainWindow, create_qapp
from vnpy.gateway.ctp import CtpGateway
from vnpy.app.cta_strategy import CtaStrategyApp
from vnpy.app.cta_backtester import CtaBacktesterApp

def main():
    """Start VN Trader"""
    qapp = create_qapp()

    event_engine = EventEngine()
    main_engine = MainEngine(event_engine)
    
    main_engine.add_gateway(CtpGateway)
    main_engine.add_app(CtaStrategyApp)
    main_engine.add_app(CtaBacktesterApp)

    main_window = MainWindow(main_engine, event_engine)
    main_window.showMaximized()

    qapp.exec()

if __name__ == "__main__":
    main()

在该目录下打开CMD（按住Shift->点击鼠标右键->在此处打开命令窗口/PowerShell）后运行下列命令启动VN Trader：

python run.py

vn.py使用Github托管其源代码，如果希望贡献代码请使用github的PR（Pull Request）的流程:

1. 创建 Issue - 对于较大的改动（如新功能，大型重构等）最好先开issue讨论一下，较小的improvement（如文档改进，bugfix等）直接发PR即可

2. Fork vn.py - 点击右上角Fork按钮

3. Clone你自己的fork: git clone https://github.com/$userid/vnpy.git

   • 如果你的fork已经过时，需要手动sync：同步方法

4. 从dev创建你自己的feature branch: git checkout -b $my_feature_branch dev

5. 在$my_feature_branch上修改并将修改push到你的fork上

6. 创建从你的fork的$my_feature_branch分支到主项目的dev分支的[Pull Request] - 在此点击compare across forks，选择需要的fork和branch创建PR

7. 等待review, 需要继续改进，或者被Merge!

在提交代码的时候，请遵守以下规则，以提高代码质量：

• 使用autopep8格式化你的代码。运行autopep8 --in-place --recursive . 即可。
• 使用flake8检查你的代码，确保没有error和warning。在项目根目录下运行flake8即可。

过去6年中收到过许多社区用户的捐赠，在此深表感谢！所有的捐赠资金都投入到了vn.py社区基金中，用于支持vn.py项目的运作。

先强调一下：vn.py是开源项目，可以永久免费使用，并没有强制捐赠的要求！！！

捐赠方式：支付宝[email protected]（*晓优）

长期维护捐赠清单，请在留言中注明是项目捐赠以及捐赠人的名字。

• 获取帮助
• 社区行为准侧
• Issue模板
• PR模板

MIT