写了个交易机器人：双均线策略的实盘记录

Sat, 23 May 2026 00:00:00 +0000

为什么写交易机器人

做量化交易的人大概都有类似的想法：K 线不用一直盯着，让机器来执行策略，人在旁边看着就好。这样既不会被情绪左右，也不用天天坐在屏幕前。

这个想法本身没有问题，但实盘跑起来之后，你会发现很多细节是回测时根本想不到的。这篇文章主要记录我用 Python + CCXT 写的一个 OKX 合约交易机器人，从策略设计到部署上线的完整过程，希望能给同样在尝试的朋友一些参考。

策略选择

选了一个最简单的趋势跟踪策略：双均线交叉。

均线的逻辑很直观——短期均线（MA5）代表最近的价格趋势，长期均线（MA20）代表较长时间的趋势。当短期线上穿长期线时（金叉），意味着趋势可能向上，开多。当短期线下穿长期线时（死叉），趋势可能转弱，平多或开空。

这个策略的好处是容易理解，也容易执行。坏处是它在震荡行情里表现很差——价格反复穿越均线，频繁开平仓，手续费吃掉大部分利润。

核心代码逻辑

策略循环的核心逻辑大概是这样的：

import ccxt
import pandas as pd
import time
from datetime import datetime

exchange = ccxt.okx({
    'apiKey': 'YOUR_API_KEY',
    'secret': 'YOUR_SECRET_KEY',
    'password': 'YOUR_API_PASSPHRASE',
    'enableRateLimit': True,
})

symbol = 'BTC-USDT-SWAP'
timeframe = '1m'
limit = 50
position_size = 50  # USDT
leverage = 3

def get_ma_crossover():
    """获取最新两根K线，计算MA5和MA20，判断是否金叉/死叉"""
    ohlcv = exchange.fetch_ohlcv(symbol, timeframe, limit=limit)
    df = pd.DataFrame(ohlcv, columns=['timestamp', 'open', 'high', 'low', 'close', 'volume'])
    df['ma5'] = df['close'].rolling(window=5).mean()
    df['ma20'] = df['close'].rolling(window=20).mean()
    
    # 获取倒数第二根（上一根已收盘的K线）和倒数第三根的金叉状态
    prev_ma5 = df['ma5'].iloc[-3]
    prev_ma20 = df['ma20'].iloc[-3]
    curr_ma5 = df['ma5'].iloc[-2]
    curr_ma20 = df['ma20'].iloc[-2]
    
    # 金叉：之前MA5 <= MA20，现在MA5 > MA20
    golden_cross = prev_ma5 <= prev_ma20 and curr_ma5 > curr_ma20
    # 死叉：之前MA5 >= MA20，现在MA5 < MA20
    death_cross = prev_ma5 >= prev_ma20 and curr_ma5 < curr_ma20
    
    return golden_cross, death_cross

def get_position():
    """查询当前持仓"""
    positions = exchange.fetch_positions([symbol])
    for pos in positions:
        if pos['symbol'] == symbol and float(pos['contracts']) > 0:
            return pos
    return None

def place_order(side, amount):
    """下单，带止盈止损"""
    # 先设置杠杆
    exchange.set_leverage(leverage, symbol)
    
    # 开仓
    order = exchange.create_market_order(
        symbol, side, amount, 
        params={'leverage': leverage}
    )
    
    # 获取开仓均价，设置止盈止损
    # 这里需要根据实际成交价来设置
    # 实际项目中会从 order 或后续查询中获取 fill price
    print(f"{datetime.now()} | {'多头' if side == 'buy' else '空头'}开仓 | 数量: {amount}")
    return order

def main_loop():
    """主循环"""
    print(f"策略启动: {symbol} | 时间周期: {timeframe} | 杠杆: {leverage}x")
    
    while True:
        try:
            golden, death = get_ma_crossover()
            position = get_position()
            
            if golden and not position:
                # 金叉且无持仓 → 开多
                place_order('buy', position_size)
            elif death and position:
                # 死叉且有持仓 → 平多（可改为开空，根据策略偏好）
                exchange.create_market_order(symbol, 'sell', position['contracts'])
                print(f"{datetime.now()} | 平仓")
            
            time.sleep(10)  # 每10秒检查一次
        except Exception as e:
            print(f"错误: {e}")
            time.sleep(30)

if __name__ == '__main__':
    main_loop()

实际项目中还需要处理很多边界情况：API 限频、网络断开重连、订单未完全成交、止盈止损的挂单管理等等。下面会详细说。

交易 on Fanssen Notes

写了个交易机器人：双均线策略的实盘记录

为什么写交易机器人

策略选择

核心代码逻辑