基于TradingView和CTPBee的自动化期货交易系统实现

引言

在量化交易领域，TradingView因其强大的技术分析工具和丰富的指标库而广受欢迎，但是其不支持国内期货自动化交易，CTPBee则是一个优秀的国产Python期货交易接口。本文将介绍如何将两者结合，实现一个完整的自动化交易系统。
本文代码库已开源发布到GitHub上，访问链接：https://github.com/sencloud/tradingview_ctp

系统架构

整个系统分为三个主要部分：

TradingView策略和告警
Flask后端API服务
CTPBee交易执行器

1. TradingView策略设计

TradingView提供了强大的策略编写功能，我们可以使用Pine Script编写交易策略。以下是一个简单的示例：

//@version=5
strategy("My Trading Strategy", overlay=true)// 定义策略参数
fastLength = input(9, "Fast Length")
slowLength = input(21, "Slow Length")// 计算指标
fastMA = ta.sma(close, fastLength)
slowMA = ta.sma(close, slowLength)// 定义交易信号
longCondition = ta.crossover(fastMA, slowMA)
shortCondition = ta.crossunder(fastMA, slowMA)// 设置告警条件
alertcondition(longCondition, "开多仓", "{{ticker}} 开多仓信号")
alertcondition(shortCondition, "开空仓", "{{ticker}} 开空仓信号")

2. TradingView告警设置

在TradingView中设置告警时，需要配置以下内容：

告警名称：便于识别
告警条件：选择策略中定义的alertcondition
告警消息：包含交易信息
Webhook URL：指向我们的Flask API端点

告警消息格式示例：

{"symbol": "{{ticker}}","action": "BUY","price": {{close}},"strategy": "long","volume": 1
}

3. Flask后端实现

Flask后端负责接收TradingView的webhook请求，并将信号保存到数据库：

from flask import Flask, request, jsonify
from database import DatabaseConnectionapp = Flask(__name__)
db = DatabaseConnection()@app.route('/webhook', methods=['POST'])
def webhook():data = request.jsontry:# 验证数据required_fields = ['symbol', 'action', 'price', 'strategy', 'volume']if not all(field in data for field in required_fields):return jsonify({'error': '缺少必要字段'}), 400# 保存信号到数据库with db.get_cursor() as c:c.execute('''INSERT INTO trading_signals (symbol, action, price, strategy, volume, status)VALUES (?, ?, ?, ?, ?, 'pending')''', (data['symbol'], data['action'], data['price'], data['strategy'], data['volume']))return jsonify({'message': '信号接收成功'}), 200except Exception as e:return jsonify({'error': str(e)}), 500

4. CTPBee交易执行器

CTPBee交易执行器负责监控数据库中的交易信号，并执行相应的交易操作：

from ctpbee import CtpBee
from ctpbee.constant import OrderRequest, Direction, Offset, OrderTypeclass SignalMonitor:def __init__(self):self.app = CtpBee("signal_trader", __name__)self.load_config()def execute_order(self, symbol, price, volume, direction, signal_id):"""执行交易订单"""try:# 创建订单请求order_req = OrderRequest(symbol=symbol,exchange=self.get_exchange(symbol),price=price,volume=volume,direction=Direction.LONG if direction == "BUY" else Direction.SHORT,offset=Offset.OPEN,type=OrderType.LIMIT,order_id=f"ORDER_{signal_id}")# 发送订单self.app.send_order(order_req)# 更新信号状态self.update_signal_status(signal_id, "submitted")except Exception as e:logger.error(f"下单失败: {str(e)}")self.update_signal_status(signal_id, "failed", str(e))

5. 风控管理

系统实现了基本的风控功能：

最大持仓限制

def check_position_limit(self, symbol):"""检查持仓限制"""positions = self.app.center.positionscurrent_position = sum(p.volume for p in positions if p.symbol == symbol)return current_position < self.max_position

自动平仓功能

def close_positions(self, symbol, direction):"""平仓处理"""positions = self.app.center.positionsfor pos in positions:if pos.symbol == symbol and pos.direction == direction:close_req = OrderRequest(symbol=symbol,exchange=self.get_exchange(symbol),price=self.get_latest_price(symbol),volume=pos.volume,direction=Direction.SHORT if direction == Direction.LONG else Direction.LONG,offset=Offset.CLOSETODAY,type=OrderType.LIMIT)self.app.send_order(close_req)

数据可视化

使用Streamlit实现数据可视化，展示交易统计和账户信息：

import streamlit as st
import plotly.express as pxdef show_trading_dashboard():st.title("交易信号仪表板")# 账户信息col1, col2, col3 = st.columns(3)with col1:st.metric("账户余额", f"¥{account_info['balance']:,.2f}")with col2:st.metric("可用资金", f"¥{account_info['available']:,.2f}")with col3:st.metric("持仓盈亏", f"¥{account_info['position_profit']:,.2f}")# 交易信号统计signal_stats = get_signal_statistics()fig = px.pie(signal_stats, values='count', names='action')st.plotly_chart(fig)

部署注意事项

配置文件管理

使用config_[sim|ctp].json区分模拟盘和实盘配置
包含CTP连接信息、交易参数等

数据库设计

使用SQLite存储交易信号和账户信息
实现信号状态追踪和错误处理

性能优化

使用NumExpr优化计算性能
实现异步处理机制
添加日志记录

安全考虑

实现API认证机制
加密敏感信息
添加请求频率限制

总结

本文介绍了一个基于TradingView和CTPBee的自动化交易系统实现方案，究其设计原因是因为CTPBee是运行独占式，无法接收外部API请求，故而另辟蹊径，通过定时读取sqlite数据库里的交易信号来实现开平仓动作，而对外提供API接口来接收Tradingview的告警信号，并在收到后写入sqlite数据，这种模式对实时性要求极差，适合于5分钟线行情以上的交易策略。系统通过TradingView的策略和告警功能生成交易信号，通过Flask API接收和处理信号，最后使用CTPBee执行实际的交易操作。系统还实现了基本的风控功能和数据可视化，为交易决策提供支持。