用 Python 搭一套能接实盘的量化交易框架（VeighNa）

VeighNa 面向的是一类具体需求：把交易想法写成 Python 代码，接上券商或期货公司的接口，在同一个框架里完成回测、参数优化和实盘自动下单。输入是行情数据与策略代码，输出是回测绩效统计与真实发往交易所的委托。它不是只给一个回测脚本，也不是只给一个下单 API，而是把交易接口、数据记录、风控、策略引擎拼成一个可以装扩展模块的平台。

VeighNa 是基于 Python 的开源量化交易平台开发框架，主要语言为 Python（占 99.6%），允许用户用同一套代码完成策略回测与实盘自动交易。需要自己写策略、自己接交易接口的量化从业者，可以用它替代零散拼装的下单脚本。

框架本身提供交易品种接口的封装、策略引擎、行情记录、历史数据管理和前端风控，国内外期货、期权、股票、贵金属等交易接口以独立模块的形式接入。策略层分几条路线：cta_strategy 处理单标的 CTA 策略，portfolio_strategy 面向多合约组合策略，spread_trading 做价差交易，algo_trading 提供 TWAP、Sniper、Iceberg、BestLimit 等算法。4.0 版本新增了 vnpy.alpha 模块，把多因子机器学习策略的开发、投研和实盘串在一起，包含数据集、模型、策略和投研流程管理几个部分。

项目由私募基金、证券公司、期货公司等机构的用户长期使用，仓库地址是 https://github.com/vnpy/vnpy，采用 MIT License，Star 数 45689，Fork 数 12497，当前开放 Issue 4 个。

装它需要什么

• 操作系统：Windows、Linux 或 macOS 都可以，仓库里提供了 install.bat、install.sh 和 install_osx.sh 三个对应脚本。
• Python 版本：官方标注支持 3.10、3.11、3.12、3.13，4.0 版本的核心支持版本已升级到 Python 3.13。
• 数据库：行情与历史数据需要落库，仓库的 Issue 历史里出现过 mongodb 安装失败、数据记录时间不正确等问题，说明数据库是绕不开的一环。
• 交易接口模块：核心框架不含 CTP 等具体接口，需另外安装对应的扩展包，涉及 C++ API 封装的接口必须升级后才能用。
• 实盘账号与权限：接期货接口需要满足穿透式监管要求，包括期货公司侧的版本配合，这一点仓库里只以 Issue 讨论的形式出现，没有统一的准入说明。

跑起来

1. 克隆仓库：git clone https://github.com/vnpy/vnpy
2. 按系统执行安装脚本，例如 Windows 下运行 install.bat，Linux 下运行 install.sh
3. 安装所需的交易接口扩展模块，例如期货用 vnpy_ctp，回测用 vnpy_ctastrategy 与 vnpy_ctabacktester
4. 从 examples/ 目录下选择对应的示例入口启动图形界面
5. 在界面里配置数据库连接、加载策略、启动回测或连接交易接口

仓库里没有说明每一步的详细参数，具体配置需要查阅项目文档。

输出是什么

回测路径的结果落在 cta_backtester 的图形界面里，直接看绩效统计与参数优化结果，不需要开 Jupyter Notebook。实盘路径的委托、成交、持仓和账户信息在交易界面上实时刷新。行情记录模块可以把 Tick 或 K 线写入数据库，历史数据管理模块支持通过树形目录查看已有数据并做 CSV 导入导出。

判断一次运行是否成功，看策略是否正常加载、回测是否产出绩效统计、实盘下委托是否出现在活动委托列表里。日志方面，4.0 版本起用 loguru 替代了 logging。

先说它做不到什么

• 核心框架不内置任何交易接口。接哪家期货公司或券商，就要装对应的扩展包，接口层由独立仓库维护，升级不同步时接口可能用不了。
• script_trader 模块不支持回测，只能用于实盘和命令行交易；选错模块会直接卡在验证环节。
• 面向机器学习多因子的 vnpy.alpha 需要自备数据源。仓库里的示例 notebook 依赖 RQData 或迅投研数据服务，没有配置数据服务就拿不到训练数据。
• 图形界面的部分功能有平台限制，例如风控拦截的提示音目前仅支持 Windows。

涉及扫描、探测、抓取这类用途时要注意合规边界：接口只能对接自有账号或已明确授权的目标，未获授权接入他人账户或交易系统会带来法律与平台层面的风险。

适合已经在做量化交易、需要自己写策略并接实盘接口的开发者，也适合想在一个框架里同时拿到回测与实盘能力的机构团队。只用现成策略、不打算写代码的人不适合用它，因为策略本身需要自己实现。如果是刚接触量化、只想要一个托管好的成品方案，这个仓库提供的是开发框架而不是可以直接下单的产品。

焚评：这个项目的量化评分

本项目的选题来自 焚.com（一个按公开公式给 GitHub 项目打分的站）。焚评当前总分 9.7 分（满分 10）。下表是各维度的得分：

评分口径、权重与计算方式见焚.com 的评分方法页；数据随 GitHub 指标刷新，具体数值以焚.com 当前页面为准。本文正文为诀.com 独立撰写，评分数据由焚.com 授权引用。