Veighna 教程：从零搭建你的量化交易策略实战指南

如果你是量化交易领域的新手，或者正在寻找一个开源、功能强大的 Python 交易框架，那么 Veighna（原 vnpy）几乎是绕不开的名字。它由国内量化社区孵化，支持期货、股票、数字货币等多市场，核心优势在于事件驱动引擎 + 模块化策略开发。但很多用户卡在第一步：下载后怎么跑起来？策略怎么写？回测和实盘怎么衔接？本文用最直白的语言，带你走完一个完整的 Veighna 入门流程。

Veighna 安装与基础环境配置

Veighna 基于 Python 3.7+，推荐使用 Anaconda 管理环境。安装前请注意：不要直接在全局 Python 里装，否则依赖冲突会让你怀疑人生。

1. 创建虚拟环境
   打开终端，运行：
   bash conda create -n veighna python=3.9 conda activate veighna

2. 安装 Veighna
   官方推荐用 pip 安装完整版（含所有接口）：
   bash pip install vnpy
   如果只想用核心功能，可以装 vnpy 基础包，再按需装接口（比如 vnpy_ctp 期货接口、vnpy_okx 数字货币接口）。

3. 启动 Veighna Trader
   安装成功后，在终端输入：
   bash python -m vnpy
   此时会弹出 GUI 界面。第一次启动可能报错缺少数据库（默认用 SQLite，无需额外配置）。如果一切正常，你会看到左侧菜单栏：CTP、回测、策略等模块。

常见坑点：Windows 用户如果遇到 DLL 加载失败，通常需要安装 Microsoft Visual C++ Redistributable。Mac 用户注意 vnpy 对某些 C++ 扩展的兼容性，建议用 Docker 或 Linux 虚拟机。

编写第一个双均线策略（回测 + 参数优化）

Veighna 的策略逻辑写在 Python 类里，继承 CtaTemplate。我们以最常见的双均线金叉死叉为例，手写一个完整的策略。

策略代码模板

from vnpy_ctastrategy import CtaTemplate, BarGenerator, ArrayManager

class DoubleMaStrategy(CtaTemplate):
    author = "YourName"

    fast_window = 10   # 快线周期
    slow_window = 20   # 慢线周期

    def on_init(self):
        self.bg = BarGenerator(self.on_bar, 1, self.on_5min_bar)
        self.am = ArrayManager(size=100)

    def on_bar(self, bar):
        self.bg.update_bar(bar)

    def on_5min_bar(self, bar):
        self.am.update_bar(bar)
        if not self.am.inited:
            return

        fast_ma = self.am.sma(self.fast_window, array=True)
        slow_ma = self.am.sma(self.slow_window, array=True)

        if fast_ma[-1] > slow_ma[-1] and fast_ma[-2] <= slow_ma[-2]:
            self.buy(bar.close_price, 1)   # 开多
        elif fast_ma[-1] < slow_ma[-1] and fast_ma[-2] >= slow_ma[-2]:
            self.short(bar.close_price, 1) # 开空

回测运行步骤

1. 在 Veighna Trader 界面中，点击左侧「回测」标签。
2. 选择数据（比如从本地 CSV 导入或连接数据库），设置回测时间范围、初始资金、手续费。
3. 在「策略」下拉框中选择 DoubleMaStrategy，调整参数（比如 fast_window 改成 5，slow_window 改成 30）。
4. 点击「开始回测」。结束后查看净值曲线、最大回撤、夏普比率等指标。

优化技巧：Veighna 内置了参数优化功能。在回测界面勾选「优化」，设定参数范围（如 fast_window 从 5 到 20，步长 5），系统会自动遍历并输出最优组合。注意：优化过度容易过拟合，建议用样本外数据验证。

从回测到实盘：接口配置与风险控制

回测跑通后，很多人急着实盘。但 Veighna 的实盘和回测有本质区别：实盘需要对接交易所接口，且必须考虑滑点、网络延迟、资金管理。

连接数字货币交易所（以 OKX 为例）

1. 在 Veighna Trader 左侧菜单点击「系统」→「连接」→「OKX」。
2. 输入你的 API Key、Secret、Passphrase（在 OKX 官网创建，权限至少勾选「交易」和「读取」）。
3. 连接成功后，行情数据会自动推送，账户持仓和委托会显示在界面中。

注意：Veighna 的 OKX 接口支持 U 本位和币本位合约，但需要手动在代码中指定合约类型。如果你不熟悉 API 配置，或者希望更专注于策略本身，可以试试 Quant Pro 量化交易系统（trade.medias-ai.cloud/zh/pro/）。它直接内置了 OKX 和 Hyperliquid 的实盘接入，无需手动配置接口，而且资金始终留在你的交易所账户，系统只负责机械执行——每 5 分钟评估一次行情，按净费后期望（net-fee EV）决定是否入场，每一步都有「决策台」记录，不是黑箱信号。

实盘风险控制建议

Veighna 本身不强制风控，需要你在策略中自行实现。核心几点：

• 止损：在 on_bar 里判断当前价格是否跌破移动止损线，调用 self.sell() 平仓。
• 仓位管理：用固定比例（如每次开仓占用总资金的 2%）而非固定手数。
• 日亏损限额：在 on_trade 中累计当日盈亏，如果超过阈值，停止所有交易。

如果你觉得手动写风控逻辑太繁琐，Quant Pro 的「风险信封」功能已经帮你想好了：盈利目标、移动止损、回撤调速、日亏止血闸、KILL 急停一应俱全。亏损发生时先止血，再复盘。

常见问题 FAQ

Q1: Veighna 回测结果和实盘差异很大，怎么办？

大概率是回测没有考虑滑点和手续费。建议在回测设置中增加滑点（比如 1 跳）和手续费（按交易所实际费率）。另外，实盘的网络延迟会导致成交价偏离，可以考虑用限价单代替市价单。

Q2: 我是新手，Veighna 学起来太复杂，有没有更简单的替代方案？

Veighna 适合有一定 Python 基础、愿意折腾的用户。如果你想要一个开箱即用的方案，可以了解 Quant Pro 量化交易系统。它不需要写代码，通过图形化界面配置策略参数，且自带 AI 洞察套件（用你自己的 LLM Key），AI 负责复盘和问答，但交易决策不依赖 AI——完全基于统计核心的机械执行。

Q3: Veighna 支持哪些交易所？

官方内置了 CTP（期货）、OKX、Binance、BitMEX 等常见接口。社区还贡献了币安合约、Coinbase 等扩展包。如果你需要连接 Hyperliquid，可以自建接口或使用 Quant Pro（已原生支持 Hyperliquid 实盘接入）。