经常在发明者平台闲逛，总会找到宝贝，今天找到了一篇21年的趋势策略，感叹于原作者的精妙和完善的代码架构，并且具有高度的灵活性。原始策略是JS版本的，为方便Python朋友，进行了改写。
说实话，刚接触量化交易的时候，不少新手朋友会走很多弯路。经常遇到下单失败、风控没做好亏钱、策略重启后数据丢失等各种问题。后来慢慢意识到，有一个好的框架真的很重要，可以帮我们避开很多坑。这个趋势策略框架就是这样一个好东西。它不只是一个简单的交易策略，更像是一个工具箱，把下单、止损、数据管理这些基础但重要的功能都给你做好了。你只需要专心考虑"什么时候买"、"什么时候卖"这些核心问题就行。而且这个框架的设计很开放，你可以很容易地把EMA换成MACD、RSI或者其他你喜欢的指标。想做趋势跟踪？没问题。想试试均值回归？也行。甚至想组合多个指标一起用？完全可以。这种灵活性让我觉得很实用，一套代码可以改来改去试验不同的想法。
今天把这个框架分享出来，希望能帮到在量化路上摸索的朋友们。下面来详细介绍一下这个框架的各个部分，相信看完你也会觉得很有用。
框架结构与功能
相对于多品种交易框架中使用的多个独立函数，本框架尝试使用类（Class）的格式来组织和管理策略的各个部分。这种面向对象的设计方式不仅提高了代码的可维护性和可扩展性，还使得策略的各个组件更加模块化，便于后续的调整与优化。该框架主要由以下几个板块组成，每个板块中的函数都具有特定的功能，确保策略的灵活性和实用性。
初始化与设置
__init__函数
功能：__init__ 函数是策略类的初始化方法，负责设置策略的基本配置、初始化变量以及获取市场信息。该函数确保策略在运行之前已配置好所需的参数，确保后续的交易操作能够顺利执行。步骤：
基础配置：设置交易货币、合约类型、止盈止损规则等。市场信息：获取合约的价格精度、数量精度等，确保订单合法。初始化变量：包括趋势判断、止盈止损参数、统计变量等，帮助策略根据市场情况进行决策。交易所设置：根据市场信息配置交易所API接口，如设置保证金、精度等。
initDatas 函数
功能：初始化策略运行时的数据，包括账户资产、收益统计等。步骤：
保存策略运行时间。读取本地用户数据。初始化账户资产、收益统计等数据。检查止盈和回调止盈是否同时启用。
数据管理与保存
saveStrategyRunTime 函数
功能：保存策略的起始运行时间，用于后续的统计和监控。步骤：
检查本地是否已保存运行时间。若未保存，则记录当前时间并保存到本地。若已保存，则读取本地保存的时间。
setStrategyRunTime 函数
功能：设置策略的起始运行时间，并保存到本地存储中。步骤：
使用平台的_G函数将传入的时间戳保存到本地。更新策略数据中的起始运行时间。
getDaysFromTimeStamp 函数
功能：计算两个时间戳之间的天数差，用于统计策略运行时长。步骤：
检查结束时间是否早于开始时间，若是则返回0。计算两个时间戳之间的秒数差，并转换为天数。返回天数差。
saveUserDatasLocal 函数
功能：将策略运行中的关键数据保存到本地，以便在策略重启时恢复。步骤：
将账户资产、收益统计等数据打包。使用平台的_G函数将数据保存到本地。
readUserDataLocal 函数
功能：读取本地保存的用户数据，用于策略重启时的数据恢复。步骤：
检查本地是否有保存的数据。若没有，则初始化数据并保存到本地。若有，则读取并加载到策略中。
clearUserDataLocal 函数
功能：清除本地保存的用户数据，通常用于策略重置或调试。步骤：
使用平台的_G函数清除本地数据。记录清除操作。策略交互与命令处理
runCmd 函数
功能：处理用户通过交互界面发送的命令，如清除本地数据、修改下单数量等。步骤：
获取用户发送的命令。根据命令类型执行相应操作，如清除本地数据、修改下单数量等。记录命令执行结果。交易与订单管理
orderDirectly 函数
功能：根据方向和价格直接下单，支持开仓、平仓操作。步骤：
根据方向选择交易函数（买入或卖出）。设置交易方向。执行下单操作并返回结果。
openLong 函数
功能：开多仓，根据价格和数量下单。步骤：
计算实际下单数量。调用orderDirectly函数执行买入操作。
openShort 函数
功能：开空仓，根据价格和数量下单。步骤：
计算实际下单数量。调用orderDirectly函数执行卖出操作。
coverLong 函数
功能：平多仓，根据价格和数量下单。步骤：
调用orderDirectly函数执行卖出操作。
coverShort 函数
功能：平空仓，根据价格和数量下单。步骤：
调用orderDirectly函数执行买入操作。
getRealOrderSize 函数
功能：根据价格和数量重新计算实际下单数量，支持按保证金比例下单。步骤：
根据是否按保证金比例下单，计算实际下单数量。返回计算后的下单数量。风险管理与收益统计
getSinglePositionMargin 函数
功能：计算单个持仓占用的保证金。步骤：
根据持仓方向和数量计算保证金。返回计算结果。
getSinglePositionProfit 函数
功能：计算单个持仓的收益和收益率。步骤：
根据持仓方向和当前价格计算收益。返回收益和收益率。
calculateForcedPrice 函数
功能：计算持仓的强平价格。步骤：
根据持仓方向和账户余额计算强平价格。返回计算结果。
getMaxOrderSize 函数
功能：计算最大可下单数量。步骤：
根据账户余额和杠杆计算最大可下单数量。返回计算结果。
getAccountAsset 函数
功能：计算账户总资产，包括持仓和可用余额。步骤：
根据持仓和账户余额计算总资产。返回计算结果。
calculateProfit 函数
功能：计算并记录策略的收益情况。步骤：
计算当前总收益与初始资产的差值。记录收益并更新统计变量。保存收益数据到本地。
isEnoughAssetToOrder 函数
功能：检查账户资金是否足够下单。步骤：
获取账户余额信息。根据交易货币类型（USDT本位或币本位）计算所需资金。检查账户余额是否满足下单需求。返回布尔值，表示资金是否足够。趋势判断与交易逻辑
runInKLinePeriod 函数
功能：根据K线周期判断是否执行策略逻辑。步骤：
检查当前K线是否已处理。若未处理，则标记为已处理并返回True，否则返回False。
trendJudgment 函数（核心趋势判断模块）
功能：根据技术指标判断当前趋势。这是整个框架最具灵活性的模块，用户可以根据自己的需求替换不同的技术指标来进行趋势判断。当前实现：使用EMA（指数移动平均线）结合标准差来判断趋势可扩展性：该函数设计为可插拔式模块，用户可以轻松替换为其他技术指标，如：
RSI（相对强弱指数）：判断超买超卖状态MACD（移动平均收敛发散）：识别趋势转换点布林带（Bollinger Bands）：基于价格波动性的趋势判断KDJ指标：结合动量和趋势的综合判断多指标组合：可以组合多个指标进行更精确的趋势判断
步骤：
计算EMA指标并判断价格是否穿过EMA。根据标准差判断是否处于趋势中。返回当前趋势（多、空或震荡）。
stopLoss 函数
功能：根据止损规则执行止损操作。步骤：
检查持仓是否达到止损条件。若达到，则执行平仓操作并记录止损信息。
takeProfit 函数
功能：根据止盈规则执行止盈操作。步骤：
检查持仓是否达到止盈条件。若达到，则执行平仓操作并记录止盈信息。
trackingTakeProfit 函数
功能：根据回调止盈规则执行止盈操作。步骤：
检查持仓是否达到回调止盈触发条件。若达到，则执行平仓操作并记录止盈信息。
order 函数
功能：根据趋势判断结果执行下单操作。步骤：
检查当前持仓情况。根据趋势判断结果执行开仓或平仓操作。策略核心逻辑
trendStrategy 函数
功能：策略的核心逻辑函数，负责执行趋势判断、止损止盈、回调止盈以及下单操作。步骤：
获取市场数据：获取当前行情、持仓信息、账户信息和K线数据。检查持仓：确保没有同时持有多空仓位，否则抛出异常。策略交互：处理用户通过交互界面发送的命令。状态栏信息打印：更新并打印策略运行状态、账户信息和持仓情况。止损：根据止损规则检查并执行止损操作。止盈：根据止盈规则检查并执行止盈操作。回调止盈：根据回调止盈规则检查并执行止盈操作。K线周期检查：确保策略逻辑按照K线周期执行。趋势判断：根据技术指标判断当前趋势（多、空或震荡）。下单：根据趋势判断结果执行开仓或平仓操作。
状态监控与日志输出
printLogStatus 函数
功能：打印策略运行状态、账户信息和持仓情况。步骤：
构建策略总览、账户资金和持仓情况的表格数据。使用LogStatus函数将表格数据输出到状态栏。主函数与策略执行
main 函数
功能：策略的主函数，负责初始化策略并循环执行策略逻辑。步骤：
初始化交易所模拟环境。创建策略实例并初始化数据。循环执行策略逻辑，每隔一定时间间隔检查市场情况并执行交易操作。
框架特性
灵活的趋势判断：通过EMA指标和标准差，策略能够灵活判断市场趋势，适用于不同的市场环境。该函数只是一个示例，用户可以根据需要使用不同的技术指标（如RSI、MACD、布林带等）进行趋势判断。多样的止损止盈机制：支持固定百分比止损止盈和回调止盈，满足不同风险偏好的交易者需求。本地数据管理：策略运行数据和用户数据均保存在本地，确保策略重启后能够恢复到之前的状态。交互式命令：支持通过命令行与策略进行交互，方便用户调整策略参数或执行特定操作。可适用性
该框架不仅适用于数字货币市场，还可以通过添加不同的技术指标（如RSI、MACD等）在trendJudgment函数中进行扩展，以适应不同的交易策略需求。此外，该框架还可以针对现货市场或多品种合约进行针对性的修改，具有较高的灵活性和可扩展性。
现货市场支持：目前该框架主要针对合约市场，未来可以扩展支持现货市场的交易策略。多品种合约：通过添加多品种合约的支持，策略可以同时监控和交易多个数字货币，提高资金利用率。机器学习集成：结合机器学习算法，进一步提升趋势判断的准确性和策略的智能化水平。风险管理优化：进一步优化风险管理机制，如动态调整杠杆倍数、多层次止损止盈等，以提高策略的稳健性。
总结
作为一个功能全面、灵活性高的自动化交易系统，该框架适用于数字货币市场的趋势交易。通过不断优化和扩展，它有望在未来成为数字货币交易者的得力工具，帮助用户更好的开发属于自己的量化策略。"数字货币趋势策略交易框架"结构完善，代码量虽然较多，但从实盘交易的角度来看，它基本涵盖了趋势交易中所需的核心功能模块。因此，无论是从学习交易策略的角度，还是从实际应用的角度，该框架都具有重要的参考价值和实践意义。其功能全面性和灵活性使其能够适应不同的市场环境，为大家提供强大的支持。
发明者平台作为一个量化交易的宝库，包含了数字货币量化交易的大量知识和策略，每一个策略都凝聚着开发者的智慧和经验。欢迎大家来这里淘金，探索更多有价值的交易策略和技术分享。感谢各位富有创新精神和乐于分享的用户，正是因为大家的贡献，才让这个平台成为了量化交易学习和交流的重要场所，共同帮助大家提升量化交易的技能和水平。
字数限制，请到fmz查看完成策略代码