ETF量化开源项目怎么选才能支持银河证券交易

银河证券的量化接口到底长什么样

很多散户想搞ETF量化，第一反应是去网上搜“开源框架”，结果发现一堆项目要么只支持回测，要么对接的是模拟盘。真正能连上银河证券实盘交易的，其实没几个。银河证券给个人用户提供的程序化通道叫“银河证券量化交易接口”，底层用的是券商柜台协议。普通人不需要懂协议细节，只需要知道这个接口能干什么：查持仓、查资金、下单、撤单、查成交。支持ETF、股票、可转债。

这个接口不是默认开通的。你得先找银河证券的客户经理申请，通常要求账户资产达到一定门槛（比如50万），或者有量化交易经验。申请通过后会拿到一个API文档和测试账号。没有这个权限，任何开源框架都连不上银河证券。

开源ETF量化框架哪几个能接银河证券

市面上开源量化框架不少，能对接银河证券的典型代表是vn.py和easyquant。vn.py是国产开源量化平台，社区活跃，内置了CTP、飞马、恒生等柜台接口。银河证券的接口属于恒生系，vn.py通过修改底层Gateway就能适配。easyquant更轻量，适合个人快速上手，它直接提供了银河证券的接口模板，你只需要填入资金账号和API密钥。

这两个框架都是Python写的。Python的好处是代码可读性强，散户花一周时间就能看懂核心逻辑。不要被“量化”两个字吓到，本质上就是写几行代码告诉电脑：当ETF价格突破20日均线时，买入10000份。

一个最简单的ETF量化策略代码演示

下面这段代码用vn.py的风格写一个双均线策略。策略逻辑：5日均线上穿20日均线时买入，下穿时卖出。只交易一只ETF，比如沪深300ETF（510300）。

from vnpy.app.cta_strategy import CtaTemplate, BarData

class DoubleMaStrategy(CtaTemplate):

    def __init__(self, cta_engine, strategy_name, vt_symbol, setting):

        super().__init__(cta_engine, strategy_name, vt_symbol, setting)

        self.fast_window = 5

        self.slow_window = 20

        self.fast_ma = 0

        self.slow_ma = 0

        self.pos = 0

    def on_bar(self, bar: BarData):

        # 计算均线

        self.fast_ma = self.am.sma(self.fast_window)

        self.slow_ma = self.am.sma(self.slow_window)

        if self.fast_ma > self.slow_ma and self.pos == 0:

            self.buy(bar.close_price, 10000)

            self.pos = 10000

        elif self.fast_ma < self.slow_ma and self.pos > 0:

            self.sell(bar.close_price, abs(self.pos))

            self.pos = 0

这段代码没有花哨的技巧。核心就三件事：算均线、比大小、发订单。你把它挂到vn.py的实盘引擎上，填入银河证券的接口信息，就能自动交易。回测和实盘的代码完全一样，区别只在于数据源是历史行情还是实时行情。

不写代码也能玩银河证券ETF量化吗

能。银河证券自己的APP里有“条件单”功能，可以设置价格触发、均线触发。这算是最基础的量化。更进阶一点，用Excel的VBA调用银河证券的DDE接口，也能实现半自动交易。DDE是动态数据交换，Windows系统自带，不需要额外装软件。

不过条件单和DDE的缺点很明显：策略容量小，无法做多标的轮动，也不能做复杂的仓位管理。真想跑ETF轮动、网格、套利这些策略，还是得用Python框架。

散户用开源框架接银河证券的三个坑

第一个坑是接口延迟。 银河证券给个人用户的接口有频率限制，比如每秒最多10次查询。你跑高频策略肯定不行，但做日线级别的ETF轮动绰绰有余。别拿开源框架去跑tick级策略，那是自找麻烦。

第二个坑是资金账号安全。 开源框架需要你填入银河证券的资金账号和通讯密码。千万别把这些信息上传到GitHub或者网盘。正确的做法是放在本地电脑的加密文件里，或者用环境变量读取。

第三个坑是回测虚高。 很多开源框架默认的回测引擎会用未来数据。比如你在当天收盘后算均线，但用当天的最低价成交，这明显作弊。做ETF回测时，把成交价设成第二天的开盘价，结果才靠谱。

ETF量化开源生态里哪些项目值得跟

除了vn.py和easyquant，还有几个小众但好用的项目。Qlib是微软开源的AI量化平台，适合做因子挖掘，但对接银河证券需要自己写适配层。Backtrader是纯回测框架，不带实盘接口，你得自己接银河证券的API。pandas-ta是技术指标库，不涉及交易，但能帮你快速算MACD、RSI、布林带。

对于普通散户，建议从easyquant开始。它的文档写得很直白，而且自带银河证券的接口示例。等你把双均线策略跑通了，再换vn.py做多标的ETF轮动。

银河证券ETF量化的真实收益预期

别信网上那些“年化50%”的截图。ETF量化不是印钞机。一个简单的双均线策略，在沪深300ETF上跑十年，年化收益大概6%到8%，最大回撤20%左右。加上止损和仓位控制，能把回撤压到15%以内。这已经跑赢大多数散户了。

真正赚钱的ETF量化策略往往很无聊：每天收盘前看一眼哪个行业ETF动量最强，买入持有到第二天。就这么简单。复杂策略容易过拟合，回测漂亮，实盘亏钱。

银河证券的接口稳定性在券商里算中上水平。开盘集合竞价时段偶尔会卡，9点30分之后恢复正常。做ETF量化不用抢那几秒钟，9点35分之后下单完全来得及。