# 双均线量化策略实战指南：基于 iTick 外汇API、股票API报价源的 Python 实现

在量化交易领域，**iTick 报价 API**凭借其强大的多市场覆盖能力，已成为专业交易员的首选数据解决方案。其**外汇 API**支持全球主要货币对（如 EURUSD、GBPUSD）的毫秒级行情推送，包含 Bid/Ask 深度报价和实时波动率数据；**股票 API**则覆盖 A 股、港股及美股市场，提供 Level-2 逐笔成交和十档盘口信息。通过统一的 RESTful 接口，开发者可轻松获取标准化的 OHLCV 数据，实现外汇、股票等多资产策略的无缝适配。凭借高频低延迟特性，iTick API 特别适合日内交易策略开发，其历史数据回溯功能支持长达 15 年的日线级数据下载，为策略回测提供可靠支撑。

<figure><img src="/files/DY0Dr8SLJcfwES27U4pS" alt=""><figcaption></figcaption></figure>

### 一、策略原理

双均线策略通过长短周期均线的交叉判断趋势方向：

1. **金叉信号**：短期均线上穿长期均线 → 做多
2. **死叉信号**：短期均线下穿长期均线 → 做空
3. **趋势过滤**：结合成交量或波动率指标增强信号有效性

### 二、数据准备

使用 iTick 报价源获取多市场数据：

```
"""
**iTick**：是一家数据代理机构，为金融科技公司和开发者提供可靠的数据源APIs，涵盖外汇API、股票API、加密货币API、指数API等，帮助构建创新的交易和分析工具，目前有免费的套餐可以使用基本可以满足个人量化开发者需求
https://github.com/itick-org
https://itick.org
"""
​
pip install itrade  # iTick数据接口
```

数据获取示例（以 EURUSD 外汇对和贵州茅台股票为例）：

```
from itrade import quote
​
# 获取外汇历史数据
eurusd_df = quote.get_kline(
    symbol="EURUSD",
    start_date="2023-01-01",
    interval="15min",
    market="forex"
)
​
# 获取股票历史数据
茅台_df = quote.get_kline(
    symbol="600519.SH",
    start_date="2023-01-01",
    interval="30min",
    market="stock"
)
```

### 三、策略实现

#### 1. 双均线计算模块

```
import talib
​
def calculate_ma(df, short_window=20, long_window=60):
    # 计算简单移动平均线
    df['MA_SHORT'] = talib.SMA(df['close'], short_window)
    df['MA_LONG'] = talib.SMA(df['close'], long_window)
    
    # 计算交叉信号
    df['cross_long'] = df['MA_SHORT'] > df['MA_LONG']
    df['cross_short'] = df['MA_SHORT'] < df['MA_LONG']
    
    # 生成交易信号
    df['signal'] = 0
    df.loc[df['cross_long'] & df['cross_long'].shift(1).eq(False), 'signal'] = 1  # 金叉
    df.loc[df['cross_short'] & df['cross_short'].shift(1).eq(False), 'signal'] = -1  # 死叉
    
    return df
```

#### 2. 多市场交易逻辑

```
def execute_strategy(df, symbol, account_balance=100000):
    # 初始化持仓与资金
    position = 0
    equity = account_balance
    
    # 遍历交易信号
    for i in range(1, len(df)):
        current_signal = df['signal'].iloc[i]
        prev_signal = df['signal'].iloc[i-1]
        
        if current_signal == 1 and prev_signal != 1:
            # 开多仓（外汇使用保证金交易）
            if symbol.startswith("EURUSD"):
                position = 1  # 1标准手
                equity -= df['close'].iloc[i] * 100000  # 假设1标准手保证金
            else:
                # 股票交易（1手=100股）
                shares = int(equity * 0.9 / df['close'].iloc[i]) // 100 * 100
                position = shares
                equity -= shares * df['close'].iloc[i]
        
        elif current_signal == -1 and prev_signal != -1:
            # 开空仓（股票需支持融券）
            if symbol.startswith("600519"):
                shares = int(equity * 0.9 / df['close'].iloc[i]) // 100 * 100
                position = -shares
                equity += shares * df['close'].iloc[i]  # 融券卖出获得资金
        
        # 平仓逻辑（此处简化处理，实际需考虑手续费）
        if prev_signal != current_signal and position != 0:
            equity += position * df['close'].iloc[i]
            position = 0
    
    return equity
```

### 四、策略回测

#### 1. 多品种回测框架

```
def backtest_multiple_symbols(symbols):
    results = {}
    for symbol in symbols:
        # 获取数据并处理
        df = quote.get_kline(symbol, start_date="2023-01-01", interval="30min")
        df = calculate_ma(df)
        
        # 执行回测
        final_equity = execute_strategy(df, symbol)
        returns = (final_equity - 100000) / 100000 * 100
        
        results[symbol] = {
            "final_equity": final_equity,
            "returns": returns
        }
    return results
```

#### 2. 回测结果示例

```
symbols = ["EURUSD", "600519.SH", "XAUUSD"]
results = backtest_multiple_symbols(symbols)
​
print("策略回测结果：")
for symbol, res in results.items():
    print(f"{symbol}: 最终权益{res['final_equity']:.2f}元，收益率{res['returns']:.2f}%")
```

### 五、策略优化方向

1. **参数优化**：使用遗传算法搜索最优均线组合
2. **多资产配置**：外汇 + 股票 + 商品组合降低风险
3. **动态仓位管理**：基于 ATR 调整头寸规模
4. **机器学习增强**：加入成交量加权均线等特征

### 六、iTick API 优势

1. **多市场统一接口**：外汇、股票、期货使用相同数据格式
2. **高频数据支持**：提供毫秒级 Tick 数据与历史 K 线
3. **实时行情推送**：WebSocket 接口实现低延迟数据更新
4. **模拟交易环境**：支持实盘 API 与回测框架无缝切换

### 七、注意事项

1. 外汇交易需注意杠杆风险（通常 1:100\~1:500）
2. 股票融券交易受标的池限制
3. 建议使用 iTick 的模拟交易接口进行策略验证
4. 需根据市场特性调整滑点和手续费模型

通过本文的代码框架，可快速构建基于双均线的多市场量化策略。实际部署时建议结合 iTick 的实时数据流与交易网关，实现策略的自动化执行与风险监控。

原文出自：<https://itick.org/blog/two-ma-strategy-itick-based-python-tutorial>


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://doc.itick.org/ai-quantization-tutorial/shuang-jun-xian-liang-hua-ce-le-shi-zhan-zhi-nan-ji-yu-itick-wai-hui-api-gu-piao-api-bao-jia-yuan-de.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.