返回博客
AI量化6 分钟阅读

我开源了 QQQ 末日期权自动交易系统

AI量化开源期权

基于长桥 Python SDK，全自动交易 QQQ 0DTE 虚值期权。回测 761 笔/2.3 年，胜率 75.8%。

本系统仅供参考学习部署，具体交易策略还需要自己优化。

---## 一、策略说明### 做什么全自动交易 QQQ 当日到期（0DTE）虚值期权，每天美东 09:35-15:50 期间自动检测信号、下单、持仓管理、平仓。

怎么做两条信号路径同时运行：

1. 趋势突破（顺势）

  • 价格突破前 5 根 1 分钟 K 线的高点 → 买入 Call（做多）- 价格跌破前 5 根 1 分钟 K 线的低点 → 买入 Put（做空）- 4 层过滤：SMA20 趋势 + 量能确认 + 动量确认 + K 线实体2. 衰竭反转（逆势）

  • 从日内高点回落≥0.2% → 买入 Call（抄底）- 从日内低点反弹≥0.2% → 买入 Put（逃顶）- 每天最多 1 次，防止频繁抄底### 怎么管动态止盈：

  • 亏损 25% → 止损全部平仓- 盈利 100% → 平仓一半（锁定利润）- 从最高盈利回撤 30% → 全部平仓- 持仓超过 15 分钟 → 超时平仓风控：

  • 每笔最小 10 张期权- 日最大交易 8 笔- 日亏损达 5% 停止交易### 回测结果指标数值总交易761 笔 / 2.3 年胜率75.8%总收益+3111%年化收益354.8%最大回撤25.19%---## 二、环境准备### 1. 系统要求- Python 3.10+- Linux 或 WSL（Windows 原生不推荐）- 长桥 API 密钥（需开通美股期权权限）### 2. 安装依赖pip install longbridge flask numpy scipy

---## 三、获取代码git clone ````https://github.com/1797346220/qqq-trading-system.git cd qqq-trading-system

---## 四、配置密钥### 1. 申请长桥 API- 访问 https://open.longportapp.com 注册账号- 创建应用，获取以下三个密钥：APP_KEY- APP_SECRET- ACCESS_TOKEN- 确保账户已开通美股期权交易权限### 2. 创建 .env 文件在项目目录创建 .env 文件，填入你自己的密钥：

LONGPORT_APP_KEY=你的 APP_KEY LONGPORT_APP_SECRET=你的 APP_SECRET LONGPORT_ACCESS_TOKEN=你的 ACCESS_TOKEN

⚠️ 重要：**.env**** 文件绝对不能提交到 Git！**

3. 验证密钥import os with open('.env') as f:    for line in f:        line = line.strip()        if '=' in line and not line.startswith('#'):            k, v = line.split('=', 1)            os.environ.setdefault(k.strip(), v.strip().strip('"')) from longbridge.openapi import Config, QuoteContext config = Config.from_apikey_env() ctx = QuoteContext(config) quotes = ctx.quote(['QQQ.US']) print(f"QQQ: ${float(quotes[0].last_done):.2f}")

如果输出 QQQ 价格，说明密钥配置成功。

---## 五、启动系统### 方式一：直接启动# 终端 1：启动交易引擎 PYTHONUNBUFFERED=1 python live_trader.py # 终端 2：启动 Web 仪表盘 PYTHONUNBUFFERED=1 python trader_web.py

方式二：后台启动# 后台启动交易引擎 nohup PYTHONUNBUFFERED=1 python live_trader.py > trader.log 2>&1 & # 后台启动 Web 仪表盘 nohup PYTHONUNBUFFERED=1 python trader_web.py > web.log 2>&1 &

方式三：watchdog 守护（推荐）python watchdog.py

watchdog 会自动管理 live_trader.py 的生命周期，崩溃后自动重启。

---## 六、验证部署### 1. 检查进程ps aux | grep -E 'live_trader|trader_web' | grep -v grep

应该看到两个 Python 进程在运行。

2. 检查状态文件python -c " import json d = json.load(open('state.json')) print(f'连接: {d[\"connected\"]}') print(f'运行: {d[\"running\"]}') print(f'K 线数: {d[\"candle_count\"]}') "

3. 访问 Web 仪表盘浏览器打开 http://127.0.0.1:8080

---## 七、文件说明文件说明live_trader.py核心交易引擎trader_web.pyWeb 仪表盘watchdog.py守护进程update_gist.py同步交易记录.env密钥配置（不入库）state.json实时状态（自动生成）today.csv当日 K 线（自动生成）records/*.json交易记录（自动生成）---## 八、常见问题### Q: ImportError: No module named 'longbridge'pip install longbridge

Q: 长桥 API 连接失败检查：

  • .env 文件是否存在且格式正确- 环境变量名是 LONGPORT_* 不是 LONGBRIDGE_*- 使用 Config.from_apikey_env() 不是 Config.from_env()### Q: 信号检测无输出检查：

  • state.json 的 candle_count 是否>0- 当前时间是否在交易窗口内（美东 09:35-15:50）- 是否有持仓阻塞### Q: 期权下单失败检查：

  • 期权合约代码格式是否正确（.US 后缀 + 整数行权价）- 到期日是否用美东时间生成- 账户是否有期权交易权限---## 九、策略参数如需调整策略，修改 live_trader.py 中的 CONFIG：

CONFIG = {    'sl': 0.25,               # 止损 25%    'lookback': 5,            # 突破窗口 5 根 K 线    'vol_mult': 0.8,          # 量能倍数    'min_body': 0.0003,       # K 线实体 0.03%    'max_trades': 8,          # 日最大交易    'start_time': '09:35',    # 入场开始（美东）   'end_time': '15:50',      # 入场结束（美东）   # ... 其他参数见代码注释 }

⚠️ 修改后必须同步修改 **trader_web.py** 中的 CONFIG，然后重启两个进程。

---## 开源地址https://github.com/1797346220/qqq-trading-system

---## 免责声明本系统仅供学习研究使用。期权交易具有高风险，可能导致本金损失。作者不对使用本系统产生的任何损失负责。

$小米集团-W(01810.HK) $纳指 100 ETF - Invesco(QQQ.US)