有不少使用Python语言编写策略的开发者希望把策略代码文件放在本地，担心策略安全性。正如FMZ API文档中提出的一种方案：

策略安全性
在发明者量化交易平台上开发策略，策略仅发明者量化账户持有者可见。并且在发明者量化交易平台上可以实现策略代码完全本地化，例如把策略封装成一个Python包，在策略代码中加载，这样就实现了策略本地化。
https://www.fmz.com/api#策略安全性

其实这种担心大可不必，不过既然有这种解决方案，那么就提供一个完整的实现例子。

封装一个策略

我们找一个简单的Python策略做示范，使用经典的Dual Thrust策略，策略地址：https://www.fmz.com/strategy/21856
我们力求不改动任何策略部分代码，将策略封装成一个可由FMZ平台上策略代码调用的文件，并且执行结果和直接运行该策略完全一致。封装最大的问题在于FMZ平台上的策略代码调用的全局对象，全局函数，常量值，在我们封装的文件中无法访问，这样就必须想个办法把这些对象、函数、变量、常量传递到封装的文件。那接下来我们按部就班的处理。

  • 复制python版 Dual Thrust OKCoin 期货策略的代码，粘贴进本地的Python文件，本地Python文件命名为testA。

    粘贴进本地编辑器打开的文件testA。

  • 增加一些代码，对于复制粘贴进的策略代码部分保持原封不动

    # 函数、对象
exchanges = None
exchange = None
Log = None
Sleep = None
TA = None
Chart = None
LogProfitReset = None
LogStatus = None
_N = None
_C = None 
LogProfit = None  


# 策略参数
ContractTypeIdx = None
MarginLevelIdx = None
NPeriod = None
Ks = None
Kx = None
AmountOP = None
Interval = None
LoopInterval = None
PeriodShow = None  

# 常量
ORDER_STATE_PENDING = 0
ORDER_STATE_CLOSED = 1
ORDER_STATE_CANCELED = 2
ORDER_STATE_UNKNOWN = 3
ORDER_TYPE_BUY = 0 
ORDER_TYPE_SELL = 1
PD_LONG = 0
PD_SHORT = 1  


def SetExchanges(es):
    global exchanges, exchange
    exchanges = es
    exchange = es[0]  

def SetFunc(pLog, pSleep, pTA, pChart, pLogStatus, pLogProfitReset, p_N, p_C, pLogProfit):
    global Log, Sleep, TA, Chart, LogStatus, LogProfitReset, _N, _C, LogProfit
    Log = pLog
    Sleep = pSleep
    TA = pTA
    Chart = pChart
    LogStatus = pLogStatus
    LogProfitReset = pLogProfitReset
    _N = p_N
    _C = p_C
    LogProfit = pLogProfit  

def SetParams(pContractTypeIdx, pMarginLevelIdx, pNPeriod, pKs, pKx, pAmountOP, pInterval, pLoopInterval, pPeriodShow):
    global ContractTypeIdx, MarginLevelIdx, NPeriod, Ks, Kx, AmountOP, Interval, LoopInterval, PeriodShow
    ContractTypeIdx = pContractTypeIdx
    MarginLevelIdx = pMarginLevelIdx
    NPeriod = pNPeriod
    Ks = pKs
    Kx = pKx
    AmountOP = pAmountOP
    Interval = pInterval
    LoopInterval = pLoopInterval
    PeriodShow = pPeriodShow

    以上代码主要作用是，声明当前文件内用到的全局函数、变量。然后预留导入这些函数的接口SetExchanges，SetParams，SetFunc。在FMZ平台上的策略调用这些函数，把一些用到的函数、对象等传递过来。

FMZ平台上的启动策略

启动策略就很简单了，如下：

在FMZ平台上写的代码就只有这几行，需要注意的是这个启动策略的参数是要和我们封装的策略python版 Dual Thrust OKCoin 期货一模一样的，其实可以直接复制一下「python版 Dual Thrust OKCoin 期货」策略，然后把策略代码清空就可以了，粘贴上

import sys
# 这里我写的是自己放置testA文件的路径，具体我替换为xxx了，简单说就是设置自己的testA文件路径就可以了
sys.path.append("/Users/xxx/Desktop/pythonPlayground/")
import testA

def main():
    # 传递交易所对象
    testA.SetExchanges(exchanges)
    # 传递全局函数 SetFunc(pLog, pSleep, pTA, pChart, pLogStatus, pLogProfitReset, p_N, p_C, pLogProfit)
    testA.SetFunc(Log, Sleep, TA, Chart, LogStatus, LogProfitReset, _N, _C, LogProfit)
    # 传递策略参数 SetParams(pContractTypeIdx, pMarginLevelIdx, pNPeriod, pKs, pKx, pAmountOP, pInterval, pLoopInterval, pPeriodShow)
    testA.SetParams(ContractTypeIdx, MarginLevelIdx, NPeriod, Ks, Kx, AmountOP, Interval, LoopInterval, PeriodShow)
    # 执行封装的testA文件中的策略主函数
    testA.main()

这样我们就把策略逻辑主体封装在testA文件，放在托管者所在设备本地，FMZ平台上只用保存一个启动策略，创建这个启动策略的机器人，就可以直接加载我们的本地文件在托管者本地运行了。

回测对比

  • 本地加载testA文件回测

  • 原版策略，在公共服务器上回测

另一种更加简单的方式

直接将文件载入执行。
这次我们准备一个testB文件，放置「python版 Dual Thrust OKCoin 期货」策略的代码。

import time
class Error_noSupport(BaseException):
    def __init__(self):
        Log("只支持OKCoin期货！#FF0000")

class Error_AtBeginHasPosition(BaseException):
    def __init__(self):
        Log("启动时有期货持仓! #FF0000")

ChartCfg = {
    \'__isStock\': True,
    \'title\': {
        \'text\': \'Dual Thrust 上下轨图\'
    },
    \'yAxis\': {

...

策略太长，就省略了，策略代码完全不用改动。

然后准备「python版 Dual Thrust OKCoin 期货 (启动策略，直接执行testB文件)」，就是我们在FMZ平台上的策略，创建机器人，直接加载testB文件，并且直接执行。需要注意的是启动策略必须也有和「python版 Dual Thrust OKCoin 期货」原版一摸一样的策略参数设置（策略界面参数）。

if __name__ == \'__main__\':
    Log("run...")
    try:
        # 文件路径做了处理，可以写入自己testB文件放置的实际路径
        f = open("/Users/xxx/Desktop/pythonPlayground/testB.py", "r")
        code = f.read()
        exec(code)
    except Exception as e:
        Log(e)

执行回测：

回测结果和以上测试一致。

显然以上第二种方法更加简单，推荐使用，如果有更好的方法，欢迎大神留言。

版权声明：本文为fmz-quant原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/fmz-quant/articles/13597607.html