天勤量化与金字塔对比:期货路径上 Python SDK 与 PEL 桌面平台
前言
金字塔在国内期货圈曝光率高,天勤在 Python 开发者里更常见。两者都能做期货程序化,但一个默认你坐在桌面终端前,一个默认你坐在 IDE 和服务器前。我接触的案例里,选错的团队往往在换月周或夜盘断线时才发现:维护习惯与平台形态绑死了。下面把公开能力放在期货路径上对照。
一、天勤量化(TqSdk)
天勤是开源 Python SDK,覆盖行情、历史、回测、模拟与实盘,期货支持主连、指数、跨期组合,回测有 Tick 与 K 线粒度。策略以 TqApi 与 wait_update 为核心,执行对象包括 TqBacktest、TqSim、TqKq、TqAccount 等。
期货工程化路径清晰:合约规则、信号、风控、日志都可模块化管理,适合 Git 协作与代码评审。夜盘无人值守时,配合进程守护与告警脚本,值班主要盯日志与结算单对齐。
局限是需要 Python 与期货双重基础;快期认证与期货公司名单要以官方为准;没有默认图表画布,可视化要自建或借助 notebook。
更适合以代码为单一事实源、并可能在 Linux 环境部署的团队。
二、金字塔决策交易系统
金字塔是桌面一体化平台,内置 PEL 为核心语言,官方同时支持 Python、VBA、C++ 扩展。期货、证券、期权均覆盖,图表程式化与后台程序化两条路径要分开选:前者偏交互验证,后者偏多品种组合与精细化回测。
对习惯看盘的用户,金字塔的优势是信号与图表同屏,换月、仓位、风控可在界面里快速核对。多账号同步下单与模组分仓在公开功能里较突出,适合需要界面确认的执行文化。
局限是版本与多语言扩展边界要以手册为准;PEL 与 Python 扩展并存时易出现双轨参数;深度工程化与多人协作不如纯 Git 仓库直观;也不宜把精细化回测直接等同于实盘可复现。
更适合希望研究、回测、执行在同一桌面完成、并接受平台语言体系的用户。
三、期货实务对照:换月、夜盘与多品种
换月周:天勤侧通常用代码维护主力映射表,在 wait_update 里检测切换并记录版本;金字塔侧可借助模组与移仓相关功能,但规则要防止图表与后台两套配置不一致。夜盘:天勤依赖自管进程与重连逻辑;金字塔依赖客户端在线与后台任务状态。多品种:天勤用多 quote 与 TargetPosTask 等管理;金字塔用后台组合与分仓模组,界面核对更直观。
比较时建议用同一品种、同一手续费假设、同一换月规则,各跑两周模拟,记录断线次数、委托失败原因、持仓字段延迟,而不是只比哪边回测收益更高。
四、迁移与共存:何时从金字塔迁到 SDK,何时保留桌面
若团队开始要求策略审计、参数版本标签、跨办公室协作开发,向天勤迁移的动力会上升,迁移成本集中在 PEL 规则翻译与参数文件重建。若团队重视屏前确认、交易员要强参与下单过程,保留金字塔作执行台、用天勤做研究副本,是常见折中,但必须指定主执行端,避免双系统下单。
小资金个人用户:若已熟悉金字塔且品种少,继续深挖平台可能更省时间;若已熟悉 Python 且计划上服务器,天勤往往更顺。
五、单表对照(期货路径)
| 维度 | 天勤量化(TqSdk) | 金字塔 |
|---|---|---|
| 核心形态 | Python SDK | PEL 桌面+扩展 |
| 协作方式 | Git 仓库 | 平台工程+脚本 |
| 执行文化 | 日志与代码审计 | 界面核对与模组 |
| 部署 | 自管进程/云主机 | 桌面客户端 |
| 更匹配用户 | 工程化开发者 | 看盘+桌面一体化 |
六、总结
天勤量化与金字塔在期货上都能完成从研究到执行,但组织习惯不同:天勤适合代码主权与服务器部署;金字塔适合桌面闭环与界面确认。换月与夜盘是检验平台是否匹配的分水岭,应用同一策略短测记录运维事件,再决定主线。可以共存,但账户与下单权限必须单一主线,另一条只读或停用。
FAQ
1)金字塔 Python 扩展能否替代天勤?
不能简单替代。扩展边界以手册为准,执行与数据主责仍要写明。
2)天勤能否复现金字塔图表信号?
逻辑可复现,图表形态需自建可视化,不要假设字段一一对应。
3)夜盘只开金字塔客户端可以吗?
可以,但要有人值守或可靠远程桌面,与 SDK 进程守护是不同运维模型。
4)迁移要先迁什么?
先迁合约规则与手续费模板,再迁信号逻辑,最后迁执行状态机。
风险提示
本文用于技术路线讨论,不构成投资建议。软件功能以官方说明为准。
更多推荐
所有评论(0)