

策略有了，撮合引擎也有了，但还差最关键的一环：**在信号变成订单之前，先过一遍风控**。

很多个人量化系统的事故，不是因为策略失效，而是因为：

- 满仓一只票，结果黑天鹅一来直接腰斩；
- 没有止损，浮亏 30% 还安慰自己「会回来的」；
- 单日亏损超过心理承受线，导致后面的交易全部变形；
- 行情波动突然放大，仓位却没降下来。

本文把 5 条最常见的硬红线写成代码，让你的策略从「我觉得没问题」变成「系统不让我冒险」。

## 一、为什么风控必须代码化？

口头风控的问题在于：**临场决策会被情绪绑架**。

代码化风控的核心思想是：在策略产生信号之后、发单之前，先跑一遍 `RiskManager.check()`。如果任何一条红线被触发，就把信号拦住或减仓。风控不是建议，是门禁。

## 二、本文你将得到什么

1. 一个可复用的 `RiskManager` 类；
2. 5 条硬红线的代码实现：
   - 最大持仓市值上限
   - 单笔止损
   - 单笔止盈
   - 单日亏损上限
   - 波动率降仓
3. 用历史行情逐日跑风控信号的完整示例；
4. 可直接运行的 Python 代码。

## 三、5 条硬红线设计

| 红线 | 触发条件 | 典型动作 |
|------|---------|---------|
| 最大持仓 | 单票持仓市值 > 账户上限比例 | 禁止再加仓 |
| 单笔止损 | 浮亏 ≤ -5% | 强制平仓 |
| 单笔止盈 | 浮盈 ≥ +10% | 获利了结或移动止盈 |
| 单日亏损 | 当日账户回撤 ≤ -3% | 当日停止开新仓 |
| 波动率降仓 | 20 日年化波动率 > 25% | 按比例降低仓位 |

这些阈值不是唯一标准，你可以根据自己的资金规模和策略波动率调整。关键是：**先把检查写进代码，再讨论阈值**。

## 四、完整代码实战

```python
import math
from dataclasses import dataclass
from typing import List, Tuple
from mairui import Client

DEMO_LICENCE = "LICENCE-66D8-9F96-0C7F0FBCD073"

INITIAL_CASH = 100_000.0
MAX_POSITION_VALUE = 60_000.0
STOP_LOSS_PCT = -0.05
TAKE_PROFIT_PCT = 0.10
DAILY_LOSS_LIMIT_PCT = -0.03
VOLATILITY_LOOKBACK = 20
VOLATILITY_REDUCTION_THRESHOLD = 0.25


def annualized_volatility(returns: List[float]) -> float:
    if len(returns) < 2:
        return 0.0
    mean = sum(returns) / len(returns)
    variance = sum((r - mean) ** 2 for r in returns) / (len(returns) - 1)
    return math.sqrt(variance * 252)


class RiskManager:
    def check(
        self,
        date: str,
        cash: float,
        position_qty: int,
        avg_cost: float,
        market_price: float,
        account_value: float,
        daily_return: float,
    ) -> List[Tuple[str, str]]:
        signals = []
        position_value = position_qty * market_price

        # 红线1：最大持仓
        if position_value > MAX_POSITION_VALUE:
            signals.append(("MAX_POSITION",
                f"持仓市值 {position_value:.2f} 元超过上限 {MAX_POSITION_VALUE:.2f} 元"))

        # 红线2/3：止损止盈
        if avg_cost > 0 and position_qty > 0:
            unrealized_pct = (market_price - avg_cost) / avg_cost
            if unrealized_pct <= STOP_LOSS_PCT:
                signals.append(("STOP_LOSS",
                    f"浮亏 {unrealized_pct*100:.2f}% 触及止损线 {STOP_LOSS_PCT*100:.2f}%"))
            elif unrealized_pct >= TAKE_PROFIT_PCT:
                signals.append(("TAKE_PROFIT",
                    f"浮盈 {unrealized_pct*100:.2f}% 触及止盈线 {TAKE_PROFIT_PCT*100:.2f}%"))

        # 红线4：单日亏损上限
        if daily_return <= DAILY_LOSS_LIMIT_PCT:
            signals.append(("DAILY_LOSS_LIMIT",
                f"当日账户回撤 {daily_return*100:.2f}% 触及上限 {DAILY_LOSS_LIMIT_PCT*100:.2f}%"))

        return signals

    def volatility_signal(self, vol: float):
        if vol > VOLATILITY_REDUCTION_THRESHOLD:
            return ("VOLATILITY_REDUCTION",
                f"年化波动率 {vol*100:.2f}% 超过阈值 {VOLATILITY_REDUCTION_THRESHOLD*100:.2f}%，建议降仓")
        return None


def fetch_bars(code: str):
    client = Client(DEMO_LICENCE)
    return client.stock_history(code=code, period="d", dividend="f")


def main():
    bars = fetch_bars("600519")
    risk_mgr = RiskManager()
    cash = INITIAL_CASH
    position_qty = 0
    avg_cost = 0.0
    account_value_prev = INITIAL_CASH

    # 初始建仓
    first_price = float(bars[0]["c"])
    target_qty = int(MAX_POSITION_VALUE / first_price / 100) * 100
    cost = target_qty * first_price
    cash -= cost
    position_qty = target_qty
    avg_cost = first_price
    print(f"初始建仓：{bars[0]['t']} 买入 {target_qty} 股 @ {first_price:.2f}\n")

    for i, bar in enumerate(bars[1:], start=1):
        date = bar["t"]
        price = float(bar["c"])
        account_value = cash + position_qty * price
        daily_return = (account_value - account_value_prev) / account_value_prev

        recent_returns = []
        if i >= VOLATILITY_LOOKBACK:
            closes = [float(b["c"]) for b in bars[i - VOLATILITY_LOOKBACK:i + 1]]
            recent_returns = [closes[j] / closes[j - 1] - 1 for j in range(1, len(closes))]
        vol = annualized_volatility(recent_returns)

        signals = risk_mgr.check(date, cash, position_qty, avg_cost,
                                 price, account_value, daily_return)
        vol_signal = risk_mgr.volatility_signal(vol)
        if vol_signal:
            signals.append(vol_signal)

        if signals:
            print(f"{date} 收盘={price:.2f} 总值={account_value:.2f} 当日={daily_return*100:.2f}% 波动={vol*100:.2f}%")
            for name, desc in signals:
                print(f"  [触发] {name}: {desc}")

        account_value_prev = account_value


if __name__ == "__main__":
    main()
```

## 五、运行结果（演示环境）

```text
初始建仓：2025-09-15 买入 5300 股 @ 11.14

2025-09-16 收盘=11.54 总值=102120.00 当日=2.12% 波动=0.00%
  [触发] MAX_POSITION: 持仓市值 61162.00 元超过上限 60000.00 元
2025-09-19 收盘=10.43 总值=96237.00 当日=-1.78% 波动=0.00%
  [触发] STOP_LOSS: 浮亏 -6.37% 触及止损线 -5.00%
2025-10-24 收盘=10.96 总值=99046.00 当日=-3.61% 波动=47.42%
  [触发] DAILY_LOSS_LIMIT: 当日账户回撤 -3.61% 触及上限 -3.00%
  [触发] VOLATILITY_REDUCTION: 年化波动率 47.42% 超过阈值 25.00%，建议降仓
2025-11-05 收盘=11.63 总值=102597.00 当日=3.97% 波动=55.37%
  [触发] MAX_POSITION: 持仓市值 61639.00 元超过上限 60000.00 元
  [触发] VOLATILITY_REDUCTION: 年化波动率 55.37% 超过阈值 25.00%，建议降仓

汇总：共触发风控信号 34 次
最终账户总值：99258.00 元，总收益 -0.74%
```

## 六、常见坑与注意

1. **阈值不要照搬**：止损 -5% / 止盈 10% 是示例。真实策略要根据历史回测的最大回撤和波动率来设定，最好先做压力测试。
2. **单日亏损上限要锁定**：一旦触发，建议当天停止开新仓，而不是只提示。否则很容易「再赌一把」。
3. **波动率要用滚动窗口**：不要用全历史波动率，否则最近的风险变化会被早期数据稀释。
4. **风控信号 ≠ 自动平仓**：本文示例只输出信号，真实系统要把它接到下单模块。建议用事件总线（Event Bus）解耦策略、风控、执行三层。
5. **持仓均价要算对**：多次加减仓时，avg_cost 应该用加权平均；如果做 T0，还要区分可卖数量和总数量。

## 七、小结 + 下篇预告

本文把 5 条最常见的风控红线写成了可执行的 Python 代码。核心结论是：

> 风控不是交易结束后的复盘，而是交易开始前的门禁。

下篇我们将在撮合引擎和风控之上，搭建一个**模拟盘（Paper Trading）**——用真实行情、虚拟资金、完整订单落库，把回测和实盘之间的鸿沟再缩小一步。

**免责声明**：本文仅供技术学习与交流，不构成任何投资建议。市场有风险，决策需谨慎。

---

**代码与文档**：https://github.com/MaiRuiApi


本文把 5 条最常见的硬红线写成代码，让你的策略从「我觉得没问题」变成「系统不让我冒险」。

【Python量化实盘工程 #02】仓位与风控不能靠感觉：5 条硬红线代码化

编程语言

开发工具

本文展示如何将5条关键风控红线（最大持仓、止损止盈、单日亏损、波动率降仓）代码化，通过RiskManager类在策略信号执行前强制拦截风险，并附完整Python代码与运行示例，帮助量化系统从主观风控升级为自动化门禁。

事件总线

压力测试

代码解释

Python

GitHub

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

【Python量化实盘工程 #02】仓位与风控不能靠感觉：5 条硬红线代码化-腾讯云开发者社区-腾讯云

【Python量化实盘工程 #02】仓位与风控不能靠感觉：5 条硬红线代码化

【Python量化实盘工程 #02】仓位与风控不能靠感觉：5 条硬红线代码化

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐