2026年期货量化交易日志系统_记录与分析实战

免责声明：本文基于个人使用体验，与任何厂商无商业关系。内容仅供技术交流参考，不构成投资建议。

一、前言

量化交易日志系统是策略运行的重要保障。好的日志系统能帮助快速定位问题、分析策略表现、优化交易行为。

2026年了，如何搭建一个完善的日志系统？如何分析日志数据？今天分享一下我的实践经验。

二、日志系统的重要性

1. 问题定位

场景：

• 策略突然停止运行
• 订单执行异常
• 数据获取失败

日志作用：

# 没有日志：不知道哪里出问题defbad_strategy():api.insert_order(...)# 出错了，但不知道原因# 有日志：可以快速定位defgood_strategy():logger.info("准备下单")try:order=api.insert_order(...)logger.info(f"下单成功:{order.order_id}")exceptExceptionase:logger.error(f"下单失败:{e}",exc_info=True)

2. 策略分析

用途：

• 分析交易行为
• 评估策略表现
• 优化交易逻辑

三、日志系统设计

1. 日志级别

importlogging# 配置日志级别logging.basicConfig(level=logging.INFO,format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')logger=logging.getLogger('trading')# 使用不同级别logger.debug("调试信息")# 详细调试logger.info("一般信息")# 正常运行信息logger.warning("警告信息")# 警告但不影响运行logger.error("错误信息")# 错误但可恢复logger.critical("严重错误")# 严重错误，可能崩溃

2. 日志分类

classTradingLogger:"""交易日志器"""def__init__(self):# 创建不同的loggerself.signal_logger=logging.getLogger('trading.signal')self.order_logger=logging.getLogger('trading.order')self.position_logger=logging.getLogger('trading.position')self.error_logger=logging.getLogger('trading.error')deflog_signal(self,signal):"""记录信号"""self.signal_logger.info(f"信号生成:{signal['type']}{signal['symbol']}"f"价格={signal['price']}强度={signal['strength']}")deflog_order(self,order,action):"""记录订单"""self.order_logger.info(f"订单{action}:{order.order_id}{order.symbol}"f"{order.direction}{order.volume}手 @{order.price}")deflog_position(self,position):"""记录持仓"""self.position_logger.info(f"持仓更新:{position.symbol}"f"多头={position.pos_long}空头={position.pos_short}"f"盈亏={position.float_profit}")deflog_error(self,error,context):"""记录错误"""self.error_logger.error(f"错误发生:{error}上下文:{context}",exc_info=True)# 使用logger=TradingLogger()logger.log_signal(signal)logger.log_order(order,"提交")

3. 日志存储

importlogging.handlersimportosfromdatetimeimportdatetimedefsetup_logging(log_dir="logs"):"""设置日志"""os.makedirs(log_dir,exist_ok=True)# 按日期分割日志log_file=os.path.join(log_dir,f"trading_{datetime.now().strftime('%Y%m%d')}.log")# 文件处理器file_handler=logging.handlers.RotatingFileHandler(log_file,maxBytes=10*1024*1024,# 10MBbackupCount=30# 保留30天)file_handler.setLevel(logging.INFO)file_handler.setFormatter(logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s'))# 控制台处理器console_handler=logging.StreamHandler()console_handler.setLevel(logging.WARNING)console_handler.setFormatter(logging.Formatter('%(levelname)s - %(message)s'))# 配置根loggerroot_logger=logging.getLogger()root_logger.setLevel(logging.INFO)root_logger.addHandler(file_handler)root_logger.addHandler(console_handler)setup_logging()

四、关键信息记录

1. 交易记录

importjsonfromdatetimeimportdatetimeclassTradeLogger:"""交易记录器"""def__init__(self,log_file="trades.json"):self.log_file=log_file self.trades=[]deflog_trade(self,trade):"""记录交易"""trade_record={'timestamp':datetime.now().isoformat(),'symbol':trade['symbol'],'direction':trade['direction'],'volume':trade['volume'],'price':trade['price'],'order_id':trade.get('order_id'),'signal':trade.get('signal'),'pnl':trade.get('pnl',0),}self.trades.append(trade_record)# 实时写入withopen(self.log_file,'a',encoding='utf-8')asf:f.write(json.dumps(trade_record,ensure_ascii=False)+'\n')defget_trades(self,start_date=None,end_date=None):"""获取交易记录"""trades=self.tradesifstart_date:trades=[tfortintradesift['timestamp']>=start_date]ifend_date:trades=[tfortintradesift['timestamp']<=end_date]returntrades# 使用trade_logger=TradeLogger()trade_logger.log_trade({'symbol':'SHFE.rb2505','direction':'BUY','volume':1,'price':3500,'signal':'ma_cross'})

2. 策略状态记录

classStrategyLogger:"""策略状态记录器"""def__init__(self):self.states=[]deflog_state(self,strategy_name,state):"""记录策略状态"""state_record={'timestamp':datetime.now().isoformat(),'strategy':strategy_name,'equity':state.get('equity'),'position':state.get('position'),'signals':state.get('signals',[]),'errors':state.get('errors',[]),}self.states.append(state_record)# 写入数据库或文件self.save_state(state_record)defsave_state(self,state):"""保存状态"""# 可以保存到数据库# 或写入文件pass

3. 性能监控

importtimefromfunctoolsimportwrapsdefperformance_logger(func):"""性能日志装饰器"""@wraps(func)defwrapper(*args,**kwargs):start_time=time.time()try:result=func(*args,**kwargs)elapsed=time.time()-start_time logger.info(f"{func.__name__}执行时间:{elapsed:.3f}秒")returnresultexceptExceptionase:elapsed=time.time()-start_time logger.error(f"{func.__name__}执行失败:{e}耗时:{elapsed:.3f}秒")raisereturnwrapper# 使用@performance_loggerdefgenerate_signal(klines):"""生成信号"""# 策略逻辑returnsignal

五、日志分析

1. 交易分析

importpandasaspddefanalyze_trades(log_file):"""分析交易日志"""# 读取交易记录trades=[]withopen(log_file,'r',encoding='utf-8')asf:forlineinf:trades.append(json.loads(line))df=pd.DataFrame(trades)# 分析analysis={'total_trades':len(df),'win_rate':(df['pnl']>0).sum()/len(df),'avg_profit':df[df['pnl']>0]['pnl'].mean(),'avg_loss':df[df['pnl']<0]['pnl'].mean(),'total_pnl':df['pnl'].sum(),}returnanalysis# 使用analysis=analyze_trades("trades.json")print(analysis)

2. 错误分析

importredefanalyze_errors(log_file):"""分析错误日志"""errors=[]withopen(log_file,'r',encoding='utf-8')asf:forlineinf:if'ERROR'inlineor'CRITICAL'inline:errors.append(line)# 统计错误类型error_types={}forerrorinerrors:# 提取错误类型match=re.search(r'(\w+Error|\w+Exception)',error)ifmatch:error_type=match.group(1)error_types[error_type]=error_types.get(error_type,0)+1returnerror_types# 使用error_stats=analyze_errors("trading_20250101.log")print(error_stats)

3. 性能分析

defanalyze_performance(log_file):"""分析性能日志"""performance_data=[]withopen(log_file,'r',encoding='utf-8')asf:forlineinf:if'执行时间'inline:# 提取函数名和执行时间match=re.search(r'(\w+) 执行时间: ([\d.]+)秒',line)ifmatch:func_name=match.group(1)elapsed=float(match.group(2))performance_data.append({'function':func_name,'elapsed':elapsed})df=pd.DataFrame(performance_data)# 统计stats=df.groupby('function')['elapsed'].agg(['mean','max','count'])returnstats# 使用perf_stats=analyze_performance("trading_20250101.log")print(perf_stats)

六、不同工具的日志支持

七、我的日志系统经验

作为一个从业二十年的期货量化交易者，分享几点日志系统经验：

1. 日志设计

我的日志系统包括：

• 交易日志：记录所有交易
• 信号日志：记录信号生成
• 错误日志：记录所有错误
• 性能日志：记录关键函数执行时间

2. 日志存储

我使用文件存储，按日期分割：

• 每天一个日志文件
• 保留最近30天
• 重要日志单独备份

3. 日志分析

我定期分析日志：

• 每周分析交易记录
• 每月分析错误统计
• 定期优化慢函数

我目前使用TqSdk做交易，自己实现日志系统。虽然多写一些代码，但更灵活，可以完全控制日志格式和内容。

这只是我个人的经验，每个人需求不同，建议根据自己的情况设计。

八、总结

2026年期货量化交易日志系统要点：

1. 日志设计：分类记录，不同级别
2. 关键信息：交易、信号、错误、性能
3. 日志存储：按日期分割，定期清理
4. 日志分析：定期分析，优化策略

好的日志系统是量化交易的重要保障，能帮助快速定位问题、分析策略表现。

本文仅作为技术介绍，不代表对任何工具的推荐。实际使用请自行评估。

声明：本文基于个人学习经验整理，仅供技术交流参考，不构成任何投资建议。