国外高频交易的高速发展与国际金融市场的深化改革给我国高频交易的蓬勃发展带来了新的机遇，这对深入研究高频交易策略投资组合管理问题提出了客观要求。

在量化交易领域，开源软件已经越来越成为一种主流的选择。以下是最新全球开源交易量化排名：

从上图排名中可以看出：Python在量化开源领域是当之无愧的老大，前十名中，超过一半都是运用Python语言来进行编程的；另外，中国在崛起，三个国内开发项目（Tushare，vn.py，RQAlpha）在只提供中文文档和社区的情况下，整体排名都还挺高。

vn.py是基于Python的开源量化交易程序开发框架，起源于国内私募的自主量化交易系统。2015年出项目启动时只是单纯的交易API接口的Python封装。随着业内关注度的上升和社区的不断贡献，目前已经成长为一套全功能的交易程序开发框架，用户群里也日渐多样化，包括私募基金、券商自营和资管、期货资管和子公司、高校研究机构和个人投资者等。丰富的Python交易API接口（vnpy.api），基本覆盖了国内外所有常规交易品种（股票、期货、期权、外汇、外盘、比特币）。简洁易用的事件驱动引擎（vnpy.event），作为事件驱动型交易程序的核心。支持服务器端数据推送的RPC框架（vnpy.rpc）,用于实现多线程分布式架构的交易系统。开箱即用的实盘交易平台框架（vnpy.trader）,整合了多种交易接口，并针对具体策略算法和功能开发提供了简洁易用的API，用于快速构建交易员所需的量化交易程序。数据相关的API接口（vnpy.data），用于构建和更新历史行情数据库。

毕业设计（论文）将选择期货作为研究目标，深入了解期货交易过程中涉及到的交易策略，搜集交易数据，选择多个商品期货作为研究目标，并基于vn.py框架(基于python的开源量化交易平台开发框架) ，深入研究多因子模型，确定合适的高频策略评估指标，根据历史交易数据，建立量化高频交易模型，在建立模型的基础上，不断进行量化回测，不断优化模型，不断提高投资组合收益率，直到达到预期收益率。

2. 研究的基本内容与方案

毕业设计（论文）将选择期货作为研究目标，深入了解期货交易过程中涉及到的交易策略，搜集交易数据，选择多个商品期货作为研究目标，并基于vn.py框架(基于python的开源量化交易平台开发框架) ，深入研究多因子模型，确定合适的高频策略评估指标，根据历史交易数据，建立量化高频交易模型，在建立模型的基础上，不断进行量化回测，不断优化模型，不断提高投资组合收益率，直到达到预期收益率。

毕业论文将在以下环境下完成：Windows 10操作系统的电脑一台，同时，安装MongoDB，并将MongoDB配置为系统服务，作为数据库存储机制；安装Anaconda，Python2.7 32位版本；安装Visual C Redistributable Packages for VS2013 x86版本；安装python-snappy。完成上述安装以后，根据已有double ema、atr rsi、kingkeltner策略作为基础，对已有策略进行分析，同时建立量化高频交易模型，不断进行量化回测，优化模型，提高收益率，直到达到预期收益率。

[1]张纪珩. 基于最大熵谱分析的高频交易策略研究[D].贵州财经大学,2017.