python-okx模拟盘下单与双均线策略实战实现

脚本专家

python-okx 是 OKX v5 REST 与 WebSocket API 的 Python 客户端，适合用 Python 打通行情获取、下单撤单和持仓管理链路。下面围绕模拟盘下单、模块分工、双均线信号和常见报错，整理一条可落地的实现路径。

一、模拟盘密钥与签名边界

在 OKX 控制台为模拟盘单独创建一组密钥，不要与实盘密钥混用。私有请求需要 api_key、secret、passphrase 三要素；签名由库内部完成：okxclient.py 在每次私有请求前，将时间戳、请求方法、请求路径与请求体拼接，使用 HMAC-SHA256 加 secret 生成摘要，再写入 OK-ACCESS-SIGN 等请求头。业务代码只需传入密钥，不需要手工处理签名细节。行情类公共接口则完全不需要密钥。

二、安装依赖并发出第一笔模拟盘订单

安装依赖后，初始化 TradeAPI 并调用 place_order。flag='1' 表示模拟盘，flag='0' 表示实盘，建议先用模拟盘验证流程。place_order 的参数与 OKX v5 下单接口一一对应，必传项包括交易标的、保证金模式、买卖方向、订单类型与数量。

2. import okx.Trade as Trade
3. trade_api = Trade.TradeAPI(
4.     api_key='your-api-key',
5.     api_secret_key='your-api-secret',
6.     passphrase='your-passphrase',
7.     flag='1',  # 1 = 模拟盘, 0 = 实盘
8. )
9. result = trade_api.place_order(
10.     instId='BTC-USDT',
11.     tdMode='cash',
12.     side='buy',
13.     ordType='market',
14.     sz='1',
15. )
16. print(result)

复制代码

返回值是一个列表包裹的结果结构，顶层 code 为 '0' 表示请求成功，data[0] 中携带 ordId 与 sCode、sMsg。判断是否真正成交时，应同时检查顶层 code 和 data[0] 中的 sCode、sMsg，而不是只看 HTTP 层面有没有抛异常。

三、四个核心模块的分工

TradeAPI 对应 Trade.py，负责下单、撤单、改单、批量下单，以及订单与成交明细查询。AccountAPI 对应 Account.py，负责账户余额、持仓、杠杆设置、账单与保证金查询。MarketAPI 对应 MarketData.py，负责最新成交价、订单簿深度、K 线与历史行情。WebSocketFactory.py 下的 WebSocket 模块负责公共频道行情推送与私有频道订单、持仓状态更新。

REST 接口按请求—响应同步取数，适合低频轮询；行情订阅或需要实时感知订单状态的场景，改用 WebSocket 模块，由交易所主动推送，可省去高频轮询带来的限流风险。

四、instId 命名与订单类型选择

instId 要按品种写清楚：BTC-USDT 是现货交易对，BTC-USDT-SWAP 是永续合约，BTC-USDT-240329 是交割合约，尾部为交割日期。tdMode 在现货模式用 cash，合约则用 cross 或 isolated。

ordType 的差异也要注意：market 表示立即按最优价成交，适合快速建仓平仓，无需传 px；limit 表示按指定价格挂单，必须同时传 px；post_only 表示只做 maker 挂单，若会立即吃单则直接被拒。

sz 的单位因品种而异：现货以基础币数量计，合约以张数计。下单前建议先通过 PublicData 模块查询对应品种的最小下单量与数量精度，避免因单位或精度问题被拒单。

五、从双均线信号到下单

以双均线交叉为例，流程是取 K 线、计算均线、生成信号、调用下单接口。先用 MarketAPI 拉取 K 线，算出快慢两条均线，金叉发买入信号、死叉发卖出信号，信号再交给 place_order 执行。

get_candlesticks 的 bar 参数控制周期，例如 1H、1D；返回数组每行按时间戳、开、高、低、收、成交量排列，收盘价在第 4 位，且默认按时间倒序返回。

2. import okx.MarketData as MarketData
3. market_api = MarketData.MarketAPI(flag='1')
5. def ma_signal(instId, fast=5, slow=20):
6.     resp = market_api.get_candlesticks(instId=instId, bar='1H', limit=str(slow + 10))
7.     if resp['code'] != '0':
8.         return None
9.     closes = [float(row[4]) for row in resp['data']]
10.     fast_ma = sum(closes[-fast:]) / fast
11.     slow_ma = sum(closes[-slow:]) / slow
12.     return 'buy' if fast_ma > slow_ma else 'sell'

复制代码

拿到 buy 或 sell 信号后，直接调用前文初始化好的 trade_api.place_order 完成执行。策略落地时还有三条底线值得提前写进代码：单笔下单金额控制在总资金的小比例以内；开仓时通过 attachAlgoOrds 附带条件单作为止损；策略主循环设置最小间隔，K 线等公共接口连续请求之间也加入短暂延迟，避免触发频率限制。

六、容易踩的三个坑

签名或时间戳报错：常见现象是返回签名错误或时间戳非法，多因本地时钟与服务器偏差过大。对策是先把系统时钟同步到 NTP 时间源，再继续排查其他原因。

模拟盘与实盘密钥混用：模拟盘创建的密钥只对 flag='1' 有效，拿去实盘调用会直接鉴权失败。对策是两套密钥物理隔离，并在配置里显式标注用途。

数量单位与精度误用：现货 sz 按币数、合约按张数，且不同品种的最小下单量与精度不同，填错会导致拒单或仓位偏差。对策是下单前先拉取该品种的合约详情做校验。

七、后续可探索的方向

okx/websocket/ 下的 WsPublicAsync 与 WsPrivateAsync 提供了行情与订单状态的异步订阅，适合作为轮询方案的升级路径；仓库 example/ 目录中还有两份 Jupyter notebook，分别演示入门流程与合约交易，可以作为对照材料。若策略趋于复杂，再把 K 线数据落盘存储、接入回测框架，会比直接在实盘上调参稳妥得多。