（转自：https://www.joinquant.com/view/community/detail/a536564c8c751349d5ad3529bad8e9e1）

很多时候为了运行复杂的策略用python速度会很慢，而核心部分用C 编写可以大幅提升策略的运行速度。另外通达信、金字塔等主流证券软件都支持C 的dll库，而且可以很方便地图形化展示策略结果，那么策略核心部分用C 编写成dll库也是一种通用的跨平台方案。

而传统的python对C 库调用方法，需要自己编写很多封装函数，且聚宽的策略回测平台本身也不支持调用本地的C 库。
这时可以借助一个开源的第三方平台hikyuu来方便地完成该需求。将jqdata与hikyuu整合起来实现C /python混合编程。
首先我们需要在hikyuu的C 工程文件中添加自己的策略代码，自己的策略代码可以作为自定义指标的一部分。

在hikyuu_msvc10工程下增加一个指标，首先在indicator/crt目录下增加一个策略的包装头文件，例如一个移动平均线的策略：

#ifndef EMA_H_
#define EMA_H_

#include “…/Indicator.h”

namespace hku {
/**
 * 指数移动平均线(Exponential Moving Average)

• @param n 计算均值的周期窗口，必须为大于0的整数
   * @ingroup Indicator
   */

Indicator HKU_API EMA(int n = 22);

/**
 * 指数移动平均线(Exponential Moving Average)
 * @param data 待计算的源数据
 * @param n 计算均值的周期窗口，必须为大于0的整数
 * @ingroup Indicator
 */

Indicator HKU_API EMA(const Indicator& data, int n = 22);
} /* namespace */

#endif /* EMA_H_ */

然后在indicator/imp目录中增加这个策略的实现类，包含头文件和实现文件：

#ifndef EMA_H_
#define EMA_H_

#include “…/Indicator.h”

namespace hku {

/*
 * 指数移动平均线(Exponential Moving Average)
 * 参数： n: 计算均值的周期窗口，必须为大于0的整数
 * 抛弃数 = 0
 */

class Ema: public IndicatorImp {
    INDICATOR_IMP(Ema)
    INDICATOR_IMP_NO_PRIVATE_MEMBER_SERIALIZATION
public:
    Ema();
    virtual ~Ema();
};

} /* namespace hku */

#endif /* EMA_H_ */

#include “Ema.h”

namespace hku {
Ema::Ema(): IndicatorImp(“EMA”, 1) {
    setParam(“n”, 22);
}

Ema::~Ema() {

}

bool Ema::check() {
    int n = getParam(“n”);
    if (n <= 0) {
        HKU_ERROR(“Invalid param[n] must > 0 ! [Ema::check]”);
        return false;
    }

    return true;
}

void Ema::_calculate(const Indicator& indicator) {
    size_t total = indicator.size();
    int n = getParam(“n”);
    m_discard = indicator.discard();
    if (total <= m_discard) {
        return;
    }
    size_t startPos = discard();
    price_t ema = indicator[startPos];
    _set(ema, startPos);
    price_t multiplier = 2.0 / (n 1);
    for (size_t i = startPos 1; i < total; i) {
        ema = (indicator[i] - ema) * multiplier ema;
        _set(ema, i);
    }
}
Indicator HKU_API EMA(int n) {
    IndicatorImpPtr p = make_shared();
    p->setParam(“n”, n);
    return Indicator§;
}

Indicator HKU_API EMA(const Indicator& data, int n) {
    IndicatorImpPtr p = make_shared();
    p->setParam(“n”, n);
    p->calculate(data);
    return Indicator§;
}

} /* namespace hku */
最后在indicator目录下的build_in.h文件中增加包含关系：

#include “crt/EMA.h”
在indicator目录下的export.cpp文件中导出策略类：

#include “imp/Ema.h”
BOOST_CLASS_EXPORT(hku::Ema)
最后编译整个hikyuu_msvc10工程得到一个新的dll库，直接代替原hikyuu相应的dll库就实现了C 策略类的导出。

第二步就是在python中直接使用这个新的移动平均线策略指标。
首先导入jqdata和hikyuu

from jqdatasdk import *
from hikyuu.interactive.interactive import *
然后封装一个由jqdata作为数据源的自定义数据源类，具体的要实现的接口可以参考hikyuu平台的文档。这个封装只需要编写一次即可，不需要每个策略都编写。
封装类如下：

from …_hikyuu import KDataDriver, DataDriverFactory
from hikyuu import KRecord, Query, Datetime, Parameter

from jqdatasdk import *
from datetime import *

class jqdataKDataDriver(KDataDriver):
def init(self):
super(jqdataKDataDriver, self).init(‘jqdata’)

def _init(self):"""【重载接口】（可选）初始化子类私有变量"""self._max = {Query.DAY:10,Query.WEEK:2,Query.MONTH:1,Query.QUARTER:1,#Query.HALFYEAR:1,Query.YEAR:1,Query.MIN:25,Query.MIN5:25,Query.MIN15:25,Query.MIN30:25,Query.MIN60:25}return def loadKData(self, market, code, ktype, start_ix, end_ix, out_buffer):"""【重载接口】（必须）按指定的位置[start_ix, end_ix)读取K线数据至out_buffer:param str market: 市场标识:param str code: 证券代码:param KQuery.KType ktype: K线类型:param int start_ix: 起始位置:param int end_ix: 结束位置:param KRecordListPtr out_buffer: 传入的数据缓存，读取数据后使用 out_buffer.append(krecord) 加入数据        """if start_ix >= end_ix or start_ix <0 or end_ix <0:returndata = self._get_bars(market, code, ktype)if len(data) < start_ix:returntotal = end_ix if end_ix < len(data) else len(data)for i in range(start_ix, total):record = KRecord()record.datetime = Datetime(data.index[i])record.openPrice = data['open'][i]record.highPrice = data['high'][i]record.lowPrice = data['low'][i]record.closePrice = data['close'][i]record.transAmount = data['money'][i]record.transCount = data['volume'][i]out_buffer.append(record)def getCount(self, market, code, ktype):"""【重载接口】（必须）获取K线数量:param str market: 市场标识:param str code: 证券代码:param KQuery.KType ktype: K线类型        """data = self._get_bars(market, code, ktype)return len(data)def _getIndexRangeByDate(self, market, code, query):"""【重载接口】（必须）按日期获取指定的K线数据:param str market: 市场标识:param str code: 证券代码:param KQuery query: 日期查询条件（QueryByDate）        """print("getIndexRangeByDate")if query.queryType != Query.DATE:return (0, 0)start_datetime = query.startDatetimeend_datetime = query.endDatetimeif start_datetime >= end_datetime or start_datetime > Datetime.max():return (0, 0)data = self._get_bars(market, code, query.kType)total = len(data)if total == 0:return (0, 0)mid, low = 0, 0high = total-1while low <= high:tmp_datetime = Datetime(data.index[high])if start_datetime > tmp_datetime:mid = high   1breaktmp_datetime = Datetime(data.index[low])if tmp_datetime >= start_datetime:mid = lowbreakmid = (low   high) // 2tmp_datetime = Datetime(data.index[mid])if start_datetime > tmp_datetime:low = mid   1else:high = mid - 1if mid >= total:return (0, 0)start_pos = midlow = midhigh = total - 1while low <= high:tmp_datetime = Datetime(data.index[high])if end_datetime > tmp_datetime:mid = high   1breaktmp_datetime = Datetime(data.index[low])if tmp_datetime >= end_datetime:mid = lowbreakmid = (low   high) // 2tmp_datetime = Datetime(data.index[mid])if end_datetime > tmp_datetime:low = mid   1else:high = mid - 1end_pos = total if mid >= total else midif start_pos >= end_pos:return (0,0)return (start_pos, end_pos)def getKRecord(self, market, code, pos, ktype):"""【重载接口】（必须）获取指定位置的K线记录:param str market: 市场标识:param str code: 证券代码:param int pos: 指定位置（大于等于0）:param KQuery.KType ktype: K线类型        """record = KRecord()if pos < 0:return recorddata = self._get_bars(market, code, ktype)if data is None:return recordif pos < len(data):record.datetime =  Datetime(data.index[pos])record.openPrice = data['open'][pos]record.highPrice = data['high'][pos]record.lowPrice = data['low'][pos]record.closePrice = data['close'][pos]record.transAmount = data['money'][pos]record.transCount = data['volume'][pos]return recorddef _trans_ktype(self, ktype): #此处的周月季年数据只是近似的，目前jqdata未提供聚宽网络平台上的get_bar函数，不能直接取，需要自行用日线数据拼装ktype_map = {Query.MIN: '1m',Query.MIN5: '5m',Query.MIN15: '15m',Query.MIN30: '30m',Query.MIN60: '60m',Query.DAY: '1d',Query.WEEK: '7d',Query.MONTH: '30d',Query.QUARTER: '90d',Query.YEAR: '365d'}return ktype_map.get(ktype)def _get_bars(self, market, code, ktype):data = []username = self.getParam('username')password = self.getParam('password')auth(username, password)jqdataCode = normalize_code(code)jqdata_ktype = self._trans_ktype(ktype)if jqdata_ktype is None:print("jqdata_ktype == None")return dataprint(jqdataCode)security_info = get_security_info(jqdataCode)if security_info is None: #有可能取不到任何信息return data#print(security_info)data = get_price(jqdataCode, security_info.start_date, datetime.now(), jqdata_ktype)return data

在interactive.py文件中替换原来的数据源即可

DataDriverFactory.regKDataDriver(jqdataKDataDriver())

jqdata_param = Parameter()
jqdata_param.set(‘type’, ‘jqdata’)
jqdata_param.set(‘username’, ‘用户名’)
jqdata_param.set(‘password’, ‘密码’)

base_param = sm.getBaseInfoDriverParameter()
block_param = sm.getBlockDriverParameter()
kdata_param = sm.getKDataDriverParameter()
preload_param = sm.getPreloadParameter()
hku_param = sm.getHikyuuParameter()

#切换K线数据驱动，重新初始化
sm.init(base_param, block_param, jqdata_param, preload_param, hku_param)
最后一步就是在python中直接使用jqdata数据源调用C 编写的指标了

s = sm[‘sz000001’]
k = s.getKData(Query(-200))
#抽取K线收盘价指标，一般指标计算参数只能是指标类型，所以必须先将K线数据生成指标类型
c = CLOSE(k)
#调用自定义的C 均线策略计算收盘价的EMA指标
a = EMA©
#绘制指标
c.plot(legend_on=True)
a.plot(new=False, legend_on=True)
#绘制柱状图
a.bar()
以上三步，中最复杂的第二步，写一次后就可以通用，这样可以大大简化，python中，调用C 策略库的难度。