量化合約系統開發（策略及規則）丨量化合約系統開發（詳情及原始碼）

　　量化交易如何運作？

　　量化交易使用基於資料的模型來確定特定結果發生的可能性。與其他形式的交易不同，它完全依賴統計方法和程式設計來完成此操作。

　　量化交易與演演算法交易

　　演演算法交易者使用自動系統來分析圖表模式，然後代表他們開立和關閉頭寸。量化交易者使用統計方法來識別但不一定執行機會。儘管它們彼此重疊，但是這是兩種不應該混淆的獨立技術。

　　#plot例項

　　def test_plot():

　　#繪製曲線

　　x=np.linspace(2,21,20)#取閉區間[2,21]之間的等差數列，列表長度20

　　y=np.log10(x)+0.5

　　plt.figure()#新增一個視窗。如果只顯示一個視窗，可以省略該句。

　　plt.plot(x,y)#plot在一個figure視窗中新增一個圖，繪製曲線，預設顏色

　　#繪製離散點

　　plt.plot(x,y,'.y')#繪製黃色的點，為了和曲線顏色不一樣

　　x0,y0=15,np.log10(15)+0.5

　　plt.annotate('Interpolation point',xy=(x0,y0),xytext=(x0,y0-1),arrowprops=dict(arrowstyle='->'))#新增註釋

　　for x0,y0 in zip(x,y):

　　plt.quiver(x0,y0-0.3,0,1,color='g',width=0.005)#繪製箭頭

　　x=range(2,21,5)

　　y=np.log10(x)+0.5

　　plt.plot(x,y,'om')#繪製紫紅色的圓形的點

　　x0,y0=7,np.log10(7)+0.5

　　plt.annotate('Original point',xy=(x0,y0),xytext=(x0,y0-1),arrowprops=dict(arrowstyle='->'))

　　for x0,y0 in zip(x,y):

　　plt.quiver(x0,y0+0.3,0,-1,color='g',width=0.005)#繪製箭頭

　　#設定座標範圍

　　plt.xlim(2,21)#設定x軸範圍

　　plt.xticks(range(0,23,2))#設定X軸座標點的值，為[0，22]之間的以2為差值的等差陣列

　　plt.ylim(0,3)#設定y軸範圍

　　#顯示圖形

　　plt.show()#顯示繪製出的圖

　　#獲取所有資金

　　def get_all_money(codes,names):

　　pro=ts.pro_api('ee5c0e991e17949cdafbcf8ec42321ef4bac94e9ca3474e4d62313a3')

　　path='./All資金流向/'

　　dir=Path(path)

　　if not dir.exists():

　　os.mkdir(dir)

　　for code,name in zip(codes,names):

　　name=str.replace(name,'*','')

　　file=path+code+name+'.csv'

　　if os.path.exists(file):

　　df=pd.read_csv(file)

　　else:

　　try:

　　df=pro.moneyflow(ts_code=code)

　　df.to_csv(file,encoding='utf_8_sig')

　　except Exception:

　　continue

　　def get_perdata(trade_date,ts_code):

　　pro=ts.pro_api('ee5c0e991e17949cdafbcf8ec42321ef4bac94e9ca3474e4d62313a3')

　　path='./資金流向/'

　　dir=Path(path)

　　if not dir.exists():

　　os.mkdir(dir)

　　file=path+trade_date+'.csv'

　　if os.path.exists(file):

　　df=pd.read_csv(file)

　　else:

　　df=pro.moneyflow(trade_date=trade_date)

　　df.to_csv(file,encoding='utf_8_sig')

　　codes=df['ts_code'].values

　　buy_lg_vol=df['buy_lg_vol'].values

　　sell_lg_vol=df['sell_lg_vol'].values

　　buy_elg_vol=df['buy_elg_vol'].values

　　sell_elg_vol=df['sell_elg_vol'].values

　　buy_md_vol=df['buy_md_vol'].values

　　sell_md_vol=df['sell_md_vol'].values

　　i=0

　　for code in codes:

　　if code==ts_code:

　　break

　　else:

　　i=i+1

　　power=1.5

　　#print(trade_date,ts_code)

　　if i>=len(buy_elg_vol):

　　return False

　　if(buy_elg_vol<i>+buy_lg_vol<i>)/(sell_elg_vol<i>+sell_lg_vol<i>+1)>power:

　　#print('predata True',trade_date,ts_code)

　　#print(trade_date,ts_code,buy_lg_vol<i>,sell_lg_vol<i>,buy_elg_vol<i>,sell_elg_vol<i>)

　　return True

　　else:

　　return False