現貨期權合約量化/量化合約/秒合約/永續合約/交易所繫統開發（開發案例及原始碼）

　　“量化交易”有著兩層含義：

　　【一】是從狹義上來講，是指量化交易的內容，將交易條件轉變成為程式，自動下單；

　　【二】是從廣義上來講，是指系統交易方法，就是一個整合的交易系統。

　　即為根據一系列交易條件，智慧化輔助決策體系，將豐富的從業經驗與交易條件相結合，在交易過程管理好風險控制。

　　#繪製指定程式碼價格圖

　　def plot_pct(ts_code,index_array,pct_array,begin_count,end_count=-1,writefilename='temp.png'):

　　df=load_data(ts_code)

　　closes=df['close'].values

　　ma5=df['ma5'].values 

　　ma10=df['ma10'].values

　　ma20=df['ma20'].values

　　if len(closes)<abs(begin_count):

　　print("TTTTTTT",len(closes),begin_count,ts_code)

　　begin_count=int(len(closes)*-1)

　　if len(closes)<end_count*-1:

　　end_count=-1

　　if begin_count+30>end_count:

　　return

　　x_array=np.linspace(begin_count,end_count,end_count-begin_count,dtype=np.int)

　　l=len(ma5)

　　x=len(x_array)

　　print('len',l,x)

　　ma5Mean_array=np.linspace(ma5.mean(),ma5.mean(),end_count-begin_count)

　　#plt.plot(x_array,closes,c='black')

　　start_date=df['trade_date'].values[begin_count]

　　end_date=df['trade_date'].values[end_count]

　　print(start_date,end_date)

　　name=get_code_name(ts_code)

　　money_df=get_dates_money(code=ts_code,name=name)

　　#print(money_df)

　　name=name.replace('*',"")

　　#money_df.to_csv(ts_code+name+"moneydf.csv",encoding='utf_8_sig')

　　money_dates=money_df['trade_date'].values

　　#日期對齊

　　bi=0

　　for date in money_dates:

　　if date==start_date:

　　break

　　else:

　　bi=bi+1

　　if bi<-1*len(money_dates):

　　print("BB日期對齊出錯")

　　return 0,0

　　ei=0

　　for date in money_dates:

　　if date==end_date:

　　break

　　else:

　　ei=ei+1

　　if ei<-1*len(money_dates):

　　print("EE日期對齊出錯")

　　return 0,0

　　#日期對齊

　　bi=bi

　　ei=ei

　　#print(bi,ei,start_date,end_date)

　　#buys,sells=check_days_money(ts_code,name,date<i>,days=5)

　　plt.figure(figsize=(30,18))

　　plt.grid()

　　if money_df is not None:

　　buy_lg_vol=money_df['buy_lg_vol'].values[bi:ei]

　　sell_lg_vol=money_df['sell_lg_vol'].values[bi:ei]

　　buy_elg_vol=money_df['buy_elg_vol'].values[bi:ei]

　　sell_elg_vol=money_df['sell_elg_vol'].values[bi:ei]

　　buy_md_vol=money_df['buy_md_vol'].values[bi:ei]

　　sell_md_vol=money_df['sell_md_vol'].values[bi:ei]

　　buys=buy_lg_vol+buy_elg_vol

　　sells=sell_lg_vol+sell_elg_vol

　　changeBuys=buys*5

　　days=5

　　for k in range(days-1,len(buys)):

　　temp=0

　　for i in range(days):

　　temp=temp+buys[k-i]

　　changeBuys[k]=temp

　　changeSells=buys*5

　　for k in range(days-1,len(sells)):

　　temp=0

　　for i in range(days):

　　temp=temp+sells[k-i]

　　changeSells[k]=temp

　　pers=(changeBuys)/(changeSells+1)

　　percount=pers*ma5.mean()

　　if len(pers)<=10:

　　return

　　plt.plot(x_array,ma5Mean_array,c='yellow')

　　if len(x_array)==len(percount):

　　plt.plot(x_array,percount,c='black')

　　plt.plot(x_array,closes[begin_count:end_count],c='r')

　　plt.plot(x_array,ma5[begin_count:end_count],c='g')

　　plt.plot(x_array,ma10[begin_count:end_count],c='b')

　　plt.plot(x_array,ma20[begin_count:end_count],c='y')

　　xtick=np.arange(begin_count,end_count+1,10,dtype=np.int)

　　plt.xticks(xtick)

　　for index,pct in zip(index_array,pct_array):

　　c=closes[int(index)]

　　if pct<0:

　　#plt.quiver(index,c,0,1,color='g',)

　　plt.text(index,c,s='%.1f'%pct,alpha=0.5,backgroundcolor='g')

　　else:

　　#plt.quiver(index,c,0,1,color='r',)

　　plt.text(index,c,s='%.1f'%pct,alpha=0.5,backgroundcolor='r')

　　#plt.title('%s suc%d fail%d%.1f'%(ts_codes,suc,fail,earnings))

　　#plt.plot(index_array,pct_array,'om')

　　plt.savefig(writefilename,format='png')

　　#plt.show()

　　plt.close()