量化交易系统开发合约策略

量化交易的核心是建立交易策略和模型。这些交易策略和模型通常是由金融学、统计学和计算机科学等领域的专家和团队共同开发的，包括基于技术指标的策略、基于基本面分析的策略、基于市场情绪的策略等。量化交易系统开发系统开发询 13z 李 4277 森 z558，量化交易合约现货策略开发案例。

在量化交易中，交易决策往往是由计算机程序自动执行的，而不是由人为决策。这种自动化交易的优点在于可以减少人为因素的干扰，提高交易效率和精度，并且可以实现更加精细的风险控制。

关于 data 中的内容，可以参考文档中的说明：

找到你想要用的编程语言（这里以 Python2.7 为例），然后把你前面申请的 KEY 填进去，激动地搓搓小手赶紧调用一下看看能不能拿到行情数据：

res=HuobiService.get_kline('ltcusdt','15min',5)

这里传 3 个参数进去，第一个 symbol 表示你要查的币及换算的法币，规则是「基础币种+计价币种」，如这里 LTC/USDT 就用 ltcusdt 来表示，第二个参数就是 K 线的 period，第三个参数是 size，单次最大请求为 2000 个。

调用成功，快来看看这个 res 里都有啥：

(Pdb)res.keys()

[u'status',u'ch',u'data',u'ts']

(Pdb)res['status']

u'ok'

(Pdb)res['ch']

u'market.ltcusdt.kline.15min'

(Pdb)res['ts']

1515469720884

(Pdb)res['data']

[{u'count':108,u'vol':58190.589664,u'high':253.97,u'amount':229.6306,u'low':252.55,u'close':253.12,u'open':253.19,u'id':1515469500},{u'count':339,u'vol':272718.0327174751,u'high':255.99,u'amount':1070.3096582502249,u'low':252.51,u'close':253.18,u'open':254.58,u'id':1515468600},{u'count':356,u'vol':408287.671812,u'high':255.69,u'amount':1604.580468170995,u'low':253.78,u'close':254.92,u'open':254.58,u'id':1515467700},{u'count':117,u'vol':106373.02227,u'high':254.85,u'amount':419.6148544480732,u'low':253.11,u'close':254.63,u'open':253.55,u'id':1515466800},{u'count':168,u'vol':124366.27545,u'high':254.48,u'amount':490.4057567470356,u'low':251.99,u'close':253.58,u'open':252.2,u'id':1515465900}]

"data":[

{

"id":K 线 id,

"amount":成交量,

"count":成交笔数,

"open":开盘价,

"close":收盘价,当 K 线为最晚的一根时，是最新成交价

"low":最低价,

"high":最高价,

"vol":成交额,即 sum(每一笔成交价*该笔的成交量)

}

]

有了行情数据，我们就可以把这些数据给可视化出来，matplotlib 中有一个 finance 库可以直接用来画 K 线，方法也很简单，对获取数据稍作调整即可：

import datetime

import matplotlib.pyplot as plt

import matplotlib.finance as mpf

from matplotlib.pylab import date2num

data_list=[]

#操作上一步中获取到的 data

for block in res['data']:

dt=datetime.datetime.utcfromtimestamp(block['id'])+datetime.timedelta(hours=8)

#mpf 库中要求的顺序是：时间、开盘价、最高价、最低价、收盘价

data_list.append((date2num(dt),block['open'],block['high'],block['low'],block['close']))

fig,ax=plt.subplots()

ax.xaxis_date()

ax.set_title('LTC/USDT')

mpf.candlestick_ohlc(ax,data_list,colorup='green',colordown='r',width=0.005)

plt.grid()

plt.show()