现货量化+合约交易+合约跟单系统开发（开发策略）/案例项目/方案逻辑/源码说明
量化交易需要以大量的数据作为基础，通过对大量数据的分析，来做出理性的判断，预测未来价格的走势，量化交易从狭义上来说就是指程序化的交易，自动下单。从广义上来说，就是指系统性的交易，量化交易可以简单理解为机器人交易，用计算机算法来交易。
人工智能（Artificial Intelligence，简称AI）是指计算机系统在完成类似人类智力所需的任务时所表现出来的能力。它是一种复杂的技术，通过将大量的数据输入到算法中进行学习，不断调整和改进自己的算法，从而不断优化其性能。
def all_sel_current_code(codes,names,writefileName='sel_codes.csv',writefile=True):
path='./选择/'
dir=Path(path)
if not dir.exists():
os.mkdir(dir)
begin_count=-200
end_count=-1
days=20
name_array=np.array([])
code_array=np.array([])
date_array=np.array([])
for i in range(len(codes)):
code=codes<i>
name=names<i>
#判断条件选择
ret,date=sel_current_code(code,name)
if ret:
name_array=np.append(name_array,name)
code_array=np.append(code_array,code)
date_array=np.append(date_array,date)
earnings,suc,fail,index_array,pct_array,hold_days=test(code,name=name,days=days,begin_count=begin_count,end_count=end_count)
if suc==-1:
continue
name=str.replace(name,'*','')
if earnings>0:
file_dir=path+'Curent_AAA_%s_%s%d%d++%.1f++%.1f.png'%(code,name,suc,fail,suc*100/(fail+suc+1),earnings)
else:
file_dir=path+'Curent_BBB_%s_%s%d%d——%.1f——%.1f.png'%(code,name,suc,fail,suc*100/(fail+suc+1),earnings)
plot_pct(code,index_array,pct_array,begin_count=begin_count,end_count=end_count,writefilename=file_dir)
print("codes%s%s earnings%.2f"%(code,name,earnings))
data=[code_array,name_array,date_array]
data=np.transpose(data)#矩阵转置
ser2=pd.DataFrame(data,columns=['ts_code','name','date'])
if writefile:
ser2.to_csv(writefileName,encoding="utf_8_sig")
#绘制指定代码价格图
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
