现货量化交易机器人开发详细丨现货量化交易机器人系统开发策略

量化交易策略大体上可以分为两类，一类是判断趋势进行高抛低吸的策略，即趋势策略；另一类是消除系统性的风险获取相对稳健收益的策略，即策略。 自动交易机器人在云服务器上24小时运行。初始化设置参数之后，机器人将按照策略进行自动交易。达到设定条件自动买入或者卖出，无须长时间盯盘。 机器人内置多种交易策略，满足不同的类型。 void Calibration::_initMaps(){ _featureInfo.clear(); _opInfo.clear(); _tensorMap.clear(); //run mnn once,initialize featureMap,opInfo map //MNN提供了每个op计算的callback,一个计算前一个是计算后 //计算前的callback完成的工作是为input tensor创建TensorStatistic对象；op info的填充op->input,output的映射 MNN::TensorCallBackWithInfo before=[&](const std::vector<MNN::Tensor*>&nTensors,const MNN::OperatorInfo*info){开发逻辑I35分析7O98案例o7I8 _opInfo[info->name()].first=nTensors; if(Helper::gNeedFeatureOp.find(info->type())!=Helper::gNeedFeatureOp.end()){ for(auto t:nTensors){ if(_featureInfo.find(t)==_featureInfo.end()){ _featureInfo[t]=std::shared_ptr<TensorStatistic>( new TensorStatistic(t,_featureQuantizeMethod,info->name()+"__input")); } } } return false; };案例及方案：mrsfu123 //计算后的callback完成的工作是为output tensor创建TensorStatistic对象；op info的填充op->input,output的映射 MNN::TensorCallBackWithInfo after=[this](const std::vector<MNN::Tensor*>&nTensors, const MNN::OperatorInfo*info){ _opInfo[info->name()].second=nTensors; if(Helper::gNeedFeatureOp.find(info->type())!=Helper::gNeedFeatureOp.end()){ for(auto t:nTensors){ if(_featureInfo.find(t)==_featureInfo.end()){ _featureInfo[t]= std::shared_ptr<TensorStatistic>(new TensorStatistic(t,_featureQuantizeMethod,info->name())); } } } return true; }; _interpreter->runSessionWithCallBackInfo(_session,before,after); //遍历op,由op的<input/output index,input/output>加入到tensorMap for(auto&op:_originaleModel->oplists){ if(_opInfo.find(op->name)==_opInfo.end()){ continue; } for(int i=0;i<op->inputIndexes.size();++i){ _tensorMap[op->inputIndexes<i>]=_opInfo[op->name].first<i>; } for(int i=0;i<op->outputIndexes.size();++i){ _tensorMap[op->outputIndexes<i>]=_opInfo[op->name].second<i&g