what/clear量化合约交易软件开发源代码|现货合约跟单系统开发策略代码详情

简介: what/clear量化合约交易软件开发源代码|现货合约跟单系统开发策略代码详情

1、做多

  启动后按照设置好的开仓额度自动马上开多,用户可设置是否开仓加倍。当行情下跌后,机器人按照用户设置好的补仓倍数及满足补仓价差后进行补仓。用户可自定义补仓倍数/补仓价差(等于之前的补仓跌幅,因做空时为行情涨了补仓,因此这里叫价差)。

2、做空

  启动后,按照设置好的开仓额度自动马上开空,用户可设置是否开仓加倍。当行情上涨后,机器人按照用户设置好的补仓倍数及满足补仓价差后进行补仓。用户可自定义补仓倍数/补仓价差(等于之前的补仓跌幅,因做空时为行情涨了补仓,因此这里叫价差)。

  备注:目前做多做空只开通一倍(之后可以开通最高 10 倍,开通高倍率后,用户设置补仓价差不得高于倍数的 80%,因高倍率有爆仓涨幅或跌幅,如 10 倍,涨跌 10 个点即爆仓,设置补仓价差不得高于 8).与做现货一样,只是多了一个方向选择,因现货每次的买入都看涨,等于合约里面的做多,而合约可以在行情相对熊市时做空。让用户多一些选择。但因合约高杠杆倍数存在爆仓风险,用户谨慎使用。

3、多空

  启动后按照设置好的开仓额度多空同时建仓,上涨时做多单不断买入卖出实现盈利(止盈加回调平仓),此时做空采用补仓价差➕趋势补仓,下跌时做空单不断买入卖出实现盈利(止盈加回调平仓),此时做多采用补仓价差➕趋势补仓。

// base_dict.py

import sys

def price_lis(mktdata, key):

y_10_price = mktdata.groupby('mktdate', group_keys=False, sort=False)[key].apply(
    lambda x: -x.diff(-10).fillna(x - x.iloc[-1])
).values
return y_10_price

}

fees_dic = {

'IF00': 0.23/10000,
'rb00': 0.5 * 1/10000,
'ru00': -0.75,
'ag00': 0.05 * 1/1000 * 1/2 * 1,
'v00': -1 * 0.3,
'TA00': -2.1,
'CF00': -3.01,
'i00': 1/10000,
'sn00': -1.5,
'p00': -2.5 * 0.6,
'zn00': -3 * 0.5 * 0.5,
'eg00': -3 * 0.3,

}

instrument_dic = {

'IF00': {
    'price_tick': 0.2,
    'factor': 300,


def dateToContract(instrument, date):

dateList = instrument_dic[instrument]['date_list']
leadingList = instrument_dic[instrument]['leading_list']

if len(dateList) != len(leadingList):
    sys.exit('dismatch')

for ii in range(len(leadingList)):
    if dateList[ii][0] <= int(date) <= dateList[ii][1]:
        return leadingList[ii]

return False

import numpy as np

def clear_off_trading(df, axis, off_range=[(23000000, 90000000), # (230000000, 240000000),
(113000000, 133000000), (150000000, 210000000)]):

mask = np.zeros(len(df), dtype=bool)
for r in off_range:
    mask |= (df[axis] > r[0]) & (df[axis] < r[1])
df.drop(df.index[mask], axis=0, inplace=True)

if name == '__main__':

v00_main_contract = dateToContract(instrument='v00', date='20221020')
eg00_main_contract = dateToContract(instrument='eg00', date='20221020')
print("v00_main_contract: " + str(v00_main_contract))
print("eg00_main_contract: " + str(eg00_main_contract))

~~

相关文章
|
存储 安全 区块链
秒合约|量化合约跟单交易系统开发方案详情
随着区块链行业的迅猛发展,多种公链、私链和联盟链的出现产生一个问题
|
3月前
|
机器学习/深度学习 监控 API
合约量化/秒合约/永续合约对冲系统开发技术规则及源码示例
合约量化、秒合约、永续合约对冲系统的开发涉及策略编写、数据处理、交易执行、风险管理等关键技术。量化策略基于市场数据和机器学习,实现自动交易;秒合约强调高速交易和风险控制;永续合约通过资金费率机制平衡多空持仓。系统需具备高效的数据处理能力和实时监控功能,以确保交易的稳定性和安全性。
|
3月前
|
存储 前端开发 安全
现货量化合约跟单交易所系统开发逻辑策略及源码示例
现货量化合约跟单交易所系统的开发涉及需求分析、技术选型、数据获取、策略设计、风险管理、交易接口、系统架构、安全合规、测试优化等多个环节。本文档详细介绍了开发策略指南及Python源码示例,涵盖从连接交易所API获取市场数据到系统部署和优化的全过程。
|
9月前
|
索引 Python
浅谈/合约跟单系统开发/合约量化系统开发源码功能/方案
Numpy的`ndarray`是同类型的元素表,用整数元组索引,维数称作秩,形状表示各维大小。例如,`[[1, 2, 3], [4, 2, 5]]`秩为2,形状为`(2, 3)`。通过`numpy`的`array`函数、`zeros`, `ones`, `full`, `empty`等创建数组,`arange`和`linspace`生成数字序列,`reshape`改变数组形状,保持元素总数不变。`flatten`方法用于将数组扁平化为一维,默认按行优先(`order=&#39;C&#39;`)。
币圈期现套利策略交易软件开发合约源码定制详情
class Arbitrage: def __init__(self, contracts): self.contracts = contracts self.positions = [] self.current_price = {}
|
算法 数据挖掘 TensorFlow
现货量化合约一键跟单系统开发(开发策略)丨合约现货量化一键跟单系统开发(案例策略)/方案项目/源码平台
  量化交易(Quantitative Trading)是通过数学模型和计算机算法对市场进行分析和预测,And based on this,a trading strategy is developed for investment trading.与传统的基本面分析、技术分析等方法不同,Quantitative trading emphasizes the use of a large amount of data and scientific methods for research,reducing the impact of human factors and improving th
|
存储 数据处理 区块链
现货合约跟单系统开发与秒合约系统案例(部署源码)
在智能合约的背景下,最终性至关重要。智能合约将买卖双方之间的协议细节嵌入到自动执行的代码中
|
安全 区块链 数据安全/隐私保护
合约量化系统开发|合约跟单项目系统开发案例
跨链技术允许多个区块链之间的协同工作。它能实现资产流动,以及同其他实体之间的交互
|
数据采集 算法 机器人
量化交易/合约交易/永续合约/秒合约/合约跟单系统开发方案项目/案例设计/源码版
量化交易/合约交易/永续合约/秒合约/合约跟单系统开发方案项目/案例设计/源码版
|
区块链 数据安全/隐私保护 机器学习/深度学习
秒合约交易系统开发(源码)|量化合约跟单系统开发案例
随着区块链技术的不断发展,合约量化系统已成为加密货币领域的重要工具。量化合约是一种通过计算机程序实现自动化交易的工具,它可以有效提高交易效率和精度

热门文章

最新文章