股票量化合约系统开发（方案设计）| 股票量化合约系统开发

　　股票 量化 合约系统开发方案 ：
　　
　　1、 制定交易策略：智能机器人嵌入了各种类型的交易策略，从 “保守”到“激进”，考虑不同类型的风险。设置策略后，软件将智能地为每个订单分配仓位和标准，严格遵循交易策略。
　　
　　2、 多笔交易的联合监管：可以使用数百笔交易一起操作交易策略，每种类型都有自己的独立流程，并对报价深度进行全自动监控。实时监控系统的买卖标准确保了买卖交易的及时性。
　　
　　3、 智能跟踪、止盈止损：设定启动标准，利润比例超过标准后，智能机器人自动启动跟踪、止利止损。当价格继续上涨时，利润的比例继续达到其最大值。当价格下降时，执行强制性的收盘标准以停止盈利和亏损。
　　
　　股票量化合约系统源码：
　　
　　def load_data(ts_code, start_date='20160101', end_date= ''):
　　
　　# 判断文件是否存在 , 不存在则通过网络接口获得
　　
　　data_dir = './data/'
　　
　　name = get_code_name(ts_code)
　　
　　name = name.replace('', ' ')
　　
　　file = data_dir + ts_code + name + '.csv'
　　
　　if not os.path.exists(file):
　　
　　# 初始化 pro 接口
　　
　　# pro = ts.pro_api('*')
　　
　　# 获取前复权数据
　　
　　#df = ts.pro_bar(ts_code=ts_code,start_date=start_date, end_date=end_date, ma=[5, 10, 20, 30, 50, 120, 200])
　　
　　df = ts.pro_bar(ts_code=ts_code, ma=[5, 10, 20, 30, 50, 120, 200])
　　
　　# 保存数据到文件
　　
　　if df is None:
　　
　　print('can not get data')
　　
　　return
　　
　　df.to_csv(file, index=False, encoding="utf_8_sig")
　　
　　print('new file', file)
　　
　　df = pd.read_csv(file)
　　
　　# ts_code, trade_date, open, high, low, close, pre_close, change, pct_chg, vol, amount, adj_factor
　　
　　# 股票代码 , 交易日期 , 开盘价 , 最高价 , , 收盘价 , 昨收价 , 涨跌额 , 涨跌幅 , 成交量 , 成交额 ( 千元 )
　　
　　# 去空
　　
　　df.dropna(inplace=True)
　　
　　# 正序
　　
　　df = df.sort_index(ascending=False)
　　
　　# 索引重排序
　　
　　df.reset_index(drop=True, inplace=True)
　　
　　return df
　　
　　# 加载股票列表
　　
　　def load_code_list(market='SZSE', sel=False): # 交易所 SSE 上交所 SZSE 深交所 HKEX 港交所 ( 未上线 )
　　
　　path = './data/'
　　
　　faceDir = Path(path)
　　
　　if faceDir.exists():
　　
　　file_dir = path + 'codelist' + market + '.csv'
　　
　　else:
　　
　　os.mkdir(faceDir)
　　
　　file_dir = path + 'codelist' + market + '.csv'
　　
　　# 判断文件是否存在 , 不存在则通过网络接口获得
　　
　　if os.path.exists(file_dir):
　　
　　code_list = pd.read_csv(file_dir)
　　
　　else:
　　
　　# 初始化 pro 接口
　　
　　pro = ts.pro_api('ee5c0e991e17949cdafbcf8ec42321ef4bac94e9ca3474e4d62313a3')
　　
　　# 查询某交易所所有上市公司
　　
　　#code_list = pro.stock_basic(exchange=market, list_status='L', fields='ts_code') # ,symbol,name,market,list_date
　　
　　#code_list = pro.stock_basic(exchange=market, list_status='L') # ,symbol,name,market,list_date
　　
　　code_list = pro.stock_basic(exchange=market, list_status='L') # ,symbol,name,market,list_date
　　
　　# 保存数据到文件
　　
　　code_list.to_csv(file_dir, index=False, encoding="utf_8_sig")
　　
　　#code_list = code_list[['ts_code']].values.flatten()
　　
　　return code_list