1、 想要搭建炒币用的交易系统，需要个人学习大量计算机和金融知识。 （1）数据加载

def prepare_data(codes=['000300.SH', '399006.SZ'], start_time="20100101", end_time="20211231"): df = load_data(codes, start_time, end_time)

df["rsi"] = ta.RSI(df.close, timeperiod=14)
df["to_buy"] = ""
df.loc[df["rsi"] <= 30, 'to_buy'] = True
df['to_buy'] = df['to_buy'].astype('bool')

df["to_sell"] = ""
df.loc[df["rsi"] >= 70, 'to_sell'] = True
df['to_sell'] = df['to_sell'].astype('bool')
return df

Step 2: 指定策略 策略规则非常简单：

• 账户初始值100000，每只股票占相同比重

• 根据数据的买入信号买入，卖出信号卖出

class SelectBySignal(object): def init(self, signal_buy='to_buy', signal_sell='to_sell'): super(SelectBySignal, self).init() self.signal_buy = signal_buy self.signal_sell = signal_sell

def __call__(self, context):
    bar = context['bar'].copy()

    acc = context['acc']
    holding = acc.get_holding_instruments()

    to_buy = list(bar[bar[self.signal_buy]].index)
    to_sell = list(bar[bar[self.signal_sell]].index)

    instruments = to_buy + holding
    to_selected = []
    for s in instruments:
        if s not in to_sell:
            to_selected.append(s)
    context['selected'] = to_selected

    n = len(to_selected)
    if n > 0:
        context['weights'] = {code:1/n for code in to_selected}
    else:
        context['weights'] = {}
    return False

class Strategy: def init(self, algo=None): self.algo = algo self.acc = Account()

def algo_processor(self, context):
    if self.algo(context) is True: #如果algo返回True,直接不运行，本次不调仓
        return None
    return context['weights']

def onbar(self, index, date, df_bar):
    self.acc.update_bar(date, df_bar)
    weights = self.algo_processor({'index': index, 'bar':df_bar, 'date':date, 'acc':self.acc})
    if weights is not None:
        self.acc.adjust_weights(date, weights)

Step 3: 回测 根据上述数据和策略进行回测

class Backtest: def init(self, df): self.df = df self.dates = self.df.index.unique() self.observers = []

def onbar(self, index, date):
    df_bar = self.df.loc[date]
    if type(df_bar) is pd.Series:
        df_bar = df_bar.to_frame().T

    df_bar.index = df_bar['code']
    self.strategy.onbar(index, date, df_bar)

def run(self, s):
    self.strategy = s
    for index, date in enumerate(self.dates):
        self.onbar(index, date)
    return self.get_results()

def get_results(self):
    s = self.strategy
    df = s.acc.get_results_df()
    return df

Step 4: 分析 分析该策略的表现，并与沪深300指数进行对比

def analysis(start, end, benchmarks=[]): equities = [] for benchmark in benchmarks: bench_df = load_from_file(benchmark)[start:end] se = (bench_df['rate'] + 1).cumprod() se.name = benchmark equities.append(se)

path = os.path.dirname(__file__)
filename = os.path.dirname(path)+'/results/first_test.csv'
if os.path.exists(filename):
    df = pd.read_csv(filename)
    df['date'] = df['date'].apply(lambda x: str(x))
    df.index = df['date']
    se = (df['rate'] + 1).cumprod()
    se.name = 'strategy'
    equities.append(se)

df_equities = pd.concat(equities, axis=1)
df_equities.dropna(inplace=True)
print(df_equities)

from performance import PerformanceUtils

df_ratios, df_corr, df_years = PerformanceUtils().calc_equity(df_equity=df_equities)
return df_equities, df_ratios, df_corr, df_years

运行主函数 if name == 'main': date_start = "20100101" date_end = "20211231" df = prepare_data(codes=['000300.SH', '399006.SZ'], start_time=date_start, end_time=date_end)

algo = SelectBySignal(signal_buy='to_buy', signal_sell='to_sell')
s = Strategy(algo=algo)

b = Backtest(df=df)
df = b.run(s)

path = os.path.dirname(__file__)
df.to_csv(os.path.dirname(path) + '/results/first_test.csv')

df_equities, df_ratios, df_corr, df_years = analysis(start=date_start, end=date_end, benchmarks=['000300.SH'])
display(df_ratios)

fig = plt.figure(figsize=(8, 6))
ax1 = fig.add_subplot(2, 1, 1)
ax2 = fig.add_subplot(2, 1, 2)
df_equities.plot(ax=ax1)
if df_years is not None:
    print(df_years)
    df_years.T.plot(kind='bar', ax=ax2, use_index=True)
plt.show()

2、上面介绍的内容只是关于加密货币的基础知识，这关系到我们能否通过加密货币赚钱。加密货币赚钱除了靠科学的方法增加收入，还要想办法节省开支。手续费虽少，但一定不能忽视。我曾经计算过，只要交易频繁、交易时间长，积少成多，手续费支出一年可能会超过10000 U。接下来我将介绍常用的几个大型交易平台减少手续费的方法。 （1）降低币安手续费 Binance是目前全球最大的数字货币交易所，你要是炒币一定要注册Binance。Binance也需要为每笔成功交易支付交易手续费。交易手续费会在接收的资产中扣除。例如，如果你购买Ethereum/USDT，则手续费以Ethereum支付。如果你卖出Ethereum/USDT，则手续费以USDT支付。 例如： 您以每股3,452.55USDT的价格下单购买10Ethereum： 交易手续费=10Ethereum0.1%=0.01Ethereum 或者您以每股3,452.55USDT的价格下单出售10Ethereum： 交易手续费=（10Ethereum3,452.55USDT）*0.1%=34.5255USDT 很多人不知道的是，Binance的交易手续费也是可以降低的。如果想降低Binance交易手续费，一定要用下面的邀请链接或者使用邀请码“Q022W7SC”注册。 https://accounts.binance.com/zh-CN/register?ref=Q022W7SC

（2）降低OKX手续费 OKX是被众多用户所喜爱的专业数字货币交易平台，他的交易手续费也是可以降低的。 根据交易量不同，欧易将用户分为普通和专业两种等级。普通用户根据 OKB 持仓量，专业用户根据交易量和资产量，进行等级划分。不同的等级决定了下一个交易日的交易手续费。 在计算手续费等级时，若币币交易量、交割和永续合约总交易量（USDT 交割合约、币本位交割合约、USDT 永续合约、币本位永续合约）、期权合约交易量、资产量满足不同手续费等级的条件，则用户享受其中最高等级的手续费优惠。 第一种方法：OKX官方设定的最高节省比例是20%。使用下面的链接注册OKX可以节省20%的手续费。 https://www.ouyi.business/join/BTC1ETH 第二种方法：打开OKX官网，在注册页面的“邀请码”中输入“BTC1ETH”就可以看到底部出现返现比例：20% 一定要输入这个邀请码，不然你拿不到20%的返现比例。 （3）降低FTX手续费 FTX是目前增长非常迅速、合约玩家较多的交易所，你要是玩合约一定要注册FTX。如果想降低FTX交易手续费，一定要用下面的邀请链接注册。 https://ftx.com/referrals#a=121031692 3、交易路漫漫，一起前行 想不想了解更多降低手续费的方法？ telegram：btcethcool 我们专门建立了研究交易的社群，加telegram好友拉你进社群。

1、 想要搭建炒币用的交易系统，需要个人学习大量计算机和金融知识。 （1）数据加载

def prepare_data(codes=['000300.SH', '399006.SZ'], start_time="20100101", end_time="20211231"): df = load_data(codes, start_time, end_time)

df["rsi"] = ta.RSI(df.close, timeperiod=14)
df["to_buy"] = ""
df.loc[df["rsi"] <= 30, 'to_buy'] = True
df['to_buy'] = df['to_buy'].astype('bool')

df["to_sell"] = ""
df.loc[df["rsi"] >= 70, 'to_sell'] = True
df['to_sell'] = df['to_sell'].astype('bool')
return df

Step 2: 指定策略 策略规则非常简单：

• 账户初始值100000，每只股票占相同比重

• 根据数据的买入信号买入，卖出信号卖出

class SelectBySignal(object): def init(self, signal_buy='to_buy', signal_sell='to_sell'): super(SelectBySignal, self).init() self.signal_buy = signal_buy self.signal_sell = signal_sell

def __call__(self, context):
    bar = context['bar'].copy()

    acc = context['acc']
    holding = acc.get_holding_instruments()

    to_buy = list(bar[bar[self.signal_buy]].index)
    to_sell = list(bar[bar[self.signal_sell]].index)

    instruments = to_buy + holding
    to_selected = []
    for s in instruments:
        if s not in to_sell:
            to_selected.append(s)
    context['selected'] = to_selected

    n = len(to_selected)
    if n > 0:
        context['weights'] = {code:1/n for code in to_selected}
    else:
        context['weights'] = {}
    return False

class Strategy: def init(self, algo=None): self.algo = algo self.acc = Account()

def algo_processor(self, context):
    if self.algo(context) is True: #如果algo返回True,直接不运行，本次不调仓
        return None
    return context['weights']

def onbar(self, index, date, df_bar):
    self.acc.update_bar(date, df_bar)
    weights = self.algo_processor({'index': index, 'bar':df_bar, 'date':date, 'acc':self.acc})
    if weights is not None:
        self.acc.adjust_weights(date, weights)

Step 3: 回测 根据上述数据和策略进行回测

class Backtest: def init(self, df): self.df = df self.dates = self.df.index.unique() self.observers = []

def onbar(self, index, date):
    df_bar = self.df.loc[date]
    if type(df_bar) is pd.Series:
        df_bar = df_bar.to_frame().T

    df_bar.index = df_bar['code']
    self.strategy.onbar(index, date, df_bar)

def run(self, s):
    self.strategy = s
    for index, date in enumerate(self.dates):
        self.onbar(index, date)
    return self.get_results()

def get_results(self):
    s = self.strategy
    df = s.acc.get_results_df()
    return df

Step 4: 分析 分析该策略的表现，并与沪深300指数进行对比

def analysis(start, end, benchmarks=[]): equities = [] for benchmark in benchmarks: bench_df = load_from_file(benchmark)[start:end] se = (bench_df['rate'] + 1).cumprod() se.name = benchmark equities.append(se)

path = os.path.dirname(__file__)
filename = os.path.dirname(path)+'/results/first_test.csv'
if os.path.exists(filename):
    df = pd.read_csv(filename)
    df['date'] = df['date'].apply(lambda x: str(x))
    df.index = df['date']
    se = (df['rate'] + 1).cumprod()
    se.name = 'strategy'
    equities.append(se)

df_equities = pd.concat(equities, axis=1)
df_equities.dropna(inplace=True)
print(df_equities)

from performance import PerformanceUtils

df_ratios, df_corr, df_years = PerformanceUtils().calc_equity(df_equity=df_equities)
return df_equities, df_ratios, df_corr, df_years

运行主函数 if name == 'main': date_start = "20100101" date_end = "20211231" df = prepare_data(codes=['000300.SH', '399006.SZ'], start_time=date_start, end_time=date_end)

algo = SelectBySignal(signal_buy='to_buy', signal_sell='to_sell')
s = Strategy(algo=algo)

b = Backtest(df=df)
df = b.run(s)

path = os.path.dirname(__file__)
df.to_csv(os.path.dirname(path) + '/results/first_test.csv')

df_equities, df_ratios, df_corr, df_years = analysis(start=date_start, end=date_end, benchmarks=['000300.SH'])
display(df_ratios)

fig = plt.figure(figsize=(8, 6))
ax1 = fig.add_subplot(2, 1, 1)
ax2 = fig.add_subplot(2, 1, 2)
df_equities.plot(ax=ax1)
if df_years is not None:
    print(df_years)
    df_years.T.plot(kind='bar', ax=ax2, use_index=True)
plt.show()

2、上面介绍的内容只是关于加密货币的基础知识，这关系到我们能否通过加密货币赚钱。加密货币赚钱除了靠科学的方法增加收入，还要想办法节省开支。手续费虽少，但一定不能忽视。我曾经计算过，只要交易频繁、交易时间长，积少成多，手续费支出一年可能会超过10000 U。接下来我将介绍常用的几个大型交易平台减少手续费的方法。 （1）降低币安手续费 Binance是目前全球最大的数字货币交易所，你要是炒币一定要注册Binance。Binance也需要为每笔成功交易支付交易手续费。交易手续费会在接收的资产中扣除。例如，如果你购买Ethereum/USDT，则手续费以Ethereum支付。如果你卖出Ethereum/USDT，则手续费以USDT支付。 例如： 您以每股3,452.55USDT的价格下单购买10Ethereum： 交易手续费=10Ethereum0.1%=0.01Ethereum 或者您以每股3,452.55USDT的价格下单出售10Ethereum： 交易手续费=（10Ethereum3,452.55USDT）*0.1%=34.5255USDT 很多人不知道的是，Binance的交易手续费也是可以降低的。如果想降低Binance交易手续费，一定要用下面的邀请链接或者使用邀请码“Q022W7SC”注册。 https://accounts.binance.com/zh-CN/register?ref=Q022W7SC

（2）降低OKX手续费 OKX是被众多用户所喜爱的专业数字货币交易平台，他的交易手续费也是可以降低的。 根据交易量不同，欧易将用户分为普通和专业两种等级。普通用户根据 OKB 持仓量，专业用户根据交易量和资产量，进行等级划分。不同的等级决定了下一个交易日的交易手续费。 在计算手续费等级时，若币币交易量、交割和永续合约总交易量（USDT 交割合约、币本位交割合约、USDT 永续合约、币本位永续合约）、期权合约交易量、资产量满足不同手续费等级的条件，则用户享受其中最高等级的手续费优惠。 第一种方法：OKX官方设定的最高节省比例是20%。使用下面的链接注册OKX可以节省20%的手续费。 https://www.ouyi.business/join/BTC1ETH 第二种方法：打开OKX官网，在注册页面的“邀请码”中输入“BTC1ETH”就可以看到底部出现返现比例：20% 一定要输入这个邀请码，不然你拿不到20%的返现比例。 （3）降低FTX手续费 FTX是目前增长非常迅速、合约玩家较多的交易所，你要是玩合约一定要注册FTX。如果想降低FTX交易手续费，一定要用下面的邀请链接注册。 https://ftx.com/referrals#a=121031692 3、交易路漫漫，一起前行 想不想了解更多降低手续费的方法？ telegram：btcethcool 我们专门建立了研究交易的社群，加telegram好友拉你进社群。