1. 통화 투기를 위한 거래 시스템을 구축하려면 컴퓨터 및 금융 지식을 많이 배워야 합니다. (1) 데이터 로딩

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 

2단계: 정책 지정 정책 규칙은 매우 간단합니다.

• 계정의 초기 가치는 100,000이며 각 주식의 비율은 동일합니다.

• 데이터의 매수 신호에 따라 매수하고 매도 신호로 매도

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)

3단계: 백테스트 위의 데이터와 전략을 기반으로 한 백테스팅

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

4단계: 분석 전략의 성과를 분석하고 CSI 300 지수와 비교

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

주요 기능을 실행 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()

1. 위에서 소개한 내용은 암호화폐를 통해 돈을 벌 수 있는지 여부와 관련된 암호화폐에 대한 기본적인 지식일 뿐입니다. 암호화폐로 돈을 벌기 위해서는 과학적 방법으로 소득을 늘리는 것 외에도 비용을 절약할 수 있는 방법을 찾는 것도 필요하다. 수수료는 적지만 무시해서는 안됩니다. 거래가 빈번하고 거래 시간이 길면 소액이 합산되어 수수료 지불이 연간 10,000 U를 초과 할 수 있다고 계산한 적이 있습니다. 다음으로 여러 대형 거래 플랫폼에서 수수료를 줄이기 위해 사용하는 방법을 소개하겠습니다. (1) 바이낸스 수수료 감소 바이낸스는 현재 세계 최대의 디지털 화폐 거래소입니다. 코인을 거래하려면 바이낸스에 등록해야 합니다. Binance는 또한 성공적인 각 거래에 대해 거래 수수료를 지불해야 합니다. 거래 수수료는 수령한 자산에서 차감됩니다. 예를 들어 Ethereum/USDT를 구매하면 수수료는 Ethereum으로 지불됩니다. Ethereum/USDT를 판매하는 경우 수수료는 USDT로 지불됩니다. 예: 주당 3,452.55USDT에 10Ethereum을 구매하는 주문: 거래 수수료=10이더리움0.1%=0.01이더리움 또는 주당 3,452.55USDT에 10Ethereum을 판매하도록 주문합니다. 거래 수수료=(10Ethereum3,452.55USDT)*0.1%=34.5255USDT 많은 사람들이 모르는 것은 바이낸스의 거래 수수료도 줄일 수 있다는 것입니다. 바이낸스에서 거래 수수료를 줄이려면 아래 초대 링크를 사용하거나 초대 코드 "Q022W7SC"를 사용하여 등록하십시오. https://accounts.binance.com/en/register?ref=Q022W7SC

1. (2) OKX 수수료 감소 OKX는 많은 사용자에게 사랑받는 전문 디지털 통화 거래 플랫폼이며 거래 수수료도 절감할 수 있습니다. 다양한 거래량에 따라 Ouyi는 사용자를 일반 및 전문가의 두 가지 수준으로 나눕니다. 일반 사용자는 OKB 포지션에 따라 분류되고, 전문 사용자는 거래량과 자산 규모에 따라 분류됩니다. 다른 수준에 따라 다음 거래일의 거래 수수료가 결정됩니다. 수수료 수준을 계산할 때 통화 거래량, 인도 및 총 무기한 계약(USDT 인도 계약, 통화 담보 인도 계약, USDT 무기한 계약, 통화 담보 계약), 옵션 계약 거래량, 자산 거래량 조건인 경우 다양한 수수료 수준이 충족되면 사용자는 가장 높은 수준의 수수료 할인을 누릴 수 있습니다. 첫 번째 방법: OKX가 공식적으로 설정한 최대 저축률은 20%입니다. 아래 링크를 사용하여 OKX에 가입하면 수수료의 20%를 절약할 수 있습니다. https://www.ouyi.business/join/BTC1ETH 두 번째 방법: OKX 공식 웹사이트를 열고 등록 페이지의 "초대 코드"에 "BTC1ETH"를 입력하면 하단에서 캐시백 비율을 볼 수 있습니다: 20% 이 초대 코드를 입력하지 않으면 20% 캐쉬백 비율을 얻을 수 없습니다. (3) FTX 수수료 인하 FTX는 현재 매우 빠르게 성장하고 있으며 많은 계약 플레이어가 있는 거래소입니다.계약을 플레이하려면 FTX에 등록해야 합니다. FTX 거래 수수료를 낮추고 싶으시다면 아래 초대 링크를 통해 반드시 등록해 주시기 바랍니다. https://ftx.com/referrals#a=121031692 2. 무역의 길은 멀고, 함께 나아가자 수수료를 줄이는 방법에 대해 더 알고 싶으십니까? 전보: btcethcool 우리는 거래를 연구하기 위해 특별히 커뮤니티를 설립하고 전보 친구를 추가하여 귀하를 커뮤니티로 끌어들입니다.

1. 통화 투기를 위한 거래 시스템을 구축하려면 컴퓨터 및 금융 지식을 많이 배워야 합니다. (1) 데이터 로딩

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 

2단계: 정책 지정 정책 규칙은 매우 간단합니다.

• 계정의 초기 가치는 100,000이며 각 주식의 비율은 동일합니다.

• 데이터의 매수 신호에 따라 매수하고 매도 신호로 매도

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)

3단계: 백테스트 위의 데이터와 전략을 기반으로 한 백테스팅

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

4단계: 분석 전략의 성과를 분석하고 CSI 300 지수와 비교

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

주요 기능을 실행 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()

1. 위에서 소개한 내용은 암호화폐를 통해 돈을 벌 수 있는지 여부와 관련된 암호화폐에 대한 기본적인 지식일 뿐입니다. 암호화폐로 돈을 벌기 위해서는 과학적 방법으로 소득을 늘리는 것 외에도 비용을 절약할 수 있는 방법을 찾는 것도 필요하다. 수수료는 적지만 무시해서는 안됩니다. 거래가 빈번하고 거래 시간이 길면 소액이 합산되어 수수료 지불이 연간 10,000 U를 초과 할 수 있다고 계산한 적이 있습니다. 다음으로 여러 대형 거래 플랫폼에서 수수료를 줄이기 위해 사용하는 방법을 소개하겠습니다. (1) 바이낸스 수수료 감소 바이낸스는 현재 세계 최대의 디지털 화폐 거래소입니다. 코인을 거래하려면 바이낸스에 등록해야 합니다. Binance는 또한 성공적인 각 거래에 대해 거래 수수료를 지불해야 합니다. 거래 수수료는 수령한 자산에서 차감됩니다. 예를 들어 Ethereum/USDT를 구매하면 수수료는 Ethereum으로 지불됩니다. Ethereum/USDT를 판매하는 경우 수수료는 USDT로 지불됩니다. 예: 주당 3,452.55USDT에 10Ethereum을 구매하는 주문: 거래 수수료=10이더리움0.1%=0.01이더리움 또는 주당 3,452.55USDT에 10Ethereum을 판매하도록 주문합니다. 거래 수수료=(10Ethereum3,452.55USDT)*0.1%=34.5255USDT 많은 사람들이 모르는 것은 바이낸스의 거래 수수료도 줄일 수 있다는 것입니다. 바이낸스에서 거래 수수료를 줄이려면 아래 초대 링크를 사용하거나 초대 코드 "Q022W7SC"를 사용하여 등록하십시오. https://accounts.binance.com/en/register?ref=Q022W7SC

1. (2) OKX 수수료 감소 OKX는 많은 사용자에게 사랑받는 전문 디지털 통화 거래 플랫폼이며 거래 수수료도 절감할 수 있습니다. 다양한 거래량에 따라 Ouyi는 사용자를 일반 및 전문가의 두 가지 수준으로 나눕니다. 일반 사용자는 OKB 포지션에 따라 분류되고, 전문 사용자는 거래량과 자산 규모에 따라 분류됩니다. 다른 수준에 따라 다음 거래일의 거래 수수료가 결정됩니다. 수수료 수준을 계산할 때 통화 거래량, 인도 및 총 무기한 계약(USDT 인도 계약, 통화 담보 인도 계약, USDT 무기한 계약, 통화 담보 계약), 옵션 계약 거래량, 자산 거래량 조건인 경우 다양한 수수료 수준이 충족되면 사용자는 가장 높은 수준의 수수료 할인을 누릴 수 있습니다. 첫 번째 방법: OKX가 공식적으로 설정한 최대 저축률은 20%입니다. 아래 링크를 사용하여 OKX에 가입하면 수수료의 20%를 절약할 수 있습니다. https://www.ouyi.business/join/BTC1ETH 두 번째 방법: OKX 공식 웹사이트를 열고 등록 페이지의 "초대 코드"에 "BTC1ETH"를 입력하면 하단에서 캐시백 비율을 볼 수 있습니다: 20% 이 초대 코드를 입력하지 않으면 20% 캐쉬백 비율을 얻을 수 없습니다. (3) FTX 수수료 인하 FTX는 현재 매우 빠르게 성장하고 있으며 많은 계약 플레이어가 있는 거래소입니다.계약을 플레이하려면 FTX에 등록해야 합니다. FTX 거래 수수료를 낮추고 싶으시다면 아래 초대 링크를 통해 반드시 등록해 주시기 바랍니다. https://ftx.com/referrals#a=121031692 2. 무역의 길은 멀고, 함께 나아가자 수수료를 줄이는 방법에 대해 더 알고 싶으십니까? 전보: btcethcool 우리는 거래를 연구하기 위해 특별히 커뮤니티를 설립하고 전보 친구를 추가하여 귀하를 커뮤니티로 끌어들입니다.