1. Ahhoz, hogy érmespekulációs kereskedési rendszert építsen, személyesen kell megtanulnia sok számítógépes és pénzügyi ismeretet. (1) Adatok betöltése

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

1. lépés: Stratégia meghatározása A stratégia szabályai nagyon egyszerűek.

• Számla kezdeti értéke 100000, minden készlet ugyanolyan súlyt foglal el.

• Vásároljon a vételi jelnek megfelelően, és adjon el az adatok eladási jelének megfelelően.

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)

1. lépés: Backtesting Backtesting a fenti adatok és stratégia alapján

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

1. lépés: Elemzés Elemezze a stratégia teljesítményét, és hasonlítsa össze a CSI 300 indexszel.

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

A fő funkció futtatása 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. A fent bemutatott tartalom csak a kriptopénz alapjairól szól, ami azzal kapcsolatos, hogy tudunk-e pénzt keresni a kriptopénz segítségével. A kriptovaluták nemcsak a jövedelem növelésének tudományos módszereivel keresnek pénzt, hanem a megtakarítás módjainak megtalálásával is. A kezelési díjak csekélyek, de nem szabad figyelmen kívül hagyni őket. Kiszámoltam, hogy gyakori tranzakciók és hosszú kereskedési órák esetén a díjak felhalmozódása évente több mint 10 000 U-t is elérhet. A következőkben bemutatok néhány gyakori módszert a díjak csökkentésére a nagy kereskedési platformokon. (1) A Binance díjainak csökkentése A Binance jelenleg a világ legnagyobb digitális valutacseréje, és fel kell iratkoznia a Binance-ra, ha érmékkel szeretne spekulálni. A tranzakciós díjat levonják a kapott eszközökből. Ha például Ethereum/USDT-t vásárol, a díjat Ethereumban kell fizetni. Ha Ethereum/USDT-t ad el, a jutalékot USDT-ben fizetik ki. Példa. Ön 10Ethereumra ad megbízást 3,452.55 USD/részvény áron. Tranzakciós díj = 10Ethereum0,1% = 0,01Ethereum Vagy megbízást ad 10Ethereum eladására 3,452.55 USDT/részvény áron. Tranzakciós díj = (10Ethereum3,452.55USDT)*0.1% = 34.5255USDT Amit sokan nem tudnak, hogy a Binance tranzakciós díja is csökkenthető. Ha csökkenteni szeretné a Binance kereskedési díjait, akkor az alábbi meghívó linket kell használnia, vagy a "Q022W7SC" meghívó kódot kell használnia a regisztrációhoz. https://accounts.binance.com/en/register?ref=Q022W7SC

(2) Az OKX-díjak csökkentése Az OKX egy professzionális digitális valutakereskedési platform, amelyet sok felhasználó szeret, és tranzakciós díjai csökkenthetők. A tranzakciók mennyiségétől függően az OKX két szintre osztja felhasználóit: normál és professzionális. Az egyszerű felhasználókat OKB-pozícióik alapján, míg a professzionális felhasználókat kereskedési volumenük és eszközméretük alapján osztályozzák. A különböző szintek határozzák meg a következő kereskedési napra vonatkozó kereskedési díjakat. A díjszintek kiszámításakor, ha az érme kereskedési volumene, a szállítási és örökös szerződések (USDT szállítási szerződés, érmealapú szállítási szerződés, USDT örökös szerződés, érmealapú örökös szerződés), az opciós szerződés kereskedési volumene és az eszköz volumene megfelel a különböző díjszintek feltételeinek, a felhasználók a legmagasabb szintű díjkedvezményt élvezik. Első módszer: az OKX hivatalos maximális megtakarítási aránya 20%. Használja az alábbi linket, hogy regisztráljon az OKX-nél, és 20%-ot spóroljon a díjakon. https://www.ouyi.business/join/BTC1ETH Második módszer: Nyissa meg az OKX weboldalát, és írja be a "BTC1ETH" kódot a regisztrációs oldalon a "Meghívó kód" mezőbe, hogy a cashback százalékos aránya 20% legyen az alján. Ügyeljen arra, hogy adja meg ezt a meghívó kódot, különben nem kaphat 20% cashback százalékot. (3) Az FTX díjak csökkentése FTX jelenleg egy nagyon gyorsan növekvő, szerződéses játékosok több cserét, meg kell regisztrálni FTX ha játszani a szerződést. ha szeretné csökkenteni az FTX tranzakciós díjakat, akkor a következő meghívó linket kell használni a regisztrációhoz. https://ftx.com/referrals#a=121031692 3, kereskedelmi út hosszú, együtt a forward Szeretne többet megtudni arról, hogyan csökkentheti a jutalékot? távirat: btcethcool Létrehoztunk egy közösséget, amely a kereskedés kutatásának szentelt, adj hozzá telegram barátokat, hogy behúzzanak a közösségbe.

1. Ahhoz, hogy érmespekulációs kereskedési rendszert építsen, személyesen kell megtanulnia sok számítógépes és pénzügyi ismeretet. (1) Adatok betöltése

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

1. lépés: Stratégia meghatározása A stratégia szabályai nagyon egyszerűek.

• Számla kezdeti értéke 100000, minden készlet ugyanolyan súlyt foglal el.

• Vásároljon a vételi jelnek megfelelően, és adjon el az adatok eladási jelének megfelelően.

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)

1. lépés: Backtesting Backtesting a fenti adatok és stratégia alapján

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

1. lépés: Elemzés Elemezze a stratégia teljesítményét, és hasonlítsa össze a CSI 300 indexszel.

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

A fő funkció futtatása 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. A fent bemutatott tartalom csak a kriptopénz alapjairól szól, ami azzal kapcsolatos, hogy tudunk-e pénzt keresni a kriptopénz segítségével. A kriptovaluták nemcsak a jövedelem növelésének tudományos módszereivel keresnek pénzt, hanem a megtakarítás módjainak megtalálásával is. A kezelési díjak csekélyek, de nem szabad figyelmen kívül hagyni őket. Kiszámoltam, hogy gyakori tranzakciók és hosszú kereskedési órák esetén a díjak felhalmozódása évente több mint 10 000 U-t is elérhet. A következőkben bemutatok néhány gyakori módszert a díjak csökkentésére a nagy kereskedési platformokon. (1) A Binance díjainak csökkentése A Binance jelenleg a világ legnagyobb digitális valutacseréje, és fel kell iratkoznia a Binance-ra, ha érmékkel szeretne spekulálni. A tranzakciós díjat levonják a kapott eszközökből. Ha például Ethereum/USDT-t vásárol, a díjat Ethereumban kell fizetni. Ha Ethereum/USDT-t ad el, a jutalékot USDT-ben fizetik ki. Példa. Ön 10Ethereumra ad megbízást 3,452.55 USD/részvény áron. Tranzakciós díj = 10Ethereum0,1% = 0,01Ethereum Vagy megbízást ad 10Ethereum eladására 3,452.55 USDT/részvény áron. Tranzakciós díj = (10Ethereum3,452.55USDT)*0.1% = 34.5255USDT Amit sokan nem tudnak, hogy a Binance tranzakciós díja is csökkenthető. Ha csökkenteni szeretné a Binance kereskedési díjait, akkor az alábbi meghívó linket kell használnia, vagy a "Q022W7SC" meghívó kódot kell használnia a regisztrációhoz. https://accounts.binance.com/en/register?ref=Q022W7SC

(2) Az OKX-díjak csökkentése Az OKX egy professzionális digitális valutakereskedési platform, amelyet sok felhasználó szeret, és tranzakciós díjai csökkenthetők. A tranzakciók mennyiségétől függően az OKX két szintre osztja felhasználóit: normál és professzionális. Az egyszerű felhasználókat OKB-pozícióik alapján, míg a professzionális felhasználókat kereskedési volumenük és eszközméretük alapján osztályozzák. A különböző szintek határozzák meg a következő kereskedési napra vonatkozó kereskedési díjakat. A díjszintek kiszámításakor, ha az érme kereskedési volumene, a szállítási és örökös szerződések (USDT szállítási szerződés, érmealapú szállítási szerződés, USDT örökös szerződés, érmealapú örökös szerződés), az opciós szerződés kereskedési volumene és az eszköz volumene megfelel a különböző díjszintek feltételeinek, a felhasználók a legmagasabb szintű díjkedvezményt élvezik. Első módszer: az OKX hivatalos maximális megtakarítási aránya 20%. Használja az alábbi linket, hogy regisztráljon az OKX-nél, és 20%-ot spóroljon a díjakon. https://www.ouyi.business/join/BTC1ETH Második módszer: Nyissa meg az OKX weboldalát, és írja be a "BTC1ETH" kódot a regisztrációs oldalon a "Meghívó kód" mezőbe, hogy a cashback százalékos aránya 20% legyen az alján. Ügyeljen arra, hogy adja meg ezt a meghívó kódot, különben nem kaphat 20% cashback százalékot. (3) Az FTX díjak csökkentése FTX jelenleg egy nagyon gyorsan növekvő, szerződéses játékosok több cserét, meg kell regisztrálni FTX ha játszani a szerződést. ha szeretné csökkenteni az FTX tranzakciós díjakat, akkor a következő meghívó linket kell használni a regisztrációhoz. https://ftx.com/referrals#a=121031692 3, kereskedelmi út hosszú, együtt a forward Szeretne többet megtudni arról, hogyan csökkentheti a jutalékot? távirat: btcethcool Létrehoztunk egy közösséget, amely a kereskedés kutatásának szentelt, adj hozzá telegram barátokat, hogy behúzzanak a közösségbe.