自己做量化交易軟體(44)小白量化實戰17–利用小白量化金融模塊在迅投QMT極速策略交易系統上仿大智慧指標回測及實戰交易設計

小白量化平臺是由若干小白金融模塊構成，其中包含行情接收模塊，仿通達信大智慧公式計算模塊，K線及指標繪圖模塊，回測模塊，Tkinter GUI視窗設計模塊等構成，每個模塊都能獨立應用，
最新實戰版本小白量化xb2f壓縮包中，提供了最新的公式庫，除了增加了幾十個公式函式外，還集成了通達信數百個常用公式，例如kd,rsi,macd,boll…等等，使用者不用復制函式，可直接使用這些系統默認公式，更加方便開發量化軟體，
下面是小白量化模塊的KDJ指標顯示的演示，

# -*- coding: utf-8 -*-
# KDJ指標演示
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import HP_tdx as htdx
from HP_formula import *

#連接行情主站
htdx.TdxInit(ip='40.73.76.10',port=7709)
code='600080'
#獲取日線資料,800條資料
df = htdx.get_k_data(code,ktype='D',index=False,autype='qfq')
mydf=initmydf(df)  ##初始化mydf表

mydf['K'],mydf['D'],mydf['J']=KDJ(9,3,3)
mydf['S80']=80  #增加上軌80軌跡線
mydf['X20']=20  #增加下軌20軌跡線

mydf=mydf.tail(100)  #顯示最后100條資料線 
#下面是繪線陳述句
mydf.S80.plot.line()
mydf.X20.plot.line()
mydf.K.plot.line(legend=True)
mydf.D.plot.line(legend=True)
mydf.J.plot.line(legend=True)

程式運行結果如下：

下面我們看看，如何在迅投QMT極速策略交易系統上例如用小白量化金融模塊來實作指標回測，
買賣條件：
#買入條件：指數k上穿d時觸發買入信號，過濾連續超賣導致的買入信號
#賣出條件：指數k下穿d時觸發賣出信號，過濾連續超買導致的賣出信號
下面我們給出迅投QMT極速策略交易系統上利用小白量化公式模塊撰寫指標的回測示例，
首先把小白量化目錄【D:\xb2f】中的HP_formula.py檔案復制到迅投QMT極速策略交易系統目錄【D:\申港證券QMT模擬 交易終端\python】中，
在設計迅投QMT極速策略交易系統的策略時，就可以使用小白量化仿通達信公式庫了，同理，在恒生PTrade交易系統(交易端)上，以及各種本地化量化平臺中，都可以使用小白量化金融模塊，
下面直接給出迅投QMT極速策略交易系統KDJ指標交易策略源代碼，

#encoding:gbk
'''
本策略事先設定好交易的股票籃子，然后根據指數的CCI指標來判斷超買和超賣
當有超買和超賣發生時，交易事先設定好的股票籃子
'''
import pandas as pd
import numpy as np
import talib
#匯入小白量化公式函式庫模塊
from HP_formula import *  

def init(ContextInfo):
	#hs300成分股中sh和sz市場各自流通市值最大的前3只股票
	ContextInfo.trade_code_list=['601398.SH','601857.SH','601288.SH','000333.SZ','002415.SZ','000002.SZ']
	ContextInfo.set_universe(ContextInfo.trade_code_list)
	ContextInfo.accID = 'XXXXXXX'
	ContextInfo.buy = True
	ContextInfo.sell = False
	
def handlebar(ContextInfo):
	#計算當前主圖的KDJ
	mkdict = ContextInfo.get_market_data(['high','low','close','open'],count=int(period)+1)
    #小白量化資料規格化（初始化）
	mkdict['date']=mkdict.index
	mydf=initmydf(mkdict)
	#使用公式庫中的默認KDJ(9,3,3)指標，可以帶其他引數，也可以自編公式，
	k,d,j=KDJ()
	
	ContextInfo.paint("K",np.array(k)[-1],-1,0,'noaxis')
	ContextInfo.paint("D",np.array(d)[-1],-1,0,'noaxis')
	ContextInfo.paint("J",np.array(j)[-1],-1,0,'noaxis')
	
	#交易策略
	if len(k)<2:
		return
	
	#買入條件：指數k上穿d時觸發買入信號，過濾連續超賣導致的買入信號
	buy_condition = np.array(CROSS(k,d))[-1] and ContextInfo.buy
	#賣出條件：指數k下穿d時觸發賣出信號，過濾連續超買導致的賣出信號
	sell_condition = np.array(CROSS(d,k))[-1] and ContextInfo.sell
	
	if buy_condition:
		ContextInfo.buy = False
		ContextInfo.sell = True
		#串列中股票分別下單買入10手
		for stockcode in ContextInfo.trade_code_list:
			order_lots(stockcode,10,ContextInfo,ContextInfo.accID)
	elif sell_condition:
		ContextInfo.buy = True
		ContextInfo.sell = False
		#串列中股票分別下單賣出10手
		for stockcode in ContextInfo.trade_code_list:
			order_lots(stockcode,-10,ContextInfo,ContextInfo.accID)
			
	#可買或可賣狀態
	ContextInfo.draw_text(bool(buy_condition),float(np.array(k)[-1]),'buy') #繪制買點
	ContextInfo.draw_text(bool(sell_condition),float(np.array(k)[-1]),'sell') #繪制賣點
	ContextInfo.paint('can_buy',ContextInfo.buy,-1,0,'nodraw')
	ContextInfo.paint('can_sell',ContextInfo.sell,-1,0,'nodraw')

程式運行輸出的圖形如下，

<零基礎搭建量化投資系統――以Python為工具>京東購買網址
https://item.jd.com/61567375505.html
大家不要買盜版書,只有正版書，電子書才能加入讀者群，我一直有代碼更新，公式庫又增加了幾十個基礎函式，有疑問，也可以咨詢作者完善改進，
我們正在開發小白第三代量化系統，仍然采用Tkinter的GUI庫設計，下面是部分設計圖，
一、小白量化第三代量化平臺主要功能說明：
1、仿流行股票軟體的操作界面和操作快捷鍵來設計軟體，適合廣大投資者投資行情軟體無縫遷移到小白量化平臺上，

2、直接使用流行的股票公式指標進行分析和計算，以及選股顯示圖形，方便投資者使用自編公式在小白量化平臺上顯示，


3、除了支持普通股票指標公式外，還支持Alpha自編因子公式，
2015年底World Quant發表了論文《101 Formulaic Alpha》，論文中給出了101個現實中的alpha，因子資料挖掘量化投資獲取了不俗的收益，我們量化軟體已經實作了Alpha101公式函式演算法，用戶有能力實作新的Alpha自編因子公式，創作出更多的Alpha自編因子公式，下面是原始Alpha101因子公式代碼，
見前面博客，
https://blog.csdn.net/hepu8/article/details/113825112

4、支持多因子自編公式，指標公式函式只支持1只股票指標運算，多因子自編公式支持1組股票運算，
自編因子指標公式是對一批股票同步計算，因此速度很快，
據測驗同樣機器計算300只股票， 300只股票回圈計算仿通達信指標公式所花費時間： 4.644 秒，
同樣300只股票計算多因子指標公式所需花費時間： 0.127 秒，多因子指標公式速度提高了約36倍，同時還能對任意一個周期進行股票指標值排序，
更重要的是Alpha自編因子公式和多因子自編公式輸出結果資料，可以直接用于深度學習等人工智能量化分析程式，實作人工智能投資分析和人工智能交易，
見前面博客，
https://blog.csdn.net/hepu8/article/details/113883459

5、軟體除了普通公式選股外，還支持量化程式選股，回測，模擬，下單等操作，
6、增加（仿大智慧）股票池運算功能，
7、增加可視化策略開發工具等功能，

歡迎有興趣的投資人一起做大做強本軟體
小白量化平臺設計主要人：何戰軍 電話微信：18578755056 QQ：2775205

請持續關注我的博客，我的進步，就是你的進步！