综合交易模型--雪球跟单参数说明支持qmt,同花顺

2024-06-02 22:52

本文主要是介绍综合交易模型--雪球跟单参数说明支持qmt,同花顺,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

经过测试,目前完成了这个策略。支持多策略,支持全市场,包括股票,etf,可转债

全部的参数

图片

{    "雪球跟单":"跟单原理",    "原理":"比重变大默认买入,变小默认卖出,持股不追加,支持多策略跟单",    "雪球cookie":"cookiesu=241715400714727; device_id=a3ef10a376ef5247ffa076b3f60cda63; smidV2=20240511121735f94708a388b3849549dd32f49888adb60042a1a6f570c88a0; remember=1; xq_is_login=1; u=1342909666; s=cb127hrtpz; bid=f1b5e01be977a7023f9ec859cdf24ad4_lw1xly5z; __utmz=1.1715421398.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); xq_a_token=8d2185ec88fc34490976cbe2eb4caf7d6961e32e; xqat=8d2185ec88fc34490976cbe2eb4caf7d6961e32e; xq_id_token=eyJ0eXAiOiJKV1QiLCJhbGciOiJSUzI1NiJ9.eyJ1aWQiOjEzNDI5MDk2NjYsImlzcyI6InVjIiwiZXhwIjoxNzE5MTk1Mzc4LCJjdG0iOjE3MTY2MDMzNzgxMjIsImNpZCI6ImQ5ZDBuNEFadXAifQ.Sjy6h4gQ8nX3P1QvfN8d1jaozlDCQ_z4fPU1gnU97hmcEbDlAQE9tZ5_SAB2uVHJgUvmXEKKlHPWhNHnipI404hz5I0AxAXAod1nAAXUu9xyRlpN5HvISph3snFPInKOrDYas6Pf7mtunhHXHvdiCtt0j__P2hOyA0VevN3Mqc34a6NJDh2yftTIXWpDVAI03hHo1izuEuA9Reld-7OX8H_KGfFGbIN0frJFfvR_KiTadHK_hJK4LafSetP71-RC1qgouIcB2Eb4tS_IANZ8G-ETk9Y-6DW2_SwffzEUiCNscRvGmzCMy9XPWA5413QphlGdfbgk2rN7enArOVx3Cw; xq_r_token=d8d877c6634c1dccc7472835539149f69c6f9f70; Hm_lvt_1db88642e346389874251b5a1eded6e3=1716392246,1716473979,1716554527,1716603379; acw_tc=276077ab17166051880926379e31d55708918c25a7b1b7778b05ec078e0cb6; __utma=1.694453535.1715421398.1715524198.1716605549.4; __utmc=1; __utmt=1; .thumbcache_f24b8bbe5a5934237bbc0eda20c1b6e7=yLJiLZESXni8VXn3zlUOJUOfp16pud99AQIv/v5OtCn72W3NDQ3kBY3tY4OxOBlzf3eoH+ByDMs2DcwGjEhdMw%3D%3D; __utmb=1.2.10.1716605549; Hm_lpvt_1db88642e346389874251b5a1eded6e3=1716605925",    "组合名称":["实验"],    "组合id":["ZH3368671"],    "不同策略间隔更新时间":0.05,    "同步持股说明":"同步持股就是买入目前的持股,不然就同步成交",    "资金模式":"雪球",    "资金模式说明":"雪球/自定义",    "雪球资金设置":"设置**********************",    "账户跟单比例":0.5,    "自定义资金设置":"设置————————下面设置分析配置是参考,保持和分析配置里面一样————————————————",    "交易模式":"金额",    "固定交易资金":10000,    "持有金额限制":10000,    "固定交易数量":100,    "持有限制":100,    "持股限制":10,    "下单交易模式":"立马下单",    "下单交易模式说明":"立马下单/通过综合交易模型"
}

雪球cookie直接账户的cookie自己获取

组合id支持多组合,多个组合用逗号隔开比如[1,2,3]

重点在下, 的交易模式

"同步持股说明":"同步持股就是买入目前的持股,不然就同步成交",    "资金模式":"雪球",    "资金模式说明":"雪球/自定义",    "雪球资金设置":"设置**********************",    "账户跟单比例":0.5,    "自定义资金设置":"设置————————下面设置分析配置是参考,保持和分析配置里面一样————————————————",    "交易模式":"金额",    "固定交易资金":10000,    "持有金额限制":10000,    "固定交易数量":100,    "持有限制":100,    "持股限制":10,    "下单交易模式":"立马下单",    "下单交易模式说明":"立马下单/通过综合交易模型"

资金模式 雪球完全按雪球的模式交易,按比例进行调整仓位,这个模式好完全自带匹配账户资金,比如你账户有10万买入1%就是1000,比如你账户有100万,调整1%就是自动匹配账户自己,下面的就自定义资金的,"下单交易模式":"立马下单",直接下单不用排队,速度非常的快,还在直接看源代码快​​​​​​​

def start_trader_on(self):        '''        开始下单        '''        with open(r'{}\雪球跟单设置.json'.format(self.path),encoding='utf-8') as f:            com=f.read()        text=json.loads(com)        df=pd.read_excel(r'{}\下单股票池\下单股票池.xlsx'.format(self.path))        try:            del df['Unnamed: 0']        except:            pass        #资金模式        cash_models=text['资金模式']        #下单模式        trader_models=text['下单交易模式']        #自定义资金设置        data_type=text['交易模式']        value=text['固定交易资金']        limit_value=text['持有金额限制']        amount1=text['固定交易数量']        limit_amount=text['持股限制']        if df.shape[0]>0:            df['证券代码']=df['证券代码'].astype(str)            #print(df['证券代码'])            df['证券代码']=df['证券代码'].apply(lambda x: '0'*(6-len(str(x)))+str(x))            if cash_models=='雪球' and trader_models=='通过综合交易模型':                buy_df=df[df['交易方向']=='buy']                if buy_df.shape[0]>0:                    buy_df=buy_df[['证券代码','证券名称','自动价格','价格','交易类型','数量','交易状态']]                    buy_df.to_excel(r'自定义买入股票\自定义买入股票.xlsx')                else:                    print('{} {} 没有买入股票'.format(cash_models,trader_models))                sell_df=df[df['交易方向']=='sell']                if sell_df.shape[0]>0:                    sell_df=sell_df[['证券代码','证券名称','自动价格','价格','交易类型','数量','交易状态']]                    sell_df.to_excel(r'自定义卖出股票\自定义卖出股票.xlsx')                else:                    print('{} {} 没有卖出股票'.format(cash_models,trader_models))            elif cash_models=='自定义' and trader_models=='通过综合交易模型':                buy_df=df[df['交易方向']=='buy']                if buy_df.shape[0]>0:                    buy_df=buy_df[['证券代码','证券名称','交易状态']]                    buy_df.to_excel(r'买入股票\买入股票.xlsx')                else:                    print('{} {} 没有买入股票'.format(cash_models,trader_models))                sell_df=df[df['交易方向']=='sell']                if sell_df.shape[0]>0:                    sell_df=sell_df[['证券代码','证券名称','交易状态']]                    sell_df.to_excel(r'卖出股票\卖出股票.xlsx')                else:                    print('{} {} 没有卖出股票'.format(cash_models,trader_models))            #先卖在买            elif cash_models=='雪球' and trader_models=='立马下单':                sell_df=df[df['交易方向']=='sell']                if sell_df.shape[0]>0:                    for stock,amount in zip(sell_df['证券代码'],sell_df['数量']):                        try:                            price=self.data.get_spot_data(stock=stock)['最新价']                            self.trader.sell(security=stock,price=price,amount=amount)                            print('{} {} 卖出 股票{} 数量{} 价格{}'.format(cash_models,trader_models,stock,amount,price))                        except Exception as e:                            print(e)                            print(print('{} {} 卖出 股票{} 有问题'.format(cash_models,trader_models,stock)))                else:                    print('{} {} 没有卖出股票'.format(cash_models,trader_models))                buy_df=df[df['交易方向']=='buy']                if buy_df.shape[0]>0:                    for stock,amount in zip(buy_df['证券代码'],buy_df['数量']):                        try:                            price=self.data.get_spot_data(stock=stock)['最新价']                            self.trader.buy(security=stock,price=price,amount=amount)                            print('{} {} 买入 股票{} 数量{} 价格{}'.format(cash_models,trader_models,stock,amount,price))                        except Exception as e:                            print(e)                            print(print('{} {} 买入 股票{} 有问题'.format(cash_models,trader_models,stock)))                else:                    print('{} {} 没有买入股票'.format(cash_models,trader_models))            #先卖在买            elif cash_models=='自定义' and trader_models=='立马下单':                sell_df=df[df['交易方向']=='sell']                if sell_df.shape[0]>0:                    for stock in sell_df['证券代码'].tolist():                        try:                            price=self.data.get_spot_data(stock=stock)['最新价']                            trader_type,amount,price=self.trader.check_av_target_trader(data_type=data_type,trader_type='sell',                                        amount=amount1,limit_volume=limit_amount,value=value,limit_value=limit_value,                                        stock=stock,price=price)                            if trader_type=='sell':                                self.trader.sell(security=stock,price=price,amount=amount)                                print('{} {} 卖出 股票{} 数量{} 价格{}'.format(cash_models,trader_models,stock,amount,price))                            else:                                print('{} {} 卖出 股票{} 数量{} 价格{} 不可以交易'.format(cash_models,trader_models,stock))                        except Exception as e:                            print(e)                            print(print('{} {} 卖出 股票{} 有问题'.format(cash_models,trader_models,stock)))                else:                    print('{} {} 没有卖出股票'.format(cash_models,trader_models))                buy_df=df[df['交易方向']=='buy']                if buy_df.shape[0]>0:                    for stock,amount in zip(buy_df['证券代码'],buy_df['数量']):                        try:                            price=self.data.get_spot_data(stock=stock)['最新价']                            trader_type,amount,price=self.trader.check_av_target_trader(data_type=data_type,trader_type='buy',                                    amount=amount1,limit_volume=limit_amount,value=value,limit_value=limit_value,                                    stock=stock,price=price)                            if trader_type=='buy':                                self.trader.buy(security=stock,price=price,amount=amount)                                print('{} {} 买入 股票{} 数量{} 价格{}'.format(cash_models,trader_models,stock,amount,price))                            else:                                print('{} {} 买入 股票{} 数量{} 价格{} 不可以交易'.format(cash_models,trader_models,stock))                        except Exception as e:                            print(e)                            print(print('{} {} 买入 股票{} 有问题'.format(cash_models,trader_models,stock)))                else:                    print('{} {} 没有买入股票'.format(cash_models,trader_models))            else:                print('未知的下单模式***********************')        else:            print('没有需要下单的数据**************************')

后面我给完整的教程设置

图片

源代码全部上次了不懂的问我就可以

图片

这篇关于综合交易模型--雪球跟单参数说明支持qmt,同花顺的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1025318

相关文章

SpringBoot首笔交易慢问题排查与优化方案

《SpringBoot首笔交易慢问题排查与优化方案》在我们的微服务项目中,遇到这样的问题:应用启动后,第一笔交易响应耗时高达4、5秒,而后续请求均能在毫秒级完成,这不仅触发监控告警,也极大影响了用户体... 目录问题背景排查步骤1. 日志分析2. 性能工具定位优化方案:提前预热各种资源1. Flowable

SpringKafka消息发布之KafkaTemplate与事务支持功能

《SpringKafka消息发布之KafkaTemplate与事务支持功能》通过本文介绍的基本用法、序列化选项、事务支持、错误处理和性能优化技术,开发者可以构建高效可靠的Kafka消息发布系统,事务支... 目录引言一、KafkaTemplate基础二、消息序列化三、事务支持机制四、错误处理与重试五、性能优

Tomcat版本与Java版本的关系及说明

《Tomcat版本与Java版本的关系及说明》:本文主要介绍Tomcat版本与Java版本的关系及说明,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Tomcat版本与Java版本的关系Tomcat历史版本对应的Java版本Tomcat支持哪些版本的pythonJ

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

Nginx指令add_header和proxy_set_header的区别及说明

《Nginx指令add_header和proxy_set_header的区别及说明》:本文主要介绍Nginx指令add_header和proxy_set_header的区别及说明,具有很好的参考价... 目录Nginx指令add_header和proxy_set_header区别如何理解反向代理?proxy

一文带你了解SpringBoot中启动参数的各种用法

《一文带你了解SpringBoot中启动参数的各种用法》在使用SpringBoot开发应用时,我们通常需要根据不同的环境或特定需求调整启动参数,那么,SpringBoot提供了哪些方式来配置这些启动参... 目录一、启动参数的常见传递方式二、通过命令行参数传递启动参数三、使用 application.pro

基于@RequestParam注解之Spring MVC参数绑定的利器

《基于@RequestParam注解之SpringMVC参数绑定的利器》:本文主要介绍基于@RequestParam注解之SpringMVC参数绑定的利器,具有很好的参考价值,希望对大家有所帮助... 目录@RequestParam注解:Spring MVC参数绑定的利器什么是@RequestParam?@

SpringBoot接收JSON类型的参数方式

《SpringBoot接收JSON类型的参数方式》:本文主要介绍SpringBoot接收JSON类型的参数方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、jsON二、代码准备三、Apifox操作总结一、JSON在学习前端技术时,我们有讲到过JSON,而在

一文教你解决Python不支持中文路径的问题

《一文教你解决Python不支持中文路径的问题》Python是一种广泛使用的高级编程语言,然而在处理包含中文字符的文件路径时,Python有时会表现出一些不友好的行为,下面小编就来为大家介绍一下具体的... 目录问题背景解决方案1. 设置正确的文件编码2. 使用pathlib模块3. 转换路径为Unicod