1.vn.py社区精选4 - 双均线策略深度解析
2.海龟交易策略的策略策略mc源码
3.文华6软件：轻松玩转期货，高低点连线指标的源码源码用5大策略源码分享
4.期货软件TB系统源代码解读系列4-RSI
5.宝塔线升级版元通宝塔主图公式分享
6.文华财经T8更新版量化交易策略模型源码
vn.py社区精选4 - 双均线策略深度解析
策略原理
双均线策略作为基础的CTA策略，通过短周期与长周期均线的分享分享金叉或死叉信号进行交易决策，捕捉市场趋势。策略策略策略包含两个关键周期的源码源码用移动平均线，短周期反映近期市场走势，分享分享海报模板设计源码长周期代表较长时段的策略策略趋势。
源码分析
以vn.py项目中的源码源码用双均线策略源码为例，解析策略实现逻辑和内部代码。分享分享
创建策略实例
所有vn.py框架中的策略策略CTA策略类（包括内置和自定义）皆基于CTA策略模板类（CtaTemplate）实现子类。模板类为策略设计提供了通用结构，源码源码用如同汽车设计图指导汽车制造。分享分享CtaTemplate定义了交易函数和策略逻辑框架，策略策略使得快速实现策略成为可能。源码源码用
策略初始化
在策略实例创建时，分享分享设置参数和变量。参数由外部指定，变量随策略状态变化动态更新。参数列表中包括策略名称、设置信息等，系统自动从配置文件中加载。变量列表用于界面显示，并在策略停止、收到回报或同步数据时保存状态。
构造函数__init__
构造函数接收CTA引擎、策略名称、标的代码和设置信息作为参数，其中引擎对象自动传入。创建BarGenerator实例用于生成分钟级别K线数据，ArrayManager用于缓存K线数据，支持指标计算。
状态变量初始化
状态变量初始化并非在构造函数中完成，而是在创建策略实例后通过图形界面的初始化按钮触发on_init函数，加载历史数据回放给策略初始化变量。
启动自动交易
点击启动策略按钮，自动调用on_start函数，将交易状态变量设置为True，启动交易流程。确保在界面刷新策略状态相关显示时调用put_event函数。QQh5游戏源码
接收Tick推送
CTP接口每0.5秒推送Tick数据，由事件引擎分发到策略中。Tick数据通过BarGenerator的update_tick函数处理，合成1分钟K线数据，供策略使用。
核心交易逻辑
接收到K线数据后，将数据放入ArrayManager容器中，确保至少个数据后初始化完毕。调用talib库计算技术指标，判断金叉或死叉触发交易逻辑。交易指令由策略模板封装，在on_bar函数中直接调用。
委托回报处理
on_order函数处理委托状态变化，on_trader和on_stop_order函数处理成交回报和停止单回报。双均线策略在这些函数中通常无操作。
停止自动交易
每日交易结束后，通过停止按钮关闭自动交易，策略引擎调整交易状态变量，撤销所有活动委托，并保存变量状态。
CTA交易流程梳理
使用思维导图整理vn.py中策略实现与执行流程，包括从创建策略实例到停止自动交易的完整步骤。
《vn.py全实战进阶》课程介绍
该课程提供节内容，涵盖策略设计、参数回测和实盘自动交易的CTA量化业务流程，适合深入学习vn.py应用。
更多vn.py精华内容
关注公众号以获取更多深入分析和实践技巧。
海龟交易策略的mc源码
以下是海龟交易策略的MC源码内容简化版：
初始化参数：初始余额（），损失阈值（2），赢利阈值（4）
创建变量：交易次数（N），止损点（StopLoss），交易价值（DV），账户余额（AccountBalance），系统状态（system），资金风险（DollarRisk），平均权益价格（AvgEtyPrice），交易触发时间（LTT），交易跟踪器（Tracker），微信挂机源码出售上次交易状态（LastTrade），累计盈利（myprofit），最高买入价（HBP），最低买入价（LBP），交易日数（Ndays）
初始化价格变量：历史最高价（L-L）、历史最低价（S-S）
天突破策略：如果当前无交易位置（市场位置=0），计算平均真实波动幅度（N），交易价值（DV），账户余额（AccountBalance），资金风险（DollarRisk），交易触发点（LTT），止损点（StopLoss），并初始化最高买入价（HBP）和最低买入价（LBP）。如果上次交易状态未记录，则进行买入和卖出操作，同时记录历史最高价和最低价。系统状态设置为1。
天突破策略：如果当前无交易位置（市场位置=0），且上次交易状态为卖出，计算并执行与天突破策略相似的操作，但使用天的数据，同时系统状态设置为2。
系统跟踪：如果当前状态为跟踪（Tracker=1/-1），并在价格突破止损或赢利点时改变交易状态。
加仓逻辑：根据当前交易状态和持仓数量执行加仓操作，同时设置止损点。
退出策略：在交易达到指定时间（天或天）后，根据当前市场位置执行卖出或买进平仓操作。
输出报告：打印交易日期、时间、连续赢利次数、连续亏损次数和最大回撤。
请注意，上述描述是简化版本，源代码中包含具体的函数调用和逻辑判断。在实际应用中，需要根据特定的交易环境和市场数据进行调整。
文华6软件：轻松玩转期货，最新飞鸟bc源码高低点连线指标的5大策略源码分享
在期货、恒指等市场中，高低点一直是投资者关注焦点。如何准确捕捉并应用关键点位？文华6赢顺软件提供强大功能，揭示高低点编写方法。以下五种策略源码助你轻松掌握。
第一种策略原理：以第一根K线最高价A为起点，后续K线最高价小于(A+)且大于(A-)时，取当前K线最高价为新点值。代码：HH:ZIGZAG(HIGH,,0);
第二种策略原理：通过最高价和最低价之字转向，确定高低点连线。代码：ZH:=ZIGZAG(H,,0); ZL:=ZIGZAG(L,,0); CONH:=ZH>REF(ZH,1)&&ZH>REFX(ZH,1); CONL:=ZL...
期货软件TB系统源代码解读系列4-RSI
这个辅助判断系统，将其程序化以进行交易，效果如何？我们先来看看这个系统中使用的关键函数Average。这是一个用于计算平均值的函数，与我们之前接触的AverageFC相似，但也有一定的区别。其代码如下：
Params
NumericSeries Price(1);
Numeric Length();
Vars
Numeric AvgValue;
Begin
AvgValue = Summation(Price, Length) / Length;
Return AvgValue;
End
这是一个简单的平均值计算函数，编写完成后，我们能方便地调用它。接下来是相对强弱指数（RSI）的代码：
Params
Numeric Length();
Numeric OverSold();
Numeric OverBought();
Vars
NumericSeries NetChgAvg(0);
NumericSeries TotChgAvg(0);
Numeric SF(0);
Numeric Change(0);
Numeric ChgRatio(0);
Numeric RSIValue;
Begin
If(CurrentBar <= Length - 1)
{
NetChgAvg = (Close - Close[Length]) / Length;
TotChgAvg = Average(Abs(Close - Close[1]), Length);
}
Else
{
SF = 1/Length;
Change = Close - Close[1];
NetChgAvg = NetChgAvg[1] + SF * (Change - NetChgAvg[1]);
TotChgAvg = TotChgAvg[1] + SF * (Abs(Change) - TotChgAvg[1]);
}
If(TotChgAvg != 0)
{
ChgRatio = NetChgAvg / TotChgAvg;
}
else
{
ChgRatio = 0;
}
RSIValue = * (ChgRatio + 1);
PlotNumeric("RSI", RSIValue);
PlotNumeric("超买", OverBought);
PlotNumeric("超卖", OverSold);
End
了解了RSI的计算方法后，我们将它融入程序化交易中变得简单，只需添加买卖条件即可。至于效果，它能帮助判断市场处于超买或超卖状态，但价格变动并非单一数据所能决定，RSI只是辅助判断依据。接下来，我将展示基于RSI的程序化代码：
Params
Numeric Length();
Numeric OverSold();
Numeric OverBought();
Numeric StopPoint();
Numeric ProfitPoint();
Numeric StopLossSet();
Vars
NumericSeries NetChgAvg(0);
NumericSeries TotChgAvg(0);
Numeric SF(0);
Numeric Change(0);
Numeric ChgRatio(0);
NumericSeries RSIValue;
//其他变量...
Begin
// RSIValue计算和交易逻辑...
了解这个程序化代码后，我们添加了开仓和止损的限制条件，以实现自动化交易。然而，即便添加了限制，交易效果仍然有限。如果移除止损设置，效果会有所改善，但价格波动的复杂性意味着，单一指标难以完全预测市场走向。桔子威客网站源码这个辅助系统可以作为交易策略的一部分，但投资者应结合其他技术分析工具和市场动态，以提高决策的准确性。明日，我将分享基于移动均线、MACD和KD指标的综合交易策略代码，以提供更全面的分析视角。
宝塔线升级版元通宝塔主图公式分享
在短线交易的世界里，宝塔线指标以其独特的信号指示备受青睐，但频繁的买卖信号可能掩盖了市场的真实趋势。元通创新思维，引入生命线（日均线）的元素，旨在融合快速交易信号与长期趋势，打造更为精准的交易策略。以下是元通宝塔主图升级版的买卖策略详解和源码分享，让你的交易更加明智。
首先，我们从主图公式开始:
绿色线（C0）和蓝色线（A=(C+O+H+L)/4），这是宝塔线的基础，它们描绘了价格波动的动态。
生命线：至关重要的是红色的日EMA(A)，它作为长期趋势的稳定指标，下方则画以绿色区域，用于提供买入和卖出的参考。
买卖点判断：VAR1到VAR的多个条件组合，结合生命线与收盘价，定义了买卖点的出现。例如，VAR的逻辑是当VAR1到VAR中的任一条件满足，且收盘价低于前一根K线，形成买入信号。
简化后的公式如下：
当生命线下方的宝塔线形成买入信号，生命线上方则表示卖出信号，构建出分批进出的交易系统。买卖决策的关键在于生命线与收盘价的动态互动，它们共同决定着市场的进出时机。
部分核心代码如下：
D: 绿色线条的计算
生命线: EMA(A,)，红色，作为长期趋势的基准
VAR: 复杂的多条件判断，当满足一定组合时，显示为金色或蓝色的买入信号
通过颜色和宽度的变化，这些线条清晰地指示着市场动态，让交易者一眼便能捕捉到重要信号。
最后，选股策略也融入了生命线的概念，例如，当收盘价突破生命线，或者价格在生命线附近形成特定的形态时，便可能触发买入或卖出的信号。
总结，元通宝塔线的升级版不仅保留了原有的短线交易效率，还加入了生命线这一重要辅助工具，旨在帮助交易者更精确地把握趋势，实现更稳健的交易策略。通过理解和运用这些公式，你将能在瞬息万变的市场中找到更清晰的交易路径。
文华财经T8更新版量化交易策略模型源码
文华财经T8更新版量化交易策略模型源码：
此量化交易策略模型源码采用了一系列技术指标和条件，旨在通过自动化方式提升交易决策的效率和准确性。代码中定义了关键变量以支持多头和空头策略的实施。
在多头策略方面，代码通过设置多个条件来识别买入时机。若“SKLOW”超过“S”（一个计算得到的价格阈值）且“SKVOL”（成交量）大于零，且当前收盘价高于“REF(H+1*MINPRICE,BARSSK)”（过去某时段最高价），则发出买入指令（BP）。
同样地，空头策略也设置了相应的买入条件。当“BKHIGH”（一个计算得到的高点）超过“B”（基础价格）且“BKVOL”（成交量）大于零，同时满足一定条件，代码会触发卖出指令（SP）。
此外，源码中还包含了自动过滤规则（AUTOFILTER），以及设置特定价格类型（SETSIGPRICETYPE）和价格取值规则（SETOTHERPRICE），以进一步优化交易决策流程。
什么是策略源码
策略源码是指某种策略或方法的源代码。 以下是关于策略源码的详细解释： 1. 策略源码的概念 策略源码指的是描述特定策略或方法的可阅读、可编辑的原始代码。在各种编程、决策系统或算法中，策略通常代表着一种方法或路径，它描述了如何实现特定的功能或达到预定的目标。源代码则是这些策略和方法的直接表现形式，它包含了执行特定任务所需的所有指令和逻辑。策略源码的详细性和质量直接影响其在实际应用中的效果和性能。 2. 策略源码的重要性 策略源码的重要性在于其可理解性和可编辑性。开发者可以通过阅读和理解策略源码来学习和掌握特定的技术或方法，甚至可以对其进行修改和优化以适应特定的需求。此外，策略源码也是开发者之间交流、合作和分享知识的重要工具。通过分享策略源码，开发者可以共同提高技术水平，推动技术的进步和发展。 3. 策略源码的应用场景 策略源码的应用场景非常广泛。在编程领域，各种软件、应用和游戏等都需要使用到策略源码。在决策支持系统或人工智能领域，策略源码是实现智能决策和优化的关键。此外，在金融、医疗、教育等领域，策略源码也有着广泛的应用。通过对策略源码的研究和应用，我们可以提高系统的效率、性能和智能化水平，为社会的发展做出贡献。 总的来说，策略源码是描述和实现特定策略或方法的原始代码，具有可理解性和可编辑性。通过研究和应用策略源码，我们可以提高系统的效率、性能和智能化水平，推动技术的进步和发展。kungfu源码阅读（五）wingchun模块
本文将探讨策略引擎的执行逻辑，首先，我们聚焦于位于core/cpp/wingchun/include/kungfu/wingchun/strategy/strategy.h的虚基类Strategy。注释部分简明扼要地描述了每个函数的功能。
在Strategy的子类中，需要实现策略的逻辑。kungfu提供了一种C++版本的实现方式，在examples/strategy/cpp/src/demo_strategy.cpp文件中，尽管示例策略并未完全完善，但其设计允许C++实现对性能要求高的策略。kungfu随后封装这些策略为Python接口，以方便通过Python进行统一管理。
同样，kungfu也为Python直接提供了Strategy接口，让不熟悉C++的量化交易员能够轻松编程，这部分接口在core/cpp/wingchun/pybind/pybind_wingchun.cpp中实现，原理与之前介绍的locator中相似。
在Python环境中，Strategy的实现位于core/python/kungfu/wingchun/strategy.py。在这里，通过ctx变量存储不同类型的全局变量，__init_strategy方法通过importlib将具体策略代码文件动态导入，变为impl模块，实现了策略代码的隔离与调用。策略的回调函数通过调用impl模块中的相应功能函数得以实现，大大提高了策略的拓展性和简洁性。
为了运行多个策略，kungfu引入了策略管理器——Runner。该管理器负责添加Python或C++策略到对象中，集中负责数据的分发，确保多个策略共享同一数据源。例如，当接收股票快照时，会将快照数据推送至多个策略，每个策略执行其相应的on_quote函数。这一设计通过core/cpp/wingchun/src/strategy/runner.cpp中的C++实现完成。
Runner.run中的执行逻辑依赖于rxcpp库，采用惰性执行策略。在on_start函数中预先处理了可观察对象events_，确保每当接收快照或订单回报时，都能触发相应策略的回调函数。
至此，本文全面介绍了功夫的核心部分，包括策略引擎、策略实现、Python接口、策略管理、数据分发机制以及多策略运行。理解了这些内容，就能建立起对功夫框架的全面认识，掌握其核心功能。
Chromium源码剖析：HTTP缓存策略与架构
Chromium的HTTP缓存策略与架构涉及到多个关键点，从浏览器的多进程架构出发，直至深入HTTP协议的实现，以及针对基于HTTP协议的网络应用的优化。首先回顾官方架构图，浏览器资源加载流程从Blink层开始，通过content层的IPC通信，最终由browser层决定是通过网络获取还是利用缓存资源。本文主要聚焦于browser层的代码，特别是与HTTP缓存策略相关的类和架构。
在HTTP协议基础中，关键字段如`Cache-Control`、`Expires`、`ETag`等对缓存控制至关重要，它们影响着缓存的有效性和策略。对于HTTP请求与响应中常用字段的解释，有助于理解如何根据这些字段决定资源加载路径。HTTP协议中的分片请求与浏览器的分片缓存策略相结合，支持在线播放、滑动进度条等操作，对于多媒体资源的加载尤其关键。
在设计中，HTTP缓存策略通过`ResourceFetcher`类开始，逐渐向上到`HttpCache`与`HttpCache::Transaction`类的实现。`HttpCache::Transaction`构建了一个状态机框架，描述了在Chromium缓存处理中遇到的多种状态转移模式，涵盖了本地缓存与远程服务器通信的不同情况。状态机的转移逻辑展示了资源如何在缓存系统中流动，以及在不同阶段可能涉及的同步与异步处理。
预取机制是Chromium的一个重要特性，通过提前获取文档中的链接或资源文件清单，浏览器可以在后台缓存或处理它们，以减少稍后加载所需的时间。预取的时机与场景，尽管本文并未详细探究，但读者可自行研究，欢迎讨论。
Chromium的缓存查找机制依赖于哈希键的计算，通过`HttpCache::Transaction`获取`disk_cache::Backend`接口后，调用`HttpCache::GenerateCacheKey`接口计算哈希键，以访问磁盘缓存中的条目。内存缓存则由Blink引擎实现，提供大小为8M的缓存空间，用于存储资源，当资源条目留存时间小于1秒时，系统会选择换出资源以腾出空间。
Chromium的HTTP缓存系统涉及复杂类之间的交互与状态转移，以及内存与磁盘缓存的管理。虽然系统设计复杂，但其背后的逻辑与机制具有研究价值。预取、内存缓存的换入换出策略、Disk Cache系统等都是值得深入探讨的话题。理解这些机制有助于优化网络应用的性能与用户体验。
