ڈوئل تھروسٹ ٹریڈنگ الگورتھم کا تعارف

دوہری تھرو ٹریڈنگ الگورتھم ایک مشہور مقداری تجارتی حکمت عملی ہے جو مائیکل چیلیک نے تیار کی ہے۔ یہ عام طور پر مستقبل ، فاریکس اور اسٹاک مارکیٹوں میں استعمال ہوتی ہے۔ دوہری تھرو کا تصور ایک عام توڑنے والے ٹریڈنگ سسٹم میں سے ایک ہے جس میں تاریخی قیمتوں پر مبنی تازہ ترین رجحانات کی تعمیر کے لئے دوہری تھرو تھرو سسٹم کا استعمال کیا جاتا ہے ، جو نظریاتی طور پر اسے کسی بھی وقت میں زیادہ مستحکم بناتا ہے۔

اس مضمون میں ہم اس حکمت عملی کی تفصیلی منطقی تفصیلات دیتے ہیں اور یہ ظاہر کرتے ہیں کہ کس طرح ایجاد کنندہ کوالٹی پلیٹ فارم پر اس الگورتھم کو لاگو کیا جائے گا۔ پہلے ، ہم اس تاریخی قیمت کا انتخاب کرتے ہیں جس پر ہم تجارت کرتے ہیں ، جو حالیہ N دن کی اختتامی قیمت ، سب سے زیادہ قیمت اور کم قیمتوں پر مبنی ہے۔ جب مارکیٹ کھلی قیمت سے ایک خاص حد سے آگے بڑھتی ہے تو ، کھلی پوزیشن پر عمل درآمد کریں۔

ہم نے اس حکمت عملی کو دو عام بازاروں میں ، رجحان مارکیٹ اور ہلچل مارکیٹ میں ، ایک ہی تجارت کے جوڑے کے ساتھ آزمایا ہے۔ نتائج سے پتہ چلتا ہے کہ یہ متحرک تجارتی نظام رجحان مارکیٹ میں بہتر کام کرتا ہے ، زیادہ اتار چڑھاؤ والے بازاروں میں کچھ غیر موثر خرید و فروخت کے اشارے کو متحرک کرتا ہے۔ اس کے علاوہ ، ہم نے انفرادی حوالہ داروں کے مقابلے کے طور پر گھریلو اجناس کے مستقبل کی مارکیٹوں کو بھی آزمایا ہے۔ نتائج سے پتہ چلتا ہے کہ یہ حکمت عملی اوسط سے بہتر کارکردگی کا مظاہرہ کرتی ہے۔

ڈی ٹی کی حکمت عملی

اس کا منطقی نمونہ ایک عام اندرونی دن کی تجارت کی حکمت عملی ہے۔ کھلنے والے علاقے کو توڑنے کی حکمت عملی آج کی کھلنے والی قیمت کے علاوہ یا کل کی وسعت کے ایک مخصوص فیصد کو کم کرنے پر مبنی ہے تاکہ اوپر کی طرف جانے کا راستہ طے کیا جاسکے۔ جب قیمت اوپر کی طرف بڑھتی ہے تو یہ خریدنے کی پوزیشن کھولتی ہے ، اور جب یہ نیچے کی طرف بڑھتی ہے تو یہ خالی پوزیشن کھولتی ہے۔

حکمت عملی کے اصول

• بند ہونے کے بعد، دو اقدار کا حساب لگائیں: سب سے زیادہ قیمت - بند ہونے کی قیمت، بند ہونے کی قیمت - کم قیمت؛ پھر ان دونوں اقدار میں سے بڑی قدر لیں اور اس قدر کو 0.7 سے ضرب دیں۔ چلو اسے K قدر کہتے ہیں، K قدر کو ہم ٹرگر ویلیو کہتے ہیں۔

• اگلے دن مارکیٹ کھولنے کے بعد ، کھلی قیمت کو ریکارڈ کریں ، اور پھر فوری طور پر خریدیں جب قیمت زیادہ ہو (بند کی قیمت + ٹرگر ویلیو) ، یا فروخت کریں جب قیمت کم ہو (بند کی قیمت - ٹرگر ویلیو) ۔

• اس حکمت عملی میں کوئی واضح اسٹاپ نقصان نہیں ہے۔ یہ نظام ایک ریورس سسٹم ہے ، یعنی اگر قیمت ((اوپن قیمت + ٹرگر ویلیو) سے زیادہ ہے تو ایک خالی پوزیشن آرڈر ہے ، تو یہ دو ادائیگیاں بھیجے گا ((ایک غلط پوزیشن بند کرنے کے لئے ، دوسرا صحیح سمت میں پوزیشن کھولنے کے لئے) ؛ اسی وجہ سے ، اگر ایک کثیر پوزیشن کی قیمت ((اوپن قیمت - ٹرگر ویلیو) سے کم ہے تو ، یہ دو فروخت کے احکامات بھیجے گا۔

ڈی ٹی حکمت عملی کے ریاضیاتی اظہار

حد = زیادہ سے زیادہ (HH-LC،HC-LL)

اور یہ کہ یہ کس طرح کام کرتا ہے.

cap = کھلا + K1 × Rangecap = کھلا + K1 × Range

اور اس کا حساب لگانے کا طریقہ یہ ہے

فرش = کھلا K2 × رینج فلور = کھلا K2 × رینج

جہاں K1 اور K2 پیرامیٹرز ہیں۔ جب K1 K2 سے بڑا ہوتا ہے تو کثیر الاضلاع کا اشارہ ہوتا ہے اور اس کے برعکس۔ مظاہرے کے لئے ، ہم K1 = K2 = 0.5 کا انتخاب کرتے ہیں۔ اصل تجارت میں ، ہم اب بھی تاریخی اعداد و شمار کا استعمال کرکے ان پیرامیٹرز کو بہتر بناسکتے ہیں یا مارکیٹ کے رجحانات کے مطابق پیرامیٹرز کو ایڈجسٹ کرسکتے ہیں۔ اگر آپ ہلکی مارکیٹ کو دیکھتے ہیں تو ، K1 K2 سے کم ہونا چاہئے ، اور اگر آپ نیچے کی مارکیٹ دیکھتے ہیں تو ، K1 K2 سے بڑا ہونا چاہئے۔

یہ نظام ایک ریورس سسٹم ہے، لہذا اگر سرمایہ کار کی قیمت میں اضافے کے وقت ایک خالی پوزیشن ہے، تو وہ زیادہ پوزیشن کھولنے سے پہلے خالی پوزیشن کو صاف کرے گا۔ اگر سرمایہ کار کی قیمت میں اضافے کے وقت ایک سے زیادہ پوزیشن ہے، تو وہ نئی خالی پوزیشن کھولنے سے پہلے زیادہ پوزیشن کو صاف کرے گا۔

ڈی ٹی کی حکمت عملی میں بہتری:

رینج سیٹنگ میں ، پچھلے N دن کے چار قیمت پوائنٹس (اعلی ، کھلی ، کم ، بند) متعارف کروائے گئے ہیں ، جو کسی خاص مدت کے دوران ایک نسبتا stable مستحکم رینج فراہم کرتے ہیں ، جو یومیہ رجحان کی پیروی کے لئے استعمال ہوسکتے ہیں۔

اس حکمت عملی کے زیادہ سے زیادہ اور خالی ٹرگر کی شرائط ، عدم مساوات کی وسعت کو مدنظر رکھتے ہوئے ، کثیر خلائی تجارت کے قابل حوالہ دائرہ کار میں مختلف تعداد میں دورانیے کا انتخاب کرنا چاہئے ، اور یہ بھی پیرامیٹرز K1 اور K2 کے ذریعہ طے کیا جاسکتا ہے۔ جب K1 < K2 ہوتا ہے تو ، کثیر سر سگنل نسبتا easy آسان ہوتا ہے ، جبکہ جب K1 > K2 ہوتا ہے تو ، خالی سر سگنل نسبتا easy آسان ہوتا ہے۔

لہذا ، اس حکمت عملی کا استعمال کرتے ہوئے ، آپ ایک طرف تاریخی اعداد و شمار کی جانچ پڑتال کے لئے بہترین پیرامیٹرز کا حوالہ دے سکتے ہیں۔ دوسری طرف ، آپ اپنے پس منظر کے فیصلے یا دوسرے اہم سائیکل تکنیکی اشارے کے مطابق مرحلے کے لحاظ سے K1 اور K2 کو ایڈجسٹ کرسکتے ہیں۔

یہ ایک عام تجارتی طریقہ ہے جس میں سگنل کا انتظار کیا جاتا ہے ، مارکیٹ میں داخل ہوتا ہے ، سود لیتا ہے ، اور پھر مارکیٹ سے باہر نکل جاتا ہے ، لیکن اس کے نتائج بہت اچھے ہیں۔

ڈی ٹی کی حکمت عملی کو انوینٹر کی مقدار کے پلیٹ فارم پر تعینات کریں

ہم کھولتے ہیں،FMZ.COMاس کے علاوہ ، آپ کو اپنے اکاؤنٹ میں لاگ ان کرنے ، کنٹرول سینٹر پر کلک کرنے ، منتظمین اور روبوٹ کو تعینات کرنے کی ضرورت ہے۔

اس کے علاوہ ، آپ کو یہ بھی جاننے کی ضرورت ہے کہ کس طرح ہاسٹلروں اور روبوٹ کو تعینات کرنا ہے۔https://www.fmz.com/bbs-topic/4140

اگر آپ اپنے کلاؤڈ کمپیوٹنگ سرورز کی تعیناتی کے لئے میزبان خریدنا چاہتے ہیں تو ، آپ کو اس مضمون کا حوالہ دینا چاہئے:https://www.fmz.com/bbs-topic/2848

اس کے بعد ہم بائیں جانب والے مینو میں پالیسیوں کی فہرست پر کلک کرتے ہیں اور نئی حکمت عملی پر کلک کرتے ہیں۔

لکھنے کی حکمت عملی کے صفحے کے اوپری دائیں کونے میں پروگرامنگ زبان کا انتخاب کرنا یاد رکھیں، جیسا کہ ذیل میں دکھایا گیا ہے:

اس کے بعد ہم نے پائیتھون کوڈ کو کوڈ ایڈیٹر کے صفحے میں لکھا ، اور نیچے کا کوڈ ، جس میں ایک بہت ہی تفصیلی سطر بہ سطر تبصرہ ہے ، آپ کو آہستہ آہستہ سمجھنے اور محسوس کرنے کے لئے ہے۔

ہم نے اس حکمت عملی کو OKCoin مستقبل کے ساتھ آزمایا:

import time # 这里需要引入python自带的时间库，后边的程序会用到

class Error_noSupport(BaseException): # 我们定义一个名为ChartCfg的全局class，用来初始化策略图表设置。对象有很多关于图表功能的属性。图表库为：HighCharts
    def __init__(self): # log出提示信息
        Log("只支持OKCoin期货！#FF0000")

class Error_AtBeginHasPosition(BaseException):
    def __init__(self):
        Log("启动时有期货持仓! #FF0000")

ChartCfg = {
    '__isStock': True, # 该属性用于控制是否显示为单独控制数据序列（可以在图表上取消单独一个数据序列的显示），如果指定__isStock: false, 则显示为普通图表
    'title': { # title为图表的主要标题
        'text': 'Dual Thrust 上下轨图' # title的一个属性text为标题的文本，这里设置为'Dual Thrust 上下轨图'该文本就会显示在标题位置
    },
    'yAxis': { # 图表坐标Y轴的相关设置
        'plotLines': [{ # Y轴上的水平线（和Y轴垂直），该属性的值是一个数组，即多条水平线的设置
            'value': 0, # 水平线在Y轴上的坐标值
            'color': 'red', # 水平线的颜色
            'width': 2, # 水平线的线宽
            'label': {  # 水平线上的标签
                'text': '上轨', # 标签的文本
                'align': 'center' # 标签的显示位置，这里设置为居中（即 ：'center'）
            }, 
        }, {       # 第二条水平线（[{...}，{...}]数组中的第二个元素）
            'value': 0, # 水平线在Y轴上的坐标值
            'color': 'green', # 水平线的颜色
            'width': 2,  # 水平线的线宽
            'label': { # 标签
                'text': '下轨',
                'align': 'center'
            },
        }]
    },
    'series': [{ # 数据序列，即用来在图表上显示数据线、K线、标记等等内容的数据。也是一个数组第一个索引为0。
        'type': 'candlestick', # 索引为0数据序列的类型：'candlestick' 表示为K线图
        'name': '当前周期',  # 数据序列的名称
        'id': 'primary', # 数据序列的ID，用于下一个数据序列相关设置。
        'data': []  # 数据序列的数组，用于储存具体的K线数据
    }, {
        'type': 'flags',  # 数据序列，类型：'flags'，在图表上显示标签，表示做多和做空。索引为1。
        'onSeries': 'primary',  # 这个属性表示标签显示在id为'primary'上。
        'data': []    # 保存标签数据的数组。
    }] 
}

STATE_IDLE = 0  # 状态常量，表示空闲
STATE_LONG = 1 # 状态常量，表示持多仓
STATE_SHORT = 2 # 状态常量，表示持空仓
State = STATE_IDLE # 表示当前程序状态 ，初始赋值为空闲

LastBarTime = 0  # K线最后一柱的时间戳（单位为毫秒，1000毫秒等于1秒，时间戳是1970年1月1日到现在时刻的毫秒数是一个很大的正整数）
UpTrack = 0   # 上轨值
BottomTrack = 0 # 下轨值
chart = None # 用于接受Chart这个API函数返回的图表控制对象。用该对象（chart）可以调用其成员函数向图表内写入数据。
InitAccount = None # 初始账户情况
LastAccount = None # 最新账户情况
Counter = { # 计数器，用于记录盈亏次数
    'w': 0, # 赢次数
    'l': 0  # 亏次数
}

def GetPosition(posType):  # 定义一个函数，用来存储账户持仓信息
    positions = exchange.GetPosition() # exchange.GetPosition()是发明者量化的官方API，关于它的用法，请参考我的官方API文档：https://www.fmz.com/api
    return [{'Price': position['Price'], 'Amount': position['Amount']} for position in positions if position['Type'] == posType] # 返回各种持仓信息

def CancelPendingOrders(): # 定义一个函数，专门用来撤单
    while True: # 循环检查
        orders = exchange.GetOrders() # 如果有持仓
        [exchange.CancelOrder(order['Id']) for order in orders if not Sleep(500)] # 撤单语句
        if len(orders) == 0: # 逻辑判断
            break 

def Trade(currentState,nextState): # 定义一个函数，用来判断下单逻辑
    global InitAccount,LastAccount,OpenPrice,ClosePrice # 定义全局作用域
    ticker = _C(exchange.GetTicker) # 关于_C的用法，请参考：https://www.fmz.com/api
    slidePrice = 1 # 定义滑点值
    pfn = exchange.Buy if nextState == STATE_LONG else exchange.Sell # 买卖判断逻辑
    if currentState != STATE_IDLE: # 循环开始
        Log(_C(exchange.GetPosition)) # 日志信息 
        exchange.SetDirection("closebuy" if currentState == STATE_LONG else "closesell") # 调整下单方向，特别是下过单后
        while True:
            ID = pfn( (ticker['Last'] - slidePrice) if currentState == STATE_LONG else (ticker['Last'] + slidePrice), AmountOP) # 限价单，ID = pfn(-1, AmountOP)为市价单，ID = pfn(AmountOP)为市价单
            Sleep(Interval) # 休息一阵，防止API访问频率过快，账户被封。
            Log(exchange.GetOrder(ID)) # Log信息
            ClosePrice = (exchange.GetOrder(ID))['AvgPrice'] # 设置收盘价
            CancelPendingOrders() # 调用撤单函数
            if len(GetPosition(PD_LONG if currentState == STATE_LONG else PD_SHORT)) == 0: # 撤单逻辑
                break 
        account = exchange.GetAccount() # 获取账户信息
        if account['Stocks'] > LastAccount['Stocks']: # 如果当前账户币值大于之前账户币值
            Counter['w'] += 1 # 盈亏计数器中，盈利次数加一
        else:
            Counter['l'] += 1 # 否者亏损次数加一
        Log(account) # log信息
        LogProfit((account['Stocks'] - InitAccount['Stocks']),"收益率:", ((account['Stocks'] - InitAccount['Stocks']) * 100 / InitAccount['Stocks']),'%')
        Cal(OpenPrice,ClosePrice)
        LastAccount = account 
    
    exchange.SetDirection("buy" if nextState == STATE_LONG else "sell") # 这一段的逻辑同上，不再详述
    Log(_C(exchange.GetAccount))
    while True:
        ID = pfn( (ticker['Last'] + slidePrice) if nextState == STATE_LONG else (ticker['Last'] - slidePrice), AmountOP) 
        Sleep(Interval)
        Log(exchange.GetOrder(ID)) 
        CancelPendingOrders()
        pos = GetPosition(PD_LONG if nextState == STATE_LONG else PD_SHORT)
        if len(pos) != 0:
            Log("持仓均价",pos[0]['Price'],"数量:",pos[0]['Amount'])
            OpenPrice = (exchange.GetOrder(ID))['AvgPrice']
            Log("now account:",exchange.GetAccount())
            break 

def onTick(exchange): # 程序主要函数，程序主要逻辑都是在该函数内处理。
    global LastBarTime,chart,State,UpTrack,DownTrack,LastAccount # 定义全局作用域
    records = exchange.GetRecords() # 关于exchange.GetRecords()的用法，请参见：https://www.fmz.com/api
    if not records or len(records) <= NPeriod: # 防止发生意外的判断语句
        return 
    Bar = records[-1] # 取records K线数据的倒数第一个元素，也就是最后一个bar
    if LastBarTime != Bar['Time']:
        HH = TA.Highest(records, NPeriod, 'High')  # 声明HH变量，调用TA.Highest函数计算当前K线数据NPeriod周期内最高价的最大值赋值给HH。
        HC = TA.Highest(records, NPeriod, 'Close') # 声明HC变量，获取NPeriod周期内的收盘价的最大值。
        LL = TA.Lowest(records, NPeriod, 'Low') # 声明LL变量，获取NPeriod周期内的最低价的最小值。
        LC = TA.Lowest(records, NPeriod, 'Close') # 声明LC变量，获取NPeriod周期内的收盘价的最小值。具体TA相关的应用，请参见官方API文档。
        
        Range = max(HH - LC, HC - LL)  # 计算出范围 
        UpTrack = _N(Bar['Open'] + (Ks * Range))  # 根据界面参数的上轨系数Ks最新K线柱的开盘价等，计算出上轨值。
        DownTrack = _N(Bar['Open'] - (Kx * Range)) # 计算下轨值
        if LastBarTime > 0: # 由于LastBarTime该变量初始化设置的值为0，所以第一次运行到此处LastBarTime > 0必定是false,不会执行if块内的代码，而是会执行else块内的代码
            PreBar = records[-2] # 声明一个变量含义是“前一个Bar”把当前K线的倒数第二Bar赋值给它。
            chart.add(0, [PreBar['Time'], PreBar['Open'], PreBar['High'], PreBar['Low'], PreBar['Close']], -1) # 调用chart图标控制类的add函数更新K线数据（用获取的K线数据的倒数第二Bar去更新图标的倒数第一个Bar，因为有新的K线Bar生成）
        else:  # chart.add函数的具体用法请参见API文档，和论坛里的文章。程序第一次运行到此必定执行else块内代码，主要作用是把第一次获取的K线一次性全部添加到图表上。
            for i in range(len(records) - min(len(records), NPeriod * 3), len(records)): # 此处执行一个for循环，循环次数使用K线长度和NPeriod的3倍二者中最小的值，可以保证初始的K线不会画的太多太长。索引是从大到小的。
                b = records[i] # 声明一个临时变量b用来取每次循环索引为records.length - i的K线柱数据。
                chart.add(0,[b['Time'], b['Open'], b['High'], b['Low'], b['Close']]) # 调用chart.add函数向图表添加K线柱，注意add函数最后一个参数如果传入-1就是更新图表上最后一个Bar（柱）,如果没传参数，就是向最后添加Bar。执行完i等于2这次循环后(i-- 了已经，此时为1了)，就会触发i > 1为false停止循环，可见此处代码只处理到records.length - 2这个Bar，最后一个Bar没有处理。                
        chart.add(0,[Bar['Time'], Bar['Open'], Bar['High'], Bar['Low'], Bar['Close']]) # 由于以上if的2个分支都没处理records.length - 1这个Bar，所以此处处理。添加最新出现的Bar到图表中。
        ChartCfg['yAxis']['plotLines'][0]['value'] = UpTrack  # 把计算出来的上轨值赋值给图表对象（区别于图表控制对象chart），用于稍后显示。
        ChartCfg['yAxis']['plotLines'][1]['value'] = DownTrack # 赋值下轨值
        ChartCfg['subtitle'] = { # 设置副标题
            'text': '上轨' + str(UpTrack) + '下轨' + str(DownTrack) # 副标题文本设置，在副标题上显示出上轨下轨值。
        }
        chart.update(ChartCfg) # 用图表类ChartCfg更新图表
        chart.reset(PeriodShow) # 刷新根据界面参数设置的PeriodShow变量，只保留PeriodShow的值数量的K线柱。
        
        LastBarTime = Bar['Time'] # 此次新产生的Bar的时间戳更新，给LastBarTime用于判断下次循环获取的K线数据最后一个Bar，是否是新产生的。
    else: # 如果LastBarTime等于Bar.Time即：没有新的K线Bar产生。则执行一下{..}内代码
        chart.add(0,[Bar['Time'], Bar['Open'], Bar['High'], Bar['Low'], Bar['Close']], -1) # 用当前K线数据的最后一个Bar（K线的最后一个Bar即当前周期的Bar是不断在变化的），更新图表上的最后一个K线柱。        
    LogStatus("Price:", Bar["Close"], "up:", UpTrack, "down:", DownTrack, "wins:", Counter['w'], "losses:", Counter['l'], "Date:", time.time()) # 调用LogStatus函数显示当前策略的数据在状态栏上。
    msg = "" # 定义一个变量msg。
    if State == STATE_IDLE or State == STATE_SHORT: # 判断当前状态变量State是否等于空闲或者State是否等于持空仓，在空闲状态下可以触发做多，在持空仓状态下可以触发平多仓，并反手。
        if Bar['Close'] >= UpTrack: # 如果当前K线的收盘价大于上轨值，执行if块内代码。
            msg = "做多，触发价：" + str(Bar['Close']) + "上轨" + str(UpTrack) # 给msg赋值，把需要显示的数值组合成字符串。
            Log(msg) # 信息
            Trade(State, STATE_LONG) # 调用上边的Trade函数进行交易
            State = STATE_LONG # 无论开多仓还是反手，此刻程序状态要更新为持多仓。
            chart.add(1,{'x': Bar['Time'], 'color': 'red', 'shape': 'flag', 'title': '多', 'text': msg}) # 在K线相应的位置添加一个标记显示开多。 
    
    if State == STATE_IDLE or State == STATE_LONG: # 做空方向与以上同理，不在赘述。代码完全一致。
        if Bar['Close'] <= DownTrack:
            msg = "做空，触发价：" + str(Bar['Close']) + "下轨" + str(DownTrack)
            Log(msg)
            Trade(State, STATE_SHORT)
            State = STATE_SHORT
            chart.add(1,{'x': Bar['Time'], 'color': 'green', 'shape': 'circlepin', 'title': '空', 'text': msg})

OpenPrice = 0 # 初始化OpenPrice和ClosePrice
ClosePrice = 0
def Cal(OpenPrice, ClosePrice): # 定义一个Cal函数，用来计算策略运行后的盈亏情况
    global AmountOP,State
    if State == STATE_SHORT:
        Log(AmountOP,OpenPrice,ClosePrice,"策略盈亏:", (AmountOP * 100) / ClosePrice - (AmountOP * 100) / OpenPrice, "个币，  手续费：", - (100 * AmountOP * 0.0003), "美元,折合：", _N( - 100 * AmountOP * 0.0003/OpenPrice,8), "个币")
        Log(((AmountOP * 100) / ClosePrice - (AmountOP * 100) / OpenPrice) + (- 100 * AmountOP * 0.0003/OpenPrice))
    if State == STATE_LONG:
        Log(AmountOP,OpenPrice,ClosePrice,"策略盈亏:", (AmountOP * 100) / OpenPrice - (AmountOP * 100) / ClosePrice, "个币，  手续费：", - (100 * AmountOP * 0.0003), "美元,折合：", _N( - 100 * AmountOP * 0.0003/OpenPrice,8), "个币")
        Log(((AmountOP * 100) / OpenPrice - (AmountOP * 100) / ClosePrice) + (- 100 * AmountOP * 0.0003/OpenPrice))

def main(): # 策略程序的主函数。（入口函数）
    global LoopInterval,chart,LastAccount,InitAccount # 定义全局作用域
    if exchange.GetName() != 'Futures_OKCoin':  # 判断添加的交易所对象的名称（通过exchange.GetName函数获取）如果不等于'Futures_OKCoin'即：添加的不是OKCoin期货交易所对象。
        raise Error_noSupport # 抛出异常
    exchange.SetRate(1) # 设置交易所的各种参数
    exchange.SetContractType(["this_week","next_week","quarter"][ContractTypeIdx])  # 确定要交易的哪种具体合约。
    exchange.SetMarginLevel([10,20][MarginLevelIdx]) # 设置保证金率，也就是杠杆。
    
    if len(exchange.GetPosition()) > 0: # 设置容错机制
        raise Error_AtBeginHasPosition
    CancelPendingOrders()
    InitAccount = LastAccount = exchange.GetAccount()
    LoopInterval = min(1,LoopInterval)
    Log("交易平台:",exchange.GetName(), InitAccount)
    LogStatus("Ready...")
    
    LogProfitReset()
    chart = Chart(ChartCfg)
    chart.reset()
    
    LoopInterval = max(LoopInterval, 1)
    while True: # 循环整个交易逻辑，调用onTick函数
        onTick(exchange)
        Sleep(LoopInterval * 1000) # 休息一阵，防止API访问频率过快，账户被封。

کوڈ لکھنے کے بعد، براہ مہربانی نوٹ کریں کہ ہم نے ابھی تک پوری حکمت عملی لکھنے کا حصہ مکمل نہیں کیا ہے، اگلا، ہم نے حکمت عملی لکھنے کے صفحے پر حکمت عملی میں استعمال کردہ پیرامیٹرز کو شامل کرنے کی ضرورت ہے، جس کا طریقہ بہت آسان ہے، براہ راست کلک کریں حکمت عملی لکھنے کے ڈائیلاگ باکس کے نیچے ایک ایک کرکے شامل کریں.

اس میں مزید کیا شامل ہے:

اس وقت ہم نے اپنی حکمت عملی کا تحریری حصہ مکمل کر لیا ہے، اب ہم اس کی جانچ پڑتال شروع کرتے ہیں۔

حکمت عملی کا جائزہ

حکمت عملی لکھنے کے بعد سب سے پہلے ہم اس کا جائزہ لیتے ہیں اور دیکھتے ہیں کہ یہ تاریخی اعداد و شمار میں کس طرح کام کرتی ہے۔ لیکن براہ کرم قارئین کو نوٹ کریں کہ اس کا نتیجہ مستقبل کے بارے میں کوئی پیش گوئی نہیں کرتا ہے۔ یہ صرف ہماری حکمت عملی کی افادیت کے بارے میں غور کرنے کے لئے ایک حوالہ کے طور پر استعمال کیا جاسکتا ہے۔ ایک بار جب مارکیٹ میں تبدیلی آتی ہے اور حکمت عملی میں بڑے نقصانات آتے ہیں تو ، ہمیں وقت پر مسائل کا پتہ لگانا چاہئے اور پھر نئی مارکیٹ کے ماحول کو اپنانے کے لئے حکمت عملی کو تبدیل کرنا چاہئے۔ مثال کے طور پر ، مذکورہ بالا حد ، اگر حکمت عملی میں 10 فیصد سے زیادہ نقصانات آتے ہیں تو ، ہمیں فوری طور پر حکمت عملی کو چلانے سے روکنا چاہئے ، پھر مسئلہ تلاش کرنا چاہئے ، اور اس سے پہلے حد کو ایڈجسٹ کرنا شروع کرنا چاہئے۔

کلک کریں پالیسی ترمیم کے صفحے میں اینالاگ ریویو ، ریویو کے صفحے پر ، پیرامیٹرز کی ایڈجسٹمنٹ ضروریات کے مطابق مختلف ہوسکتی ہے ، خاص طور پر منطقی پیچیدہ ، متعدد پیرامیٹرز والی حکمت عملیوں کے لئے آسان اور تیز تر ڈیبیو کرنے کے لئے ، بغیر کسی سورس کوڈ میں واپس جانے کی ضرورت کے ، انفرادی طور پر ترمیم کریں۔

ہم نے پچھلے چھ ماہ کا انتخاب کیا ، OKCoin فیوچر ایکسچینج کو شامل کریں پر کلک کریں ، اور بی ٹی سی ٹریڈنگ اشارے کو منتخب کریں۔

جیسا کہ آپ دیکھ سکتے ہیں ، حالیہ چھ ماہ میں بی ٹی سی کے ایک طرفہ رجحان کی وجہ سے اس حکمت عملی نے اچھی کمائی کی ہے۔

مسئلہ دوستوں کے لئے ہےhttps://www.fmz.com/bbsآپ کو یہ بھی معلوم ہونا چاہئے کہ آپ کو اپنی حکمت عملی اور پلیٹ فارم کی تکنیکی معلومات کے بارے میں کیا کہنا ہے ، لیکن آپ کو یہ بھی معلوم ہونا چاہئے کہ آپ کو ان کے بارے میں کیا کہنا ہے ، کیونکہ ان کے پاس ماہرین ہیں جو آپ کے لئے ہر وقت جوابات دیتے ہیں۔