量化源碼
❶ 收盤價上穿5日均線且漲停選股公式源碼通達信 量化大師 手機版
XG:C/REF(C,1)>1.097 AND C=H AND CROSS(C,MA(C,5));
以上代正鬧碼通達信手機版肯定可以並清逗用,量化大師你絕賣自己試試吧.
❷ 國外量化策略(程序化交易策略)如何獲取
獲取了也沒啥意思，我自己就是編策略程序的，我設計的時候既用到了金融工程知識，又用到了通訊豎皮語音分析技術，還用了交叉語言混合編程，我想即使有個棚銷把黑客破解了我的源代碼，他沒有其他先驗知識，恐怕也看不懂我編的策略吧。國外策略軟體余和差也是同理呀，料你看了也不能咋地。
❸ 什麼是網格交易法它的量化策略源碼是怎樣的
網格交易是利用市場震盪行情獲利的一種主動交顫塵握易策略，其本質是利用投資標的在一段震盪行情中價格在網格區間內的反復運動以進行加倉減倉的操作以達到投資收益最大化的目的。通俗點講就是根據建立不同數量.不同大小茄慶的網格，在突破網格的時候建倉，回歸網格的時候減倉，力求能夠捕捉兄兆到價格的震盪變化趨勢，達到盈利的目的。
如果把網格交易用編程語言量化出來，這里有一個python策略源碼參考：網頁鏈接
❹ facenet訓練後模型使用tensorflow量化
1、使用facenent/src/freeze_graph.py將ckpt模型文件轉化為pb模型文凱褲件，
需要注意的是，需要在這裡面添加模型名稱及scope，如下圖所示，轉化ResNeXt模型是需要添加渣碰ResNeXt：
2、使用bazel搭建tensorflow的quzntization工具，如下面命令所示；
$ cd ~/tensorflow/ （tensorflow的源碼路徑）
$ bazel build tensorflow/tools/quantization:quantize_graph
3、量化前需要修改/tensorflow/tensorflow/python/framework/graph_util_impl.py，由於「Identity」的盯梁簡原因有些層無法量化，使量化後的模型無法使用，需做如下圖的修改：
3.1、if node.name == "input": \n continue解決了由於「Identity」不將input層量化的錯誤；
3.2、re.match(r".*/cond.*", input_name)能夠結果下面的錯誤：
ValueError: graph_def is invalid at node 'InceptionResnetV1/Conv2d_1a_3x3/BatchNorm/cond/AssignMovingAvg/decay': More inputs specified ('InceptionResnetV1/Conv2d_1a_3x3/BatchNorm/cond/Switch:1') than the op expects.
4、量化指令：
bazel-bin/tensorflow/tools/quantization/quantize_graph \
--input=/tmp/classify_image_graph_def.pb \
--output_node_names="embeddings" \
--output=/tmp/quantized_graph.pb \
--mode=eightbit
參考文獻：https://zhuanlan.hu.com/p/25323688
https://www.tensorflow.org/performance/quantization
❺ TB量化程序化模型源碼哪裡有啊
隨便哪個可以做期貨程序化交易的軟體里，比如文華、TB，都有演示用的交易源碼的。你裝個軟體一看便知。
❻ 求演算法，源代碼！！！用Matlab編一個RGB圖像的等間隔量化，最好量化成6×6×6級
%image為輸稿並衡出圖鍵做像，jpg格式，所以蔽悔：
image(:,:,1)=r;
image(:,:,2)=g;
image(:,:,3)=b;
imshow(image);或者imshow(cat(3,r,g,b));
即可使rgb圖像單色通道matlab
❼ 用python做量化交易要學多久
5個月。
python憑借其突出的語言優勢與特性，已經融入到各行各業的每個領域。一般來說，python培訓需要脫產學習5個月左右，這樣的時長才能夠讓學員既掌握工作所需的技能，還能夠積累一定的項目經驗。當然如果你想要在人工智慧的路上越走越遠，則需要不斷的積累和學習。
python培訓的5個月時間里，有相當大一部分時間是在實戰做項目，第一階段是為期一個月學習python的核心編程，主要是python的語言基礎和高級應用，幫助學員獲得初步軟體工程知識並樹立模塊化編程思想。學完這一階段的內容，學員已經能夠勝任python初級開發工程師的職位。
(7)量化源碼擴展閱讀：
Python開發基礎課程內容包括：計算機硬體、操作系統原理、安裝linux操作系統、linux操作系統維護常用命令、Python語言介紹、環境安裝、基本語法、基本數據類型、二進制運算、流程式控制制、字元編碼、文件處理、數據類型、用戶認證、三級菜單程序、購物車程序開發、函數、內置方法、遞歸、迭代器、裝飾器、內置方法、員工信息表開發、模塊的跨目錄導入、常用標准庫學習，b加密 e正則logging日誌模塊等，軟體開發規范學習，計算器程序、ATM程序開發等。
❽ 量化交易主要有哪些經典的策略
主要就是波浪理論在結合成交量的變化來具體探討股價是處於上升趨勢當中還是下跌的趨勢當中
❾ 求演算法，源代碼！！！用Matlab編一個圖像的非均勻量化程序。
直方圖均衡化也是非線性量化的一種吧，網上找到的，作者寫的非常詳細。
% 數字圖像處理程序作業
% 本缺改程序能將JPG格式的彩色圖像文件灰度化並進行直方圖均衡
%
% 輸入文件：PicSample.jpg 待處理圖像
% 輸出文件：PicSampleGray.bmp 灰度化後圖像
% PicEqual.bmp 均衡化後圖像
%
% 輸出圖形窗口說明
% figure NO 1 待處理彩色圖像
% figure NO 2 灰度化後圖像
% figure NO 3 直方圖
% figure NO 4 均衡化後直方圖
% figure NO 5 灰度變化曲線
% figure NO 6 均衡化後圖像
% 1， 處理的圖片名字要為 PicSample.jpg
% 2， 程序每次運行時會先清空workspace
% 作者;archiless lorder
clear all
%一，圖像的預處理，讀入彩色圖像將其皮穗灰度化
PS=imread('PicSample.jpg'); %讀入JPG彩色圖像文件
imshow(PS) %顯示出來 figure NO 1
title('輸入的彩色JPG圖像')
imwrite(rgb2gray(PS),'PicSampleGray.bmp'); %將彩色圖片灰度化並保存
PS=rgb2gray(PS); %灰度化後的數據存入數組
figure,imshow(PS) %顯示灰度化後的圖像，也是均衡化前的樣品 figure NO 2
title('灰度化後的圖像')
%二，繪制直方圖
[m,n]=size(PS); %測量圖像尺寸參數
GP=zeros(1,256); %預創建存放灰度出現概率的向量
for k=0:255
GP(k+1)=length(find(PS==k))/(m*n); %計算每級灰度出現的概率，將其存入GP中相應位置
end
figure,bar(0:255,GP,'g') %繪制直方圖 figure NO 3
title('原圖像直方圖')
xlabel('灰度值')
ylabel('燃扮卜出現概率')
%三，直方圖均衡化
S1=zeros(1,256);
for i=1:256
for j=1:i
S1(i)=GP(j)+S1(i); %計算Sk
end
end
S2=round(S1*256); %將Sk歸到相近級的灰度
for i=1:256
GPeq(i)=sum(GP(find(S2==i))); %計算現有每個灰度級出現的概率
end
figure,bar(0:255,GPeq,'b') %顯示均衡化後的直方圖 figure NO 4
title('均衡化後的直方圖')
xlabel('灰度值')
ylabel('出現概率')
figure,plot(0:255,S2,'r') %顯示灰度變化曲線 figure NO 5
legend('灰度變化曲線')
xlabel('原圖像灰度級')
ylabel('均衡化後灰度級')
%四，圖像均衡化
PA=PS;
for i=0:255
PA(find(PS==i))=S2(i+1); %將各個像素歸一化後的灰度值賦給這個像素
end
figure,imshow(PA) %顯示均衡化後的圖像 figure NO 6
title('均衡化後圖像')
imwrite(PA,'PicEqual.bmp');