量化源码
❶ 收盘价上穿5日均线且涨停选股公式源码通达信 量化大师 手机版
XG:C/REF(C,1)>1.097 AND C=H AND CROSS(C,MA(C,5));
以上代正闹码通达信手机版肯定可以并清逗用,量化大师你绝卖自己试试吧.
❷ 国外量化策略(程序化交易策略)如何获取
获取了也没啥意思，我自己就是编策略程序的，我设计的时候既用到了金融工程知识，又用到了通讯竖皮语音分析技术，还用了交叉语言混合编程，我想即使有个棚销把黑客破解了我的源代码，他没有其他先验知识，恐怕也看不懂我编的策略吧。国外策略软件余和差也是同理呀，料你看了也不能咋地。
❸ 什么是网格交易法它的量化策略源码是怎样的
网格交易是利用市场震荡行情获利的一种主动交颤尘握易策略，其本质是利用投资标的在一段震荡行情中价格在网格区间内的反复运动以进行加仓减仓的操作以达到投资收益最大化的目的。通俗点讲就是根据建立不同数量.不同大小茄庆的网格，在突破网格的时候建仓，回归网格的时候减仓，力求能够捕捉兄兆到价格的震荡变化趋势，达到盈利的目的。
如果把网格交易用编程语言量化出来，这里有一个python策略源码参考：网页链接
❹ facenet训练后模型使用tensorflow量化
1、使用facenent/src/freeze_graph.py将ckpt模型文件转化为pb模型文凯裤件，
需要注意的是，需要在这里面添加模型名称及scope，如下图所示，转化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的源码路径）
$ bazel build tensorflow/tools/quantization:quantize_graph
3、量化前需要修改/tensorflow/tensorflow/python/framework/graph_util_impl.py，由于“Identity”的盯梁简原因有些层无法量化，使量化后的模型无法使用，需做如下图的修改：
3.1、if node.name == "input": \n continue解决了由于“Identity”不将input层量化的错误；
3.2、re.match(r".*/cond.*", input_name)能够结果下面的错误：
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
参考文献：https://zhuanlan.hu.com/p/25323688
https://www.tensorflow.org/performance/quantization
❺ TB量化程序化模型源码哪里有啊
随便哪个可以做期货程序化交易的软件里，比如文华、TB，都有演示用的交易源码的。你装个软件一看便知。
❻ 求算法，源代码！！！用Matlab编一个RGB图像的等间隔量化，最好量化成6×6×6级
%image为输稿并衡出图键做像，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图像单色通道matlab
❼ 用python做量化交易要学多久
5个月。
python凭借其突出的语言优势与特性，已经融入到各行各业的每个领域。一般来说，python培训需要脱产学习5个月左右，这样的时长才能够让学员既掌握工作所需的技能，还能够积累一定的项目经验。当然如果你想要在人工智能的路上越走越远，则需要不断的积累和学习。
python培训的5个月时间里，有相当大一部分时间是在实战做项目，第一阶段是为期一个月学习python的核心编程，主要是python的语言基础和高级应用，帮助学员获得初步软件工程知识并树立模块化编程思想。学完这一阶段的内容，学员已经能够胜任python初级开发工程师的职位。
(7)量化源码扩展阅读：
Python开发基础课程内容包括：计算机硬件、操作系统原理、安装linux操作系统、linux操作系统维护常用命令、Python语言介绍、环境安装、基本语法、基本数据类型、二进制运算、流程控制、字符编码、文件处理、数据类型、用户认证、三级菜单程序、购物车程序开发、函数、内置方法、递归、迭代器、装饰器、内置方法、员工信息表开发、模块的跨目录导入、常用标准库学习，b加密 e正则logging日志模块等，软件开发规范学习，计算器程序、ATM程序开发等。
❽ 量化交易主要有哪些经典的策略
主要就是波浪理论在结合成交量的变化来具体探讨股价是处于上升趋势当中还是下跌的趋势当中
❾ 求算法，源代码！！！用Matlab编一个图像的非均匀量化程序。
直方图均衡化也是非线性量化的一种吧，网上找到的，作者写的非常详细。
% 数字图像处理程序作业
% 本缺改程序能将JPG格式的彩色图像文件灰度化并进行直方图均衡
%
% 输入文件：PicSample.jpg 待处理图像
% 输出文件：PicSampleGray.bmp 灰度化后图像
% PicEqual.bmp 均衡化后图像
%
% 输出图形窗口说明
% figure NO 1 待处理彩色图像
% figure NO 2 灰度化后图像
% figure NO 3 直方图
% figure NO 4 均衡化后直方图
% figure NO 5 灰度变化曲线
% figure NO 6 均衡化后图像
% 1， 处理的图片名字要为 PicSample.jpg
% 2， 程序每次运行时会先清空workspace
% 作者;archiless lorder
clear all
%一，图像的预处理，读入彩色图像将其皮穗灰度化
PS=imread('PicSample.jpg'); %读入JPG彩色图像文件
imshow(PS) %显示出来 figure NO 1
title('输入的彩色JPG图像')
imwrite(rgb2gray(PS),'PicSampleGray.bmp'); %将彩色图片灰度化并保存
PS=rgb2gray(PS); %灰度化后的数据存入数组
figure,imshow(PS) %显示灰度化后的图像，也是均衡化前的样品 figure NO 2
title('灰度化后的图像')
%二，绘制直方图
[m,n]=size(PS); %测量图像尺寸参数
GP=zeros(1,256); %预创建存放灰度出现概率的向量
for k=0:255
GP(k+1)=length(find(PS==k))/(m*n); %计算每级灰度出现的概率，将其存入GP中相应位置
end
figure,bar(0:255,GP,'g') %绘制直方图 figure NO 3
title('原图像直方图')
xlabel('灰度值')
ylabel('燃扮卜出现概率')
%三，直方图均衡化
S1=zeros(1,256);
for i=1:256
for j=1:i
S1(i)=GP(j)+S1(i); %计算Sk
end
end
S2=round(S1*256); %将Sk归到相近级的灰度
for i=1:256
GPeq(i)=sum(GP(find(S2==i))); %计算现有每个灰度级出现的概率
end
figure,bar(0:255,GPeq,'b') %显示均衡化后的直方图 figure NO 4
title('均衡化后的直方图')
xlabel('灰度值')
ylabel('出现概率')
figure,plot(0:255,S2,'r') %显示灰度变化曲线 figure NO 5
legend('灰度变化曲线')
xlabel('原图像灰度级')
ylabel('均衡化后灰度级')
%四，图像均衡化
PA=PS;
for i=0:255
PA(find(PS==i))=S2(i+1); %将各个像素归一化后的灰度值赋给这个像素
end
figure,imshow(PA) %显示均衡化后的图像 figure NO 6
title('均衡化后图像')
imwrite(PA,'PicEqual.bmp');