Skip to content

零成本快速打造你自己专属的多用户量化交易平台

Notifications You must be signed in to change notification settings

notgood0937/fmz_extend_api_demo

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

72 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

零成本快速打造你自己专属的多用户量化交易平台

本范例项目展示了使用简单的HTML页面、python服务端程序 构建一个功能强大的量化交易平台。

长期以来,量化交易平台 因其涉及技术种类多(前端,后台,数据库,回测系统,网络访问 等等),跨学科(金融、数学、计算机编程等),项目设计周期长,维护成本高 等诸多因素。造成 一些有志于 在程序化交易 、量化交易 上大展身手的 投资、资产管理团队,交易工作室,宽客爱好者等 中小交易者 望而却步!

术业专攻一直是FMZ(发明者量化) 秉承的 发展理念,如今是信息、技术 飞速发展的时代。速度几乎决定着 一个项目的成败,一次投资的成败。只有更高的效率才是制胜的根本。

FMZ 对于 技术底层做出了强有力的支持,只需使用 FMZ 的 扩展 API 接口,就可以把你从繁杂的计算机技术、各个学科专业知识等问题中解放出来。

仅仅只需要开发一个 WEB站点 、APP 或者 微信小程序 对接 FMZ 的技术底层 ,就可以实现一个专业的量化交易平台。

  • 嵌入现有系统

    根据本DEMO项目可以参考编写服务端代码,增加前端页面以用来嵌入现有论坛,博客,社区等系统。 以实现灵活接入现有用户群体,并且现有用户群体完全体验不到FMZ的底层技术支持,用户使用更加简洁,易操作。

  • 支持市场

    • CTP 商品期货 (上期所、郑商所、大商所、中金所)
    • 易盛外盘 (CME, CBOT等主流国外期货交易所)
    • 全球交易30多个区块链资产交易平台
  • 打造属于自己的量化平台

    • 高度自由的策略设计

      使用 Python 、JavaScript 、C++ 语言编写 量化交易策略,自由定制,可以在量化交易的世界天马行空般的实现自己的交易思路。

    • 强大高效的回测系统

      从此再也不用辛苦收集数据,本地回测系统引擎 只用一个命令轻松配置,链接:https://github.com/fmzquant/backtest_python

    • 精简的架构

      只用编写几个 前端页面,一个HTTP服务端程序,即可轻松搭建。

  • DEMO项目

    • 名称:FMZ演示如何使用FMZ的扩展API打造自己的资产管理量化平台

    • 本DEMO项目 安装

      • 首先 clone 本DEMO项目

        git clone https://github.com/fmzquant/fmz_extend_api_demo.git 
        

        alt

      • 切换到这个 目录,执行 pip 安装

        alt

        pip install -r requirements.txt 
        

        alt

        注意:如果提示 Permission denied , 需要 sudo pip install -r requirements.txt 这样执行 pip ,根据要求输入操作系统密码。

      • 安装完成后,配置一下 服务端程序 要使用的 FMZ 账号的 API KEY

        FMZ 扩展 API KEY 使用 详见 FMZ API 文档:https://www.fmz.com/api#FMZ%20%E5%B9%B3%E5%8F%B0%E6%89%A9%E5%B1%95API

        创建 FMZ API KEY

        alt

        把 API KEY 写入 ,本DEMO 的 app.py 服务端程序。

        alt

    • 本DEMO项目 服务端运行命令

      python app.py
      
      • 运行显示: alt 运行服务端程序后,在浏览器打开本地页面:http://127.0.0.1:5000 alt

      • 测试注册页面

        alt 本项目 DEMO 量化平台 已经运行起来了,注册好 这个测试平台的 账号(储存在本地数据的),登录进去 配置 作为这个平台用户的 交易所API KEY。

        alt alt

        现在配置好了如图:

        alt

        页面显示的三个策略 仅仅是 UI显示,这些还需要 资产管理量化平台 的管理者 具体设计实现,这里只做演示用。

      • 配置一个测试策略

        本DEMO项目 ,服务端 会检测到 “一键启动” 按钮按下,触发搜索FMZ账号中 包含 "main" 关键字的策略,使用该策略 绑定机器人运行。 所以我们先创建一个 名为 main Test profit 的策略

        main Test profit 策略代码如下:

        function main() {
            while(true) {
                LogProfit(Math.random()*100);
                Sleep(1000);
            }
        }

        alt

        编辑代码后,点击保存。 注意:在运行前必须确保有一个托管者在线,认识托管者:https://www.fmz.com/bbs-topic/463

      • 点击 “一键启动” 按钮, 会自动创建一个 机器人 运行,这个机器人 只会 随机输出数值作为收益数值显示出来。

        可以看到 在FMZ的控制中心上显示 出一个 新创建的机器人: alt

        DEMO 网页上也显示出对应的 随机数值 alt

      • 在FMZ 上运行的机器人 由 appId 识别 当前DEMO平台 登录的 用户

        alt

        def robot_run(robotId, appId, exchanges):
            strategyId = -1
            # 从策略库里选出一个包含main字符串的策略运行, 也可以预定义
            for ele in api("GetStrategyList")['data']['result']['strategies']:
                if 'main' in ele['name']:
                    strategyId = ele['id']
            if strategyId < 0:
                raise u"not found strategy"
            settings = {
                    "name":"robot for %s" % (appId, ),
                    "args": [], # our custom arguments for this strategey
                    "appid": appId, # 为该机器人设置标签,关联到本用户
                    "period": 60,
                    "strategy": strategyId,
                    "exchanges": [],
                    }
            for e in exchanges:
                settings["exchanges"].append({"eid": e.eid, "pair": get_default_stock(e.eid), "meta" :{"AccessKey": e.accessKey, "SecretKey": e.secretKey}})
            if robotId > 0:
                return api('RestartRobot', robotId, settings)
            else:
                return api('NewRobot', settings)

        可以看到 代码中 settings 是创建 机器人的配置信息, appid 就是用来 标记用户的。

      • 一个简单的交易中心

        DEMO附带了一个简单的交易中心, 以帮助用户了解FMZ平台扩展API

        alt

About

零成本快速打造你自己专属的多用户量化交易平台

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • HTML 76.2%
  • Python 20.1%
  • CSS 3.7%