⚠️ महत्वपूर्ण सूचना
यह लेख ट्रेडिंग फ्रेमवर्क सीखने के लिए एक वॉल्यूम-बूस्टिंग रणनीति प्रदर्शित करता है, जो पारंपरिक आर्बिट्रेज मार्केट-मेकिंग रणनीति से मौलिक रूप से भिन्न है। इस रणनीति का मुख्य उद्देश्य मूल्य अंतर आर्बिट्रेज के माध्यम से लाभ प्राप्त करने के बजाय, समान मूल्य पर खरीद और बिक्री करके ट्रेडिंग वॉल्यूम बढ़ाना और एक्सचेंज रिबेट या लेवल डिस्काउंट प्राप्त करना है।
इस लेख में दिया गया कोड केवल एक संदर्भ ढाँचा है और इसमें कोई वास्तविक समय संचालन अनुभव नहीं है। इस लेख में रणनीति कार्यान्वयन केवल तकनीकी शिक्षा और अनुसंधान उद्देश्यों के लिए है और वास्तविक बाजार परिवेश में इसका पूरी तरह से सत्यापन नहीं किया गया है। पाठकों को इस लेख की सामग्री का संदर्भ लेते समय पर्याप्त बैकटेस्टिंग सत्यापन और जोखिम मूल्यांकन अवश्य करना चाहिए, और इसका सीधे वास्तविक समय व्यापार के लिए उपयोग नहीं करना चाहिए।
डिजिटल मुद्रा बाज़ार में, मार्केट मेकिंग रणनीतियाँ न केवल बाज़ार की तरलता में सुधार और लेन-देन को बढ़ावा देने का एक साधन हैं, बल्कि कई मात्रात्मक व्यापारिक रणनीतियों का एक प्रमुख घटक भी हैं। मार्केट मेकर विभिन्न बाज़ार परिवेशों में खरीद और बिक्री के भाव पोस्ट करके और तरलता प्रदान करके मुनाफ़ा कमाते हैं। पेशेवर मार्केट मेकरों का कोड कार्यान्वयन अक्सर बेहद जटिल होता है, जिसमें उच्च-आवृत्ति विलंब अनुकूलन, जटिल जोखिम नियंत्रण प्रणालियाँ और बहु-विनिमय मध्यस्थता जैसे उन्नत कार्य शामिल होते हैं। इस बार, हम ब्रश-वॉल्यूम काउंटर-ट्रेडिंग रणनीति के मूल विचारों और इन्वेंटर क्वांटिटेटिव (FMZ) प्लेटफ़ॉर्म पर एक सरलीकृत शिक्षण ढाँचे को लागू करने के तरीके का अध्ययन करेंगे।
इस लेख का मुख्य भाग मूल लेखक ज़िनान की पुस्तक "द आइडिया एंड राइटिंग मेथड ऑफ़ मार्केट मेकिंग स्ट्रैटेजी" से लिया गया है। कुछ अंशों को fmz प्लेटफ़ॉर्म पर अनुकूलित और पुन: प्रस्तुत किया गया है। आज के दृष्टिकोण से, कुछ लेखन विधियाँ पुरानी हो सकती हैं, लेकिन काउंटर-ट्रेडिंग की कोड संरचना और बुनियादी विचारों को समझना सभी के लिए प्रेरणादायक है:
बाजार निर्माण रणनीति की अवधारणा
मार्केट मेकिंग रणनीति का तात्पर्य व्यापारियों (मार्केट मेकर्स) द्वारा बाज़ार में एक ही समय पर खरीद और बिक्री के ऑर्डर देने से है, जिससे बाज़ार में स्थिरता बनाए रखने के लिए तरलता उपलब्ध होती है। यह रणनीति न केवल बाज़ार की गहराई बनाए रखने में मदद करती है, बल्कि अन्य व्यापारियों के लिए प्रतिपक्ष भी प्रदान करती है। विभिन्न मूल्य श्रेणियों में खरीद और बिक्री के भाव प्रदान करके, मार्केट मेकर्स मूल्य में उतार-चढ़ाव से लाभ कमाते हैं।
क्रिप्टोकरेंसी बाज़ार के लिए, खासकर कम ट्रेडिंग वॉल्यूम और उच्च अस्थिरता वाले बाज़ारों में, मार्केट मेकर्स की भूमिका बेहद महत्वपूर्ण है। तरलता प्रदान करके, मार्केट मेकर्स बाज़ार में फिसलन को कम करने और व्यापारियों को व्यापार के लिए आसान मूल्य प्रदान करने में मदद करते हैं।
पारंपरिक मार्केट मेकिंग रणनीति का मूल सिद्धांत तरलता प्रदान करके बोली-माँग का अंतर अर्जित करना है। मार्केट मेकर द्वारा पोस्ट किया गया खरीद आदेश मूल्य, बिक्री आदेश मूल्य से कम होता है, और लाभ लेनदेन अंतर के माध्यम से प्राप्त होता है। उदाहरण के लिए, जब बाजार में हाजिर मूल्य बढ़ता है, तो मार्केट मेकर ऊँची कीमत पर बेचता है और कम कीमत पर खरीदता है, जिससे अंतर अर्जित होता है। आय के मुख्य स्रोत हैं:
- फैलानापारंपरिक बाजार निर्माता खरीद और बिक्री के आदेश देकर और मूल्य अंतर का लाभ उठाकर लाभ कमाते हैं।
- ट्रेडिंग वॉल्यूम राजस्वमार्केट मेकर की आय उनके द्वारा प्रदान की जाने वाली ट्रेडिंग मात्रा से निकटता से संबंधित होती है। अधिक ट्रेडिंग मात्रा का अर्थ न केवल अधिक लेनदेन आवृत्ति और अधिक लाभ के अवसर हैं, बल्कि निम्नलिखित अतिरिक्त लाभ भी हैं:
- शुल्क छूटबाजार निर्माताओं को तरलता प्रदान करने के लिए प्रोत्साहित करने के लिए, कई एक्सचेंज एक निश्चित प्रतिशत शुल्क वापसी देंगे, या यहां तक कि नकारात्मक शुल्क भी प्रदान करेंगे (अर्थात, एक्सचेंज बाजार निर्माताओं को शुल्क का भुगतान करता है)
- वीआईपी स्तर के लाभजब ट्रेडिंग वॉल्यूम एक निश्चित सीमा तक पहुँच जाता है, तो मार्केट मेकर कम हैंडलिंग शुल्क प्राप्त कर सकते हैं और लेनदेन लागत कम कर सकते हैं
- मार्केट मेकर प्रोत्साहन कार्यक्रमकुछ एक्सचेंजों के पास समर्पित मार्केट मेकर प्रोत्साहन कार्यक्रम हैं, जो प्रदान की गई तरलता की गुणवत्ता के आधार पर अतिरिक्त पुरस्कार देते हैं
हालाँकि, बाज़ार निर्माताओं को बाज़ार में उतार-चढ़ाव का जोखिम भी उठाना पड़ता है, खासकर डिजिटल मुद्रा बाज़ार के अत्यधिक अस्थिर माहौल में। बाज़ार में तेज़ उतार-चढ़ाव के कारण बाज़ार निर्माताओं द्वारा दिए गए खरीद और बिक्री के ऑर्डर वास्तविक मूल्य से काफ़ी अलग हो सकते हैं, जिसके परिणामस्वरूप नुकसान हो सकता है।
बाजार निर्माण रणनीतियों के प्रकार
क्रिप्टोकरेंसी बाजार में, बाजार निर्माता आमतौर पर बाजार की स्थितियों, ट्रेडिंग वॉल्यूम, अस्थिरता आदि के आधार पर अलग-अलग बाजार बनाने की रणनीतियों का चयन करते हैं। बाजार बनाने की रणनीतियों के सामान्य प्रकारों में शामिल हैं:
-
निष्क्रिय बाजार बनाने की रणनीतियाँबाजार निर्माता बाजार की गहराई, ऐतिहासिक अस्थिरता और अन्य कारकों के आधार पर खरीद और बिक्री के आदेश देते हैं और बाजार लेनदेन की प्रतीक्षा करते हैं। इस रणनीति की विशेषता कम आवृत्ति और मजबूती है, और बाजार निर्माता लाभ कमाने के लिए बाजार के उतार-चढ़ाव पर भरोसा करते हैं।
-
सक्रिय बाजार निर्माण रणनीतिइस रणनीति के तहत, मार्केट मेकर किसी सौदे की संभावना बढ़ाने के लिए बाज़ार की स्थितियों के अनुसार वास्तविक समय में खरीद और बिक्री के ऑर्डर की कीमत और मात्रा को समायोजित करते हैं। बाज़ार के उतार-चढ़ाव का बेहतर फ़ायदा उठाने के लिए, मार्केट मेकर आमतौर पर ऑर्डर तब बढ़ाते हैं जब कीमत मौजूदा बाज़ार मूल्य के करीब होती है।
-
वॉल्यूम बढ़ाने की रणनीति: यह लेख किस प्रकार की रणनीति पर केंद्रित है।वॉल्यूम बढ़ाने की रणनीतियह एक ही कीमत पर खरीद और बिक्री करके व्यापार की मात्रा बढ़ाने की एक रणनीति है। पारंपरिक बाज़ार निर्माण रणनीतियों के विपरीत, इस रणनीति का मुख्य उद्देश्य मूल्य अंतर अर्जित करना नहीं है, बल्कि बड़ी संख्या में लेनदेन के माध्यम से विनिमय छूट, स्तर छूट या तरलता खनन पुरस्कार प्राप्त करना है।
वॉल्यूम-वाशिंग रणनीति में, मार्केट मेकर एक ही कीमत पर खरीद और बिक्री के ऑर्डर देते हैं। जब ऑर्डर निष्पादित होते हैं, तो भले ही कोई मूल्य अंतर लाभ न हो, ट्रेडिंग वॉल्यूम को तेज़ी से बढ़ाया जा सकता है। इस रणनीति का लाभ मॉडल पूरी तरह से एक्सचेंज के प्रोत्साहन तंत्र पर निर्भर करता है, न कि बाज़ार के अंतरपणन पर।
प्रमुख विशेषताऐं:
-
समान मूल्य पर व्यापारपारंपरिक बाजार बनाने की रणनीतियों से अलग, खरीद मूल्य और बिक्री मूल्य समान हैं, और कोई मूल्य अंतर लाभ उत्पन्न नहीं होता है।
-
मात्रा उन्मुखरणनीति का मुख्य लक्ष्य मूल्य अंतरपणन के बजाय व्यापार की मात्रा को शीघ्रता से संचित करना है।
-
प्रोत्साहनों पर निर्भरतालाभ पूरी तरह से एक्सचेंज की छूट नीति, वीआईपी स्तर की छूट या बाजार निर्माता प्रोत्साहन कार्यक्रमों पर निर्भर करता है।
महत्वपूर्ण अंतर:
पारंपरिक मार्केट-मेकिंग रणनीतियों की तुलना में, वॉश ट्रेडिंग रणनीतियाँ वास्तविक बाज़ार तरलता प्रदान करके मुनाफ़ा नहीं कमातीं, बल्कि एक्सचेंज से नीतिगत लाभ प्राप्त करने के लिए कृत्रिम रूप से ट्रेडिंग वॉल्यूम बनाकर मुनाफ़ा कमाती हैं। इस रणनीति को कुछ न्यायालयों में अनुपालन जोखिमों का सामना करना पड़ सकता है और व्यवहार में लागू करते समय इसका सावधानीपूर्वक मूल्यांकन किया जाना चाहिए।
वॉल्यूम-आधारित काउंटर-ट्रेडिंग रणनीति का लाभ तर्क
कोड का विश्लेषण करके, हम पा सकते हैं कि इस रणनीति में खरीद मूल्य और बिक्री मूल्य बिल्कुल समान हैं:
python
def make_duiqiao_dict(self, trade_amount):
mid_price = self.mid_price # 中间价
trade_price = round(mid_price, self.price_precision) # 精准交易价格
trade_dict = {
'trade_price': trade_price, # 买卖都使用同一个价格
'amount': trade_amount
}
return trade_dict
वास्तविक लाभ तर्क
1. ट्रेडिंग वॉल्यूम ब्रशिंग रणनीति
- इस रणनीति का मुख्य उद्देश्य बड़ी संख्या में ट्रेडों के माध्यम से ट्रेडिंग वॉल्यूम बढ़ाना है
- एक्सचेंज छूट, टियर छूट या तरलता खनन पुरस्कार प्राप्त करें
- मार्केट मेकर प्रोत्साहन कार्यक्रमों वाले एक्सचेंजों पर लागू
2. शुल्क वापसी तंत्र
- एक्सचेंज की नकारात्मक शुल्क नीति पर निर्भर करता है (मेकर दरें नकारात्मक हैं)
- तरलता प्रदान करके शुल्क में छूट प्राप्त करें
- अधिमान्य बाजार निर्माता दरों का समर्थन करने के लिए एक्सचेंजों की आवश्यकता
लागू परिदृश्य और जोखिम
✅ लागू परिदृश्य
- एक्सचेंज के पास मार्केट मेकर्स के लिए स्पष्ट अधिमान्य नीतियां हैं
- उच्च लेनदेन मात्रा आवश्यकताओं के साथ वीआईपी स्तर के उन्नयन के लिए उपयुक्त
- तरलता खनन या छूट गतिविधियों वाले प्लेटफ़ॉर्म
❌ लागू नहीं
- छूट तंत्र के बिना विनिमय
- उच्च लेनदेन शुल्क वाले प्लेटफ़ॉर्म
- वॉश ट्रेडिंग पर स्पष्ट प्रतिबंध वाले एक्सचेंज
⚠️ जोखिम अनुस्मारक
- यदि खरीद और बिक्री के आदेश एक ही समय पर निष्पादित किए जाते हैं, तो हैंडलिंग शुल्क घटाने के बाद आमतौर पर नुकसान होता है।
- यदि विनिमय नीति में परिवर्तन होता है, तो रणनीति अमान्य हो सकती है
- शुल्क लागत की निरंतर निगरानी की आवश्यकता है
- अनुपालन जोखिमों का सामना करना पड़ सकता है (कुछ क्षेत्रों में ब्रश करने के व्यवहार पर प्रतिबंध हैं)
नॉक-ऑन रणनीति ढांचे का विश्लेषण
यह लेख श्री ज़िनान के कोड फ्रेमवर्क का उपयोग करके वॉल्यूम बढ़ाने की रणनीति के एक सरल कार्यान्वयन का परिचय देगा, और इस बात पर ध्यान केंद्रित करेगा कि एक्सचेंज के माहौल में समान-मूल्य खरीद और बिक्री रणनीति के माध्यम से ट्रेडिंग वॉल्यूम कैसे बढ़ाया जाए। इस रणनीति फ्रेमवर्क में दो मुख्य वर्ग शामिल हैं:MidClass और MarketMakerये दोनों वर्ग एक्सचेंज की मध्य-स्तरीय अंतःक्रिया और नॉक-ऑन रणनीति के विशिष्ट निष्पादन के लिए जिम्मेदार हैं।
यह रणनीतिक वास्तुकला एक स्तरित डिज़ाइन को अपनाती है, जो एक्सचेंज इंटरफ़ेस और मार्केट-मेकिंग रणनीति को अलग करती है ताकि यह सुनिश्चित हो सके कि सिस्टम में अच्छी मापनीयता और लचीलापन हो। वास्तुकला के मुख्य घटक इस प्रकार हैं:
- **
MidClass**एक्सचेंज मध्य परत बाजार डेटा, खाता जानकारी, ऑर्डर स्थिति आदि प्राप्त करने के लिए एक्सचेंज इंटरफ़ेस के साथ बातचीत करने के लिए जिम्मेदार है। यह परत बाहरी एक्सचेंजों के साथ सभी इंटरैक्शन को समाहित करती है ताकि यह सुनिश्चित हो सके कि ट्रेडिंग लॉजिक और एक्सचेंज इंटरफ़ेस अलग हो गए हैं। MarketMaker：मार्केट मेकिंग स्ट्रैटेजी क्लास, नॉक-टू-ट्रेड स्ट्रैटेजी को निष्पादित करने, लंबित ऑर्डर उत्पन्न करने, ऑर्डर की स्थिति की जांच करने, रणनीति की स्थिति को अपडेट करने आदि के लिए जिम्मेदार है। यह विशिष्ट मार्केट मेकिंग और नॉक-टू-ट्रेड ऑपरेशन प्रदान करने के लिए एक्सचेंज मिडिल लेयर के साथ इंटरैक्ट करता है।
MidClass
MidClassएक्सचेंज की मध्य परत के रूप में, इसकी मुख्य जिम्मेदारी एक्सचेंज के साथ बातचीत को संभालना, सभी बाहरी एपीआई कॉल को समाहित करना और एक्सचेंज के लिए एक संक्षिप्त इंटरफ़ेस प्रदान करना है।MarketMakerउपयोग करें। इसकी संरचना में निम्नलिखित प्रमुख कार्य शामिल हैं:
-
बाजार डेटा अधिग्रहण：
- बाजार से वास्तविक समय डेटा प्राप्त करें, जैसे बाजार मूल्य, गहराई, के-लाइन, आदि। यह सुनिश्चित करने के लिए कि रणनीति निष्पादित होने पर डेटा अद्यतित है, इसे नियमित रूप से बाजार डेटा को ताज़ा करने की आवश्यकता है।
-
खाता जानकारी प्रबंधन：
- खाते की जानकारी प्राप्त करें, जैसे खाता शेष, स्थिति स्थिति, आदि। यह फंड प्रबंधन और जोखिम नियंत्रण के लिए महत्वपूर्ण है।
-
प्रबंधन को आदेश दें：
- ऑर्डर बनाने, क्वेरी करने और रद्द करने के लिए इंटरफ़ेस प्रदान करता है। यह मार्केट-मेकिंग रणनीतियों को क्रियान्वित करने का आधार है और यह सुनिश्चित करता है कि बाज़ार में लंबित ऑर्डर उत्पन्न और प्रबंधित किए जा सकें।
-
डेटा संग्रहण और अद्यतन：
- रणनीतियों द्वारा उपयोग के लिए डेटा को लगातार अद्यतन करने के लिए एक्सचेंजों के साथ संपर्क बनाए रखें।
इन कार्यों को समाहित करकेMidClassउपरोक्त उदाहरण में, आप यह सुनिश्चित कर सकते हैं कि ट्रेडिंग रणनीति वर्ग (जैसेMarketMaker) एक्सचेंजों के साथ कैसे बातचीत करें, इसकी चिंता किए बिना ट्रेडिंग रणनीतियों के क्रियान्वयन पर ध्यान केंद्रित करें। यह संरचना सिस्टम की रखरखाव और मापनीयता में सुधार करती है, जिससे विभिन्न एक्सचेंजों के लिए समर्थन जोड़ना या मौजूदा कार्यों को अनुकूलित करना आसान हो जाता है।
MarketMaker
MarketMakerयह क्रॉस-ट्रेडिंग रणनीति का मुख्य वर्ग है, जो मार्केट-मेकिंग संचालन और क्रॉस-ट्रेडिंग लेनदेन के निष्पादन के लिए ज़िम्मेदार है। इसकी वास्तुकला में निम्नलिखित मुख्य मॉड्यूल शामिल हैं:
-
प्रारंभ：
- एक्सचेंज मध्य परत को आरंभ करें
MidClass, एक्सचेंज की बुनियादी जानकारी प्राप्त करें, जैसे ट्रेडिंग जोड़े, सटीकता, बाजार की गहराई, आदि। - मार्केट मेकिंग रणनीति को आरंभ करें और आवश्यक पैरामीटर निर्धारित करें, जैसे लंबित ऑर्डरों की संख्या, बोली-मांग प्रसार, आदि। ये पैरामीटर रणनीति के निष्पादन विधि और प्रभाव को प्रभावित करेंगे।
- एक्सचेंज मध्य परत को आरंभ करें
-
डेटा रीफ़्रेश：
- वास्तविक समय खाता जानकारी, बाजार मूल्य, गहराई, के-लाइन आदि सहित बाजार डेटा को नियमित रूप से ताज़ा करें। ये डेटा रणनीतियों को क्रियान्वित करने के लिए बुनियादी जानकारी प्रदान करते हैं।
- बाजार में होने वाले परिवर्तनों पर वास्तविक समय पर प्रतिक्रिया सुनिश्चित करने के लिए रिफ्रेश आवृत्ति को बाजार की अस्थिरता के अनुसार समायोजित किया जा सकता है।
-
दस्तक रणनीति का क्रियान्वयन：
- लंबित ऑर्डर जनरेशनबाजार की गहराई और वर्तमान मूल्य में उतार-चढ़ाव के आधार पर एक लंबित ऑर्डर शब्दकोश तैयार करें। लंबित ऑर्डर शब्दकोश में खरीद और बिक्री ऑर्डर की कीमत और मात्रा शामिल होती है, जिसकी गणना आमतौर पर रणनीति मापदंडों के आधार पर स्वचालित रूप से की जाती है।
- नॉक-ऑन ट्रेडों का निष्पादन：एक बार लंबित आदेश उत्पन्न हो जाने पर,
MarketMakerइसे बाज़ार में जमा किया जाएगा और खरीद-बिक्री के आदेश एक ही समय पर निष्पादित किए जाएँगे। इसका उद्देश्य एक ही कीमत पर खरीद-बिक्री करके तेज़ी से ट्रेडिंग वॉल्यूम बढ़ाना है। - ऑर्डर स्थिति की जाँच：नॉक-ऑन लेनदेन निष्पादित करते समय,
MarketMakerयह लगातार ऑर्डर की स्थिति की जाँच करेगा ताकि यह सुनिश्चित हो सके कि लंबित ऑर्डर समय पर संसाधित हो सके। यदि ऑर्डर पूरा नहीं हो पाता है, तो यह ऑर्डर पूरा होने तक लंबित ऑर्डर की कीमत या मात्रा को समायोजित करेगा।
-
स्थिति अपडेट：
- नीति स्थिति अद्यतन：ट्रेडिंग वॉल्यूम, पूर्ण किए गए ऑर्डर, शुल्क आदि सहित रणनीति की स्थिति को नियमित रूप से अपडेट करें। इस स्थिति की जानकारी के माध्यम से, उपयोगकर्ता वास्तविक समय में रणनीति के प्रदर्शन की निगरानी कर सकते हैं।
- जोखिम प्रबंधननॉक-ऑन रणनीति को विभिन्न बाजार परिवेशों में क्रियान्वित करने की आवश्यकता है।
MarketMakerरणनीति कार्यान्वयन पद्धति को विभिन्न बाजार परिवेशों के अनुकूल बनाने के लिए गतिशील रूप से समायोजित किया जाएगा।
नॉक-ऑन रणनीति के तर्क का पुनरुत्पादन
क्रॉस-ट्रेडिंग रणनीति का कार्यान्वयन सटीक बाजार डेटा और तेजी से निष्पादन पर निर्भर करता है।MarketMakerवास्तविक समय बाजार स्थिति की निगरानी और काउंटर-ऑर्डर (एक ही कीमत पर खरीद और बिक्री) की विधि का उपयोग करके, तेजी से व्यापारिक मात्रा को संचित करके रणनीतिक लक्ष्यों को प्राप्त किया जा सकता है।
प्रारंभ
अस्तित्व MarketMakerवर्ग आरंभीकरण विधि में, पहले एक्सचेंज की सटीकता जानकारी प्राप्त करें और रणनीति मापदंडों को आरंभ करें, जैसे लेनदेन मात्रा सटीकता, मूल्य सटीकता, आदि।
python
self.precision_info = self.exchange_mid.get_precision() # 获取精度信息
self.price_precision = self.precision_info['price_precision'] # 价格精度
self.amount_precision = self.precision_info['amount_precision'] # 交易量精度
नॉक-ऑन ऑर्डर का शब्दकोश तैयार करें
क्रॉस-ट्रेडिंग रणनीति का मूल उद्देश्य क्रॉस-ट्रेडिंग ऑर्डर का एक शब्दकोश तैयार करना है, जिसमें क्रय और विक्रय मूल्य और मात्राएँ शामिल हों। कोड मध्य मूल्य की गणना करके क्रॉस-ट्रेडिंग ऑर्डर का शब्दकोश तैयार करता है।
python
def make_duiqiao_dict(self, trade_amount):
mid_price = self.mid_price # 中间价
trade_price = round(mid_price, self.price_precision) # 精准交易价格
trade_dict = {
'trade_price': trade_price,
'amount': trade_amount
}
return trade_dict
नॉक-ऑन व्यापार निष्पादित करें
क्रॉस-ट्रेडिंग ऑर्डर की उत्पन्न डिक्शनरी के अनुसार, क्रॉस-ट्रेडिंग लेनदेन निष्पादित किया जाता है।create_orderविधि, एक ही समय में खरीद आदेश और बिक्री आदेश रखें।
python
def make_trade_by_dict(self, trade_dict):
if self.position_amount > trade_dict['amount'] and self.can_buy_amount > trade_dict['amount']:
buy_id = self.exchange_mid.create_order('buy', trade_dict['trade_price'], trade_dict['amount']) # 挂买单
sell_id = self.exchange_mid.create_order('sell', trade_dict['trade_price'], trade_dict['amount']) # 挂卖单
self.traded_pairs['dui_qiao'].append({
'buy_id': buy_id, 'sell_id': sell_id, 'init_time': time.time(), 'amount': trade_dict['amount']
})
आदेश के स्तर को जांचें
नियमित रूप से ऑर्डर की स्थिति की जांच करें और अधूरे ऑर्डर पर कार्रवाई करें।GetOrderविधि, ऑर्डर की स्थिति प्राप्त करें, और ऑर्डर की स्थिति के आधार पर निर्णय लें कि ऑर्डर रद्द करना है या नहीं। नॉक ऑर्डर के प्रसंस्करण तर्क में मुख्य रूप से निम्नलिखित चरण शामिल हैं:
-
ऑर्डर की स्थिति प्राप्त करें：
- एक्सचेंज इंटरफ़ेस के माध्यम से खरीद और बिक्री ऑर्डर की स्थिति प्राप्त करें।
- यदि ऑर्डर की स्थिति प्राप्त करने में विफलता होती है (उदाहरण के लिए, ऑर्डर मौजूद नहीं है या नेटवर्क समस्या है), तो ऑर्डर रद्द कर दिया जाता है और रिकॉर्ड से हटा दिया जाता है।
-
आदेश स्थिति निर्णय：
- ऑर्डर की स्थिति के आधार पर निर्धारित करें कि ऑर्डर पूरा हुआ है, आंशिक रूप से पूरा हुआ है, या अधूरा है।
- ऑर्डर की स्थिति में निम्नलिखित शामिल हो सकते हैं:
0(ORDER_STATE_PENDING): पूरा नहीं हुआ (आदेश लंबित)।1(ORDER_STATE_CLOSED): पूर्ण (पूरी तरह से कारोबार किया गया).2(ORDER_STATE_CANCELED): निरस्त.3(ORDER_STATE_UNKNOWN): स्थिति अज्ञात है.
-
ऑर्डर स्थिति प्रसंस्करण：
- दोनों ऑर्डर पूरे नहीं हुए हैं：
- यदि खरीद और बिक्री दोनों आदेश पूरे नहीं हुए हैं (स्थिति है)
0), फिर मतदान के समय के अनुसार (current_time % 5 == 0) यह निर्णय लेता है कि ऑर्डर को रद्द किया जाए या नहीं। - ऑर्डर रद्द करने के बाद, लंबित ऑर्डर की संख्या अपडेट करें और ऑर्डर को रिकॉर्ड से हटा दें।
- यदि खरीद और बिक्री दोनों आदेश पूरे नहीं हुए हैं (स्थिति है)
- एक ऑर्डर पूरा हुआ, दूसरा पूरा नहीं हुआ：
- यदि कोई ऑर्डर पूरा हो गया है (स्थिति
1), और दूसरा ऑर्डर पूरा नहीं हुआ है (स्थिति है0), फिर मतदान के समय के आधार पर निर्णय लें कि अधूरे ऑर्डर को रद्द करना है या नहीं। - किसी खुले ऑर्डर को रद्द करने के बाद, वॉल्यूम और खुले ऑर्डर की सूची को अपडेट करें और ऑर्डर को रिकॉर्ड से हटा दें।
- यदि कोई ऑर्डर पूरा हो गया है (स्थिति
- दोनों ऑर्डर पूरे हो चुके हैं：
- यदि खरीद और बिक्री दोनों आदेश पूरे हो गए हैं (स्थिति है)
1), लेनदेन की मात्रा अद्यतन हो जाती है और ऑर्डर रिकॉर्ड से हटा दिया जाता है।
- यदि खरीद और बिक्री दोनों आदेश पूरे हो गए हैं (स्थिति है)
- ऑर्डर की स्थिति अज्ञात：
- यदि ऑर्डर की स्थिति दोनों में से कोई नहीं है
0ज़रूरी नहीं1, इसे अज्ञात स्थिति के रूप में दर्ज किया जाता है और लॉग किया जाता है।
- यदि ऑर्डर की स्थिति दोनों में से कोई नहीं है
- दोनों ऑर्डर पूरे नहीं हुए हैं：
-
रिकॉर्ड अपडेट करें：
- ऑर्डर स्थिति प्रसंस्करण के परिणामों के अनुसार, लेनदेन की मात्रा, अपूर्ण ऑर्डर सूची और लंबित ऑर्डर की संख्या को अपडेट करें।
बाद का रणनीतिक दृष्टिकोण
इस लेख में प्रस्तुत वॉल्यूम-बूस्टिंग रणनीति का उपयोग मुख्य रूप से ट्रेडिंग फ्रेमवर्क के आर्किटेक्चरल डिज़ाइन को सीखने के लिए किया जाता है, और इसका वास्तविक अनुप्रयोग मूल्य सीमित है। यदि पाठकों की रुचि वास्तविक मार्केट-मेकिंग रणनीतियों में है, तो हम बाद में और अधिक व्यावहारिक रणनीति सामग्री प्रस्तुत करेंगे:
1. बाजार बनाने की रणनीति
- बोली-मांग प्रसार पर आधारित सच्ची मध्यस्थता रणनीति
- मूल्य अंतर अर्जित करने के लिए खरीद मूल्य और बिक्री मूल्य के बीच ऑर्डर दें
- पारंपरिक बाज़ार निर्माताओं के लाभ मॉडल के अनुरूप
2. गतिशील बाजार निर्माण रणनीति
- बाजार की अस्थिरता के आधार पर लंबित ऑर्डर की कीमतों को गतिशील रूप से समायोजित करें
- इन्वेंट्री प्रबंधन और जोखिम नियंत्रण तंत्र का परिचय
- विभिन्न बाजार परिवेशों के अनुरूप अनुकूली बाजार निर्माण
3. बहु-स्तरीय बाजार निर्माण रणनीति
- एक साथ कई मूल्य स्तरों पर ऑर्डर दें
- जोखिमों में विविधता लाकर समग्र प्रतिफल स्थिरता में सुधार करें
- पेशेवर बाज़ार निर्माताओं के वास्तविक संचालन के करीब
ये रणनीतियाँ वास्तविक लाभ तर्क और जोखिम प्रबंधन पर अधिक ध्यान केंद्रित करेंगी, जिससे मात्रात्मक व्यापारियों के लिए अधिक मूल्यवान संदर्भ उपलब्ध होगा।
रणनीतिक दृष्टिकोण
वॉश ट्रेडिंग रणनीति एक्सचेंज की प्रोत्साहन नीति पर निर्भर करती है। यदि नीति में परिवर्तन होता है, तो रणनीति अमान्य हो सकती है। इसलिए, रणनीति को नीतिगत परिवर्तनों के साथ तालमेल बिठाने में सक्षम होना चाहिए, जैसे कि शुल्क दर की गतिशील निगरानी या एकल निर्भरता के जोखिम को कम करने के लिए बहु-लाभ मॉडल लागू करना। इसके अलावा, वॉश ट्रेडिंग रणनीति को बाजार में हेरफेर माना जा सकता है और नियामक जोखिमों का सामना करना पड़ सकता है। वास्तविक अनुप्रयोगों में, व्यापारियों को रणनीति के अनुपालन को सुनिश्चित करने और नियामक मुद्दों के कारण होने वाले नुकसान से बचने के लिए प्रासंगिक कानूनों और विनियमों पर पूरा ध्यान देने की आवश्यकता है।
मुझे आशा है कि पाठक अपनी व्यापारिक अवधारणाओं और बाज़ार की समझ के आधार पर, बुनियादी ढाँचे की अपनी समझ के आधार पर, अपनी रणनीतियों को और बेहतर और बेहतर बना पाएँगे। मात्रात्मक व्यापार का आकर्षण निरंतर सीखने, अभ्यास और सुधार में निहित है। मैं आप सभी को मात्रात्मक व्यापार के पथ पर निरंतर प्रगति की कामना करता हूँ!
रणनीति कोड
python
import time, json
class MidClass:
def __init__(self, exchange_instance):
'''
初始化交易所中间层
Args:
exchange_instance: FMZ的交易所结构
'''
self.init_timestamp = time.time() # 记录初始化时间
self.exchange = exchange_instance # 保存交易所对象
self.exchange_name = self.exchange.GetName() # 获取交易所名称
self.trading_pair = self.exchange.GetCurrency() # 获取交易对名称（如 BTC_USDT）
def get_precision(self):
'''
获取交易对的精度信息
Returns:
返回包含精度信息的字典，失败时返回 None
'''
symbol_code = self.exchange.GetCurrency()
ticker = self.exchange.GetTicker(symbol_code) # 回测系统需要
exchange_info = self.exchange.GetMarkets()
data = exchange_info.get(symbol_code)
if not data:
Log("获取市场信息失败", GetLastError())
return None
# 获取该交易对的精度信息
self.precision_info = {
'tick_size': data['TickSize'], # 价格精度
'amount_size': data['AmountSize'], # 数量精度
'price_precision': data['PricePrecision'], # 价格小数位精度
'amount_precision': data['AmountPrecision'], # 数量小数位精度
'min_qty': data['MinQty'], # 最小下单数量
'max_qty': data['MaxQty'] # 最大下单数量
}
return self.precision_info
def get_account(self):
'''
获取账户信息
Returns:
获取信息成功返回 True，获取信息失败返回 False
'''
self.balance = '---' # 账户余额
self.amount = '---' # 账户持仓量
self.frozen_balance = '---' # 冻结余额
self.frozen_stocks = '---' # 冻结持仓量
self.init_balance = None
self.init_stocks = None
self.init_equity = None
try:
account_info = self.exchange.GetAccount() # 获取账户信息
self.balance = account_info['Balance'] # 更新账户余额
self.amount = account_info['Stocks'] # 更新持仓量
self.frozen_balance = account_info['FrozenBalance'] # 更新冻结余额
self.frozen_stocks = account_info['FrozenStocks'] # 更新冻结持仓量
self.equity = self.balance + self.frozen_balance + (self.amount + self.frozen_stocks) * self.last_price
if not self.init_balance or not self.init_stocks or not self.init_equity:
if _G("init_balance") and _G("init_balance") > 0 and _G("init_stocks") and _G("init_stocks") > 0:
self.init_balance = round(_G("init_balance"), 2)
self.init_stocks = round(_G("init_stocks"), 2)
self.init_equity = round(_G("init_equity"), 2)
else:
self.init_balance = round(self.balance + self.frozen_balance, 2)
self.init_stocks = self.amount + self.frozen_stocks
self.init_equity = round(self.init_balance + (self.init_stocks * self.last_price), 2)
_G("init_balance", self.init_balance)
_G("init_stocks", self.init_stocks)
_G("init_equity", self.init_equity)
Log('获取初始eqity', self.init_equity)
self.profit = self.equity - self.init_equity
self.profitratio = round((self.equity - self.init_equity)/self.init_equity, 4) * 100
return True
except:
return False # 获取账户信息失败
def get_ticker(self):
'''
获取市价信息（如买一价、卖一价、最高价、最低价等）
Returns:
获取信息成功返回 True，获取信息失败返回 False
'''
self.high_price = '---' # 最高价
self.low_price = '---' # 最低价
self.sell_price = '---' # 卖一价
self.buy_price = '---' # 买一价
self.last_price = '---' # 最新成交价
self.volume = '---' # 成交量
try:
ticker_info = self.exchange.GetTicker() # 获取市价信息
self.high_price = ticker_info['High'] # 更新最高价
self.low_price = ticker_info['Low'] # 更新最低价
self.sell_price = ticker_info['Sell'] # 更新卖一价
self.buy_price = ticker_info['Buy'] # 更新买一价
self.last_price = ticker_info['Last'] # 更新最新成交价
self.volume = ticker_info['Volume'] # 更新成交量
return True
except:
return False # 获取市价信息失败
def get_depth(self):
'''
获取深度信息（买卖盘的挂单列表）
Returns:
获取信息成功返回 True，获取信息失败返回 False
'''
self.ask_orders = '---' # 卖盘挂单列表
self.bid_orders = '---' # 买盘挂单列表
try:
depth_info = self.exchange.GetDepth() # 获取深度信息
self.ask_orders = depth_info['Asks'] # 更新卖盘挂单列表
self.bid_orders = depth_info['Bids'] # 更新买盘挂单列表
return True
except:
return False # 获取深度信息失败
def get_ohlc_data(self, period=PERIOD_M5):
'''
获取K线信息
Args:
period: K线周期，PERIOD_M1 指1分钟, PERIOD_M5 指5分钟, PERIOD_M15 指15分钟,
PERIOD_M30 指30分钟, PERIOD_H1 指1小时, PERIOD_D1 指一天。
'''
self.ohlc_data = self.exchange.GetRecords(period) # 获取K线数据
def create_order(self, order_type, price, amount):
'''
提交一个挂单信息
Args:
order_type：挂单类型，'buy'指挂买单，'sell'指挂卖单
price：挂单价格
amount:挂单数量
Returns:
挂单Id号，可用以取消挂单
'''
if order_type == 'buy':
try:
order_id = self.exchange.Buy(price, amount) # 提交买单
except:
return False # 买单提交失败
elif order_type == 'sell':
try:
order_id = self.exchange.Sell(price, amount) # 提交卖单
except:
return False # 卖单提交失败
return order_id # 返回订单ID
def get_orders(self):
'''
获取未完成的订单列表
Returns:
未完成的订单列表
'''
self.open_orders = self.exchange.GetOrders() # 获取未完成订单
return self.open_orders
def cancel_order(self, order_id):
'''
取消一个挂单信息
Args:
order_id：希望取消的挂单ID号
Returns:
取消挂单成功返回 True，取消挂单失败返回 False
'''
return self.exchange.CancelOrder(order_id) # 取消订单
def refresh_data(self):
'''
刷新信息（账户、市价、深度、K线）
Returns:
刷新信息成功返回 'refresh_data_finish!' 否则返回相应刷新失败的信息提示
'''
if not self.get_ticker(): # 刷新市价信息
return 'false_get_ticker'
if not self.get_account(): # 刷新账户信息
return 'false_get_account'
if not self.get_depth(): # 刷新深度信息
return 'false_get_depth'
try:
self.get_ohlc_data() # 刷新K线信息
except:
return 'false_get_K_line_info'
return 'refresh_data_finish!' # 刷新成功
class MarketMaker:
def __init__(self, mid_class):
'''
初始化做市策略
Args:
mid_class: 交易所中间层对象
'''
self.exchange_mid = mid_class # 交易所中间层对象
self.precision_info = self.exchange_mid.get_precision() # 获取精度信息
self.done_amount = {'dui_qiao': 0} # 已完成交易量
self.price_precision = self.precision_info['price_precision'] # 价格精度
self.amount_precision = self.precision_info['amount_precision'] # 交易量精度
self.traded_pairs = {'dui_qiao': []} # 已挂单的交易对
self.pending_orders = [] # 未完成的订单状态
self.pending_order_count = 0 # 挂单次数
self.buy_amount = 0
self.sell_amount = 0
self.fee = 0
self.fee_rate = 0.08 / 100
self.chart = {
"__isStock": True,
"tooltip": {"xDateFormat": "%Y-%m-%d %H:%M:%S, %A"},
"title": {"text": "挂单数量"},
"xAxis": {"type": "datetime"},
"yAxis": {
"title": {"text": "挂单数量"},
"opposite": False
},
"series": [
{"name": "挂单买量", "id": "挂单买量", "data": []},
{"name": "挂单卖量", "id": "挂单卖量", "dashStyle": "shortdash", "data": []}
]
}
def refresh_data(self):
'''
刷新数据（账户、市价、深度、K线）
'''
self.exchange_mid.refresh_data() # 刷新交易所数据
self.position_amount = 0 if isinstance(self.exchange_mid.amount, str) else self.exchange_mid.amount # 持仓量
self.available_balance = 0 if isinstance(self.exchange_mid.balance, str) else self.exchange_mid.balance # 账户余额
Log('检查ticker', self.exchange_mid.buy_price)
self.can_buy_amount = self.available_balance / float(self.exchange_mid.buy_price) # 可买的数量
self.mid_price = (self.exchange_mid.sell_price + self.exchange_mid.buy_price) / 2 # 中间价
def make_duiqiao_dict(self, trade_amount):
'''
生成对敲挂单字典
Args:
trade_amount: 每次交易量
Returns:
对敲挂单字典列表
'''
Log('3制作对敲挂单字典')
mid_price = self.mid_price # 中间价
trade_price = round(mid_price, self.price_precision) # 精准交易价格
trade_dict = {
'trade_price': trade_price,
'amount': trade_amount
}
Log('返回盘口挂单字典：', trade_dict)
return trade_dict
def make_trade_by_dict(self, trade_dict):
'''
根据交易字典执行交易
Args:
trade_dict: 交易字典
'''
Log('4按照字典开始交易')
self.refresh_data() # 刷新数据
if trade_dict:
Log('当前账户资金： 币数余额： ', self.position_amount, '资金余额： ', self.can_buy_amount)
Log('检查开仓： 币数限制： ', self.position_amount > trade_dict['amount'], '资金限制： ', self.can_buy_amount > trade_dict['amount'])
if self.position_amount > trade_dict['amount'] and self.can_buy_amount > trade_dict['amount']:
buy_id = self.exchange_mid.create_order('buy', trade_dict['trade_price'], trade_dict['amount']) # 挂买单
sell_id = self.exchange_mid.create_order('sell', trade_dict['trade_price'], trade_dict['amount']) # 挂卖单
self.traded_pairs['dui_qiao'].append({
'buy_id': buy_id, 'sell_id': sell_id, 'init_time': time.time(), 'amount': trade_dict['amount']
})
self.last_time = time.time() # 更新上次交易时间
def handle_pending_orders(self):
'''
处理未完成的订单
'''
pending_orders = self.exchange_mid.get_orders() # 获取未完成订单
if len(pending_orders) > 0:
for order in pending_orders:
self.exchange_mid.cancel_order(order['Id']) # 取消未完成订单
def check_order_status(self, current_time):
'''
检查订单状态
current_time: 轮询检查次数
'''
Log('1开始订单信息检查')
Log(self.traded_pairs['dui_qiao'])
self.buy_pending = 0
self.sell_pending = 0
for traded_pair in self.traded_pairs['dui_qiao'].copy():
Log('检查订单：', traded_pair['buy_id'], traded_pair['sell_id'])
try:
buy_order_status = self.exchange_mid.exchange.GetOrder(traded_pair['buy_id']) # 获取买单状态
sell_order_status = self.exchange_mid.exchange.GetOrder(traded_pair['sell_id']) # 获取卖单状态
except:
Log(traded_pair, '取消')
self.exchange_mid.cancel_order(traded_pair['buy_id']) # 取消买单
self.exchange_mid.cancel_order(traded_pair['sell_id']) # 取消卖单
self.traded_pairs['dui_qiao'].remove(traded_pair) # 移除订单
return
Log('检查订单：', traded_pair['buy_id'], buy_order_status, traded_pair['sell_id'], sell_order_status, [sell_order_status['Status'], buy_order_status['Status']])
if [sell_order_status['Status'], buy_order_status['Status']] == [0, 0]:
self.buy_pending += 1
self.sell_pending += 1
if current_time % 5 == 0:
Log('检查挂单，取消挂单（两未完）', buy_order_status['Status'], sell_order_status['Status'], current_time % 5)
self.exchange_mid.cancel_order(traded_pair['buy_id']) # 取消买单
self.exchange_mid.cancel_order(traded_pair['sell_id']) # 取消卖单
self.pending_order_count += 1 # 挂单次数加1
self.traded_pairs['dui_qiao'].remove(traded_pair) # 移除订单
elif {sell_order_status['Status'], buy_order_status['Status']} == {1, 0}:
if buy_order_status['Status'] == ORDER_STATE_PENDING:
self.buy_pending += 1
if sell_order_status['Status'] == ORDER_STATE_PENDING:
self.sell_pending += 1
if current_time % 5 == 0:
Log('检查挂单，取消挂单（一未完）', buy_order_status['Status'], sell_order_status['Status'])
self.done_amount['dui_qiao'] += traded_pair['amount'] # 更新交易量
if buy_order_status['Status'] == ORDER_STATE_PENDING:
self.sell_amount += traded_pair['amount']
self.fee += sell_order_status['Amount'] * self.fee_rate * sell_order_status['Price']
Log('取消该买订单，增加未完成买列表', traded_pair['buy_id'])
self.exchange_mid.cancel_order(traded_pair['buy_id']) # 取消买单
self.pending_orders.append(['buy', buy_order_status['Status']]) # 记录未完成订单
Log('清除前：', self.traded_pairs['dui_qiao'])
Log('清除id：', traded_pair)
self.traded_pairs['dui_qiao'].remove(traded_pair) # 移除订单
Log('清除后：', self.traded_pairs['dui_qiao'])
elif sell_order_status['Status'] == ORDER_STATE_PENDING:
self.buy_amount += traded_pair['amount']
self.fee += buy_order_status['Amount'] * self.fee_rate * buy_order_status['Price']
Log('取消该卖订单，增加未完成卖列表', traded_pair['sell_id'])
self.exchange_mid.cancel_order(traded_pair['sell_id']) # 取消卖单
self.pending_orders.append(['sell', sell_order_status['Status']]) # 记录未完成订单
Log('清除前：', self.traded_pairs['dui_qiao'])
Log('清除id：', traded_pair)
self.traded_pairs['dui_qiao'].remove(traded_pair) # 移除订单
Log('清除后：', self.traded_pairs['dui_qiao'])
elif [sell_order_status['Status'], buy_order_status['Status']] == [1, 1]:
Log('两订单都已完成')
self.buy_amount += traded_pair['amount']
self.sell_amount += traded_pair['amount']
self.fee += buy_order_status['Amount'] * self.fee_rate * buy_order_status['Price']
self.fee += sell_order_status['Amount'] * self.fee_rate * sell_order_status['Price']
Log('完成状态：', buy_order_status['Status'], sell_order_status['Status'], traded_pair['amount'])
self.done_amount['dui_qiao'] += 2 * traded_pair['amount'] # 更新交易量
self.traded_pairs['dui_qiao'].remove(traded_pair) # 移除订单
else:
Log('两订单处于未知状态：', buy_order_status, sell_order_status)
Log('未知订单状态：', buy_order_status['Status'], sell_order_status['Status'])
Log('未知订单信息：', traded_pair)
def update_status(self):
self.exchange_mid.refresh_data()
table1 = {
"type": "table",
"title": "账户信息",
"cols": [
"初始资金", "现存资金", "对敲买入数量", "对敲卖出数量", "费率", "总收益", "收益率"
],
"rows": [
[
self.exchange_mid.init_equity,
self.exchange_mid.equity,
round(self.buy_amount, 4),
round(self.sell_amount, 4),
round(self.fee, 2),
self.exchange_mid.profit,
str(self.exchange_mid.profitratio) + "%"
],
],
}
LogStatus(
f"初始化时间: {time.strftime('%Y-%m-%d %H:%M:%S', time.localtime(self.exchange_mid.init_timestamp))}\n",
f"`{json.dumps(table1)}`\n",
f"最后执行时间: {_D()}\n"
)
LogProfit(round(self.exchange_mid.profit, 3), '&')
def plot_pending(self):
Log('对敲挂单数量：', self.buy_pending, self.sell_pending)
self.obj_chart = Chart(self.chart)
now_time = int(time.time() * 1000)
# 更新挂单买量数据
self.obj_chart.add(0, [now_time, self.buy_pending])
# 更新挂单卖量数据
self.obj_chart.add(1, [now_time, self.sell_pending])
def main():
'''
主函数，运行做市策略
'''
exchange.IO('simulate', True)
exchange.IO("trade_super_margin")
target_amount = 1 # 目标交易量
trade_amount = 0.01 # 每次交易量
trade_dict = {} # 初始化交易字典
exchange_mid = MidClass(exchange) # 初始化交易所中间层
Log(exchange_mid.refresh_data()) # 刷新数据
market_maker = MarketMaker(exchange_mid) # 初始化做市策略
check_times = 0
while market_maker.done_amount['dui_qiao'] < target_amount: # 循环直到完成目标交易量
Log(market_maker.traded_pairs['dui_qiao'])
market_maker.check_order_status(check_times) # 检查订单状态
Sleep(1000) # 等待1秒
market_maker.refresh_data() # 刷新数据
if len(market_maker.traded_pairs['dui_qiao']) < 1: # 价格移动，盘口挂单撤销，等待至所有挂单完毕，制定新的挂单字典
Log('2盘口交易对数量小于1')
trade_dict = market_maker.make_duiqiao_dict(trade_amount) # 生成盘口挂单字典
Log('新交易字典', trade_dict)
if trade_dict: # 判断字典是否非空
market_maker.make_trade_by_dict(trade_dict) # 执行交易
Log('盘口做市数量：', market_maker.done_amount['dui_qiao']) # 记录交易量
market_maker.plot_pending()
market_maker.update_status()
check_times += 1
Log(market_maker.position_amount, market_maker.can_buy_amount) # 记录持仓量和可买数量
Log('现存订单：', exchange.GetOrders()) # 记录现存订单
def onexit():
Log("执行扫尾函数")
_G("init_balance", None)
_G("init_stocks", None)
_G("init_equity", None)
- 1