数字货币永续合约交易所开发开发功能以及代码呈现

数字货币交易所系统开发，顾名思义就是进行某种信息及物品交易等等的场所或平台，数字货币现货期权合约交易所，所需要用的一个固定的地点或平台叫交易所。数字资产交易所，就是借助信息平台，实现产权信息共享、异地交易，统一协调。

 数字资产交易系统开发的功能有哪些？

 1、支持多个虚拟硬币的真正块链接口，以及台币的出库管理。

 2、货币交易、多虚拟货币兑换交易、K线实时行情、委托交易、市价交易

 3、场外交易，不同的买卖双方可以通过这个平台进行交易，合法的硬币可以兑换成虚拟的硬币。

 4、钱包功能、多种虚拟货币进出、锁定释放、糖果配送等

 5、安全管理，从程序，数据库，服务器，区块链接口，冷热钱包管理，双层加密等方面保障资产安全.

 交易所撮合引擎需要满足以下三个要求：

 1.强大到变态的性能：交易所规模越大，并发的交易也就越多，撮合引擎性能的好坏，直接制约了交易所业务的发展。

 2.多种订单类型全兼容：常用的订单类型就包括限价单、市价单、止盈止损单等。

 3.合约功能的支持：现阶段的交易所行业中，合约交易已经几乎成了必备功能，合约的撮合实现相比现货要复杂许多，对技术的要求也会更高。

 huobipro=ccxt.huobipro({

 'apiKey':'',

 'secret':'',

 })

 先使用ccxt获取交易所的实例，然后获取历史k线，得到的数据使用dataframe格式接受

 huobipro.fetch_ohlcv(symbol=symbol,limit=limit_num,timeframe=timeframe)

 然后利用pandas提供的函数计算MA，

 df['median_short']=df['close'].rolling(n_short,min_periods=1).mean()

 df['median_long']=df['close'].rolling(n_long,min_periods=1).mean()

 然后再找出买入卖出信号，

 #找出买入信号

 condition1=df['median_short']>df['median_long']#短均线上穿长均线

 condition2=df['median_short'].shift(1)<=df['median_long'].shift(1)

 df.loc[condition1&condition2,'signal']=1#产生买入信号的k线标记为1

 #找出卖出信号

 condition1=df['median_short']<df['median_long']#短均线上穿长均线

 condition2=df['median_short'].shift(1)>=df['median_long'].shift(1)

 df.loc[condition1&condition2,'signal']=0#产生卖出信号的k线标记为0

 有了交易信号，就可以获取信号，再判断进行下单（huobipro.create_limit_buy/sell_order（）了）

 第五步：其实第四步就可以交易了，第五步是回测，一般来说先回测再根据回测结果选用策略，最后才进行实盘

 回测分析的相关有很多种，在这方面我也不是很懂，目前我还是习惯用累积利润来进行分析。

 #由signal计算出实际的每天持仓

 df['pos']=df['signal'].shift()

 df['pos'].fillna(method='ffill',inplace=True)

 df['pos'].fillna(value=0,inplace=True)

 到这里持仓信号就有了，就可以根据持仓和历史k线的价格计算累计利润了，

 df['change']=df['close'].pct_change(1)#根据收盘价计算涨跌幅

 df['by_at_open_change']=df['close']/df['open']-1#开盘买入到收盘的涨跌幅

 df['sell_next_open_change']=df['open'].shift(-1)/df['close']-1#这根收盘到下根开盘的涨跌幅

 df.at[len(df)-1,'sell_next_open_change']=0#补全空值df.at[4,'B']

 #选取开仓条件

 condition1=df['pos']==1

 condition2=df['pos']!=df['pos'].shift(1)

 open_pos_condition=condition1&condition2

 #选取平仓条件

 condition1=df['pos']==0

 condition2=df['pos']!=df['pos'].shift(1)

 close_pos_condition=condition1&condition2

 #对每次交易进行分组

 df.loc[open_pos_condition,'start_time']=df['open_time']

 df['start_time'].fillna(method='ffill',inplace=True)

 df.loc[df['pos']==0,'start_time']=pd.NaT

 init_cash=1000#初始资金

 #计算仓位变动

 #开仓时仓位

 df.loc[open_pos_condition,'position']=init_cash*(1+df['by_at_open_change'])

 group_num=len(df.groupby('start_time'))

 if group_num>1:

 temp=df.groupby('start_time').apply(lambda x:x['close']/x.iloc[0]['close']*x.iloc[0]['position'])

 temp=temp.reset_index(level=[0])

 df['position']=temp['close']

 df['position_max']=df['position']*df['high']/df['close']

 df['position_min']=df['position']*df['low']/df['close']

 ##平仓时的仓位

 #df.loc[close_pos_condition,'position']*=(1+df.loc[close_pos_condition,'sell_next_open_change'])

 #计算持仓利润

 df['porfit']=(df['position']-init_cash)*df['pos']#持仓利润或亏损

 #df.loc[df['pos']==1,'porfit_min']=(df['position_min']-init_cash)*df['pos']#最小持仓盈利或亏损

 #df.loc[df['pos']==0,'porfit_max']=(df['position_max']-init_cash)*df['pos']

 #计算实际资金量

 df['cash']=init_cash+df['porfit']#实际资金

 #计算资金曲线

 df['equity_change']=df['cash'].pct_change()

 #开仓日收益率

 df.loc[open_pos_condition,'equity_change']=df.loc[open_pos_condition,'cash']/init_cash-1

 df['equity_change'].fillna(value=0,inplace=True)

 df['equity_curve']=(1+df['equity_change']).cumprod()

 df['equity_curve']=df['equity_curve']*init_cash

 ​​