【通达信L2黑科技】 用 DLL 把 10 年机构大单净额 1 秒拖进本地,选股、排序、回测快到飞起!

引言

通达信L2数据中,有一个L2_AMO资金流向函数:

  • 类型:资金流向函数
  • 功能:成交额分档
  • 描述 :单数分档,按:
    • N(0--3):超大/大/中/小四档处理
    • M(0--3):买入/卖出/主买/主卖四类
      沪深品种的资金流向功能专用。

那么,定义下面这个公式,就可以得到机构大单净额

plaintext 复制代码
机构大单净额:=(L2_AMO(0,0)+L2_AMO(1,0)-(L2_AMO(0,1)+L2_AMO(1,1)))*0.0001;

机构大单数据加工

上面的这个数据,我可以把他们用DLL下载出来(这里演示的是64位DLL,32位同样的操作):
图片

新建下面的"大单下载"公式:

plaintext 复制代码
机构大单净额:=(L2_AMO(0,0)+L2_AMO(1,0)-(L2_AMO(0,1)+L2_AMO(1,1)))*0.0001;
DD:=TDXDLL2(1,STR2CON(CODE),DATE,机构大单净额);

这个公式,就会把大单净额的数据,下载到一个数据文件tdxdatas.bin中:

这个数据文件,记录了能够获取到的各个股票的历史数据信息,通过数据还原之后,可以用记事本来查看:
图片

有了这些历史数据信息,我们就可以来进行选股、排序等等操作了。

1. 大单选股

plaintext 复制代码
DD:TDXDLL2(2,STR2CON(CODE),DATE,0),COLORSTICK;
0;
DD10:=TDXDLL2(10,10,3,0);
DD11:TDXDLL2(11,STR2CON(CODE),DATE,0);

这个公式,调用2号函数,把数据输出到屏幕,可以看出大单的历史流入、流出信号。

然后,调用10号和11号函数,进行训诂,里面对近期的净流入进行一些复杂的逻辑运算,一旦符合流入条件,则返回真,否则返回假。

用DLL,完成了数据的快速读取,以及对数据逻辑的快速判断与计算。

2. 大单排序

  • 大单排序
plaintext 复制代码
DD1:TDXDLL2(4,STR2CON(CODE),DATE,1);{1,2,升序;-1,-2降序};

这里调用4号函数,对全盘的大单流入数据进行两种排序。

同时考虑到有历史数据信息,还可以对历史数据进行排序,

这是通过最后一个参数来控制的:

1,2,3的含义就是比较数据的最后一天,倒数第二天、倒数第三天;

正数表示从小到大排序;

负数表示从大到小排序。

这个公式建立之后,甚至可以用来做"历史行情排序",把这个DLL公式当做普通的指标,再结合通达信的并行计算功能,.401历史行情排序,速度快到飞起。

排好序以后,就会生成这样的界面。

显然,DLL指标已经成为了一个普通数据指标,能够参与通达信的排序。

结语

以上,就演示了一种利用DLL来对通达信L2的大单数据进行加工的方法。

DLL具有一些特殊的功能,值得进行探索。

你有什么奇思妙想,欢迎来定制。

stockapi官网https://stockapi.com.cn)是一个专业的股票数据分析与量化交易接口平台,主要提供以下几类服务:

一、核心功能与服务内容

  1. 股票API接口服务

    • 提供稳定可靠的API接口,支持多种编程语言(如Java、Python、C#、JavaScript、C++)调用。
    • 支持实时行情、历史数据、技术指标等多种数据类型。
  2. 技术指标数据

    • 包括MACD、KDJ、WR、CCI、BOLL(布林带)、MA(均线)等常用技术指标。
    • 支持不同周期(日线、周线、月线、季线、半年线、年线)和复权方式(前复权、后复权、不复权)。
  3. 实时与历史行情数据

    • 提供股票历史日线行情查询,支持指定股票代码和日期范围。
    • 提供分时数据、分时KDJ数据等高频数据接口。
  4. Level2实时行情数据

    • 提供逐笔成交、逐笔委托、十档行情等高级行情数据,帮助用户把握市场动态。
  5. 量化交易策略回测

    • 提供专业的策略回测系统,支持用户自定义交易策略并进行历史数据回测验证。
  6. AI智能选股

    • 基于人工智能技术,提供智能选股策略,帮助用户分析市场趋势。
  7. 资金流向与游资数据分析

    • 提供全面的资金流向分析,实时追踪主力资金和游资动向。
  8. 龙虎榜数据

    • 提供每日龙虎榜数据查询,帮助用户分析市场热点和主力资金动向。
  9. 集合竞价数据

    • 提供个股和板块的集合竞价数据,帮助用户把握开盘前的市场动向。
相关推荐
茨球是只猫2 天前
A 股 AI 量化全链路系统技术拆解:分层架构、双引擎验证与低换手实盘闭环
人工智能·机器学习·架构·量化交易
Thom5802 天前
【聚宽 JoinQuant】聚宽如何获取持仓和订单?get_orders()与get_open_orders()教程
人工智能·经验分享·量化交易·聚宽·量化编程
ATMQuant3 天前
以AI量化为生:25.vnpy 4.4升级实战 - 魔改版框架如何安全跟进上游
人工智能·python·量化交易·vnpy
李可以量化3 天前
量化高性能服务框架 Tornado 全面解析(上):异步非阻塞的核心能力与场景落地
大数据·python·量化交易·tornado·qmt·ptrade
yanxing5205 天前
量化交易中的数据复权:概念、原理与场景化选择
量化交易
Thom5808 天前
【PTrade】PTrade如何进行盘后固定价委托?after_trading_order()完整教程
ai·量化交易·ptrade·量化编程
benchmark_cc20 天前
Python 量化核心基础:前复权、后复权与不复权有什么区别?基于 QuantDash 的数据处理与回测避坑指南
开发语言·python·pandas·量化策略·量化交易·quantdash
benchmark_cc21 天前
用 Streamlit + QuantDash 10分钟拼装一个跨市场持仓风险与相关性诊断面板
开发语言·python·pandas·量化策略·量化交易·quantdash
benchmark_cc21 天前
如何用 Python + QuantDash 快速构建高胜率“配对交易(Pairs Trading)”策略?
开发语言·人工智能·python·pandas·量化交易·quantdash
郭泽斌之心25 天前
让别人临时接管你的 AI 助手:分级授权的远程控制怎么设计
人工智能·深度学习·量化交易·ea·mt5·fay数字人·easydeal