散户如何做手机T0程序化交易(下)

我们继续接上文,继续了解我们散户如何做手机T0程序化交易!

其实T0算法的运行过程很简单, 接口在云服务器24小时运行 ,不断电不断网。初始化设置参数之后,接口将按照策略进行自动交易。达到设定条件自动买入或者卖出,无须长时间盯盘。

第四:具体运行流程!

1、 制定交易策略与仓位分配 :

接口内置多种交易策略,从"保守"到"激进",满足不同的风险类型。

设置策略后,接口将智能分配每次进单的仓位和条件,严格执行交易策略,交易补单策略,根据当前行情,云大数据实时调整。

2、 同时监控多个交易品种 :

可支持上百个交易交易接口种同时运行交易策略,每个品种独立线程,自动监控报价深度、策略计算,实时监控交易条件,保证交易执行的及时性。

3、 智能追踪止盈,让盈利飞会 :

设置触发条件,盈利比例达到条件之后,接口自动触发追踪止盈。盘面报价一直涨的情况下,盈利比例不断突破最高值,价格回落时,触发平仓条件,止盈出场。

4、 一键设置策略,一键启动 :

我们一直在努力降低量化交易的操作难度。在接口中,填写仓位、品种数量,选择风险类型,即可一键设置,一键启动。股票交易接口资产交易新手,轻松上手,快速使用。

5、 追踪建仓,延迟补单 :

针对下跌趋势,需要回调1%再建仓,即如果达到了算法的建仓点,行情继续下跌,即自动延迟补单,做到尽可能的低位补单,让交易成本更低。

注意:

5秒内行情瞬间瀑布式暴跌,即暂停补单,让交易更安全。

规避客观情绪影响,策略严格执行

信号严格判断,规避人工主观情绪的影响,不符合条件坚决不补单,不交易,不平仓。

第五:T0算法的特点!

1.现货交易 高抛低吸:

交易所施行T+1规则,AIT0需要利用(产品)账户中已有的股票现货(底仓)进行量化微趋势交易,进行高抛低吸。

2.不负责选股、建仓:

不负责选股、建仓,只基于客户已持有股票做交易;收益率受个股的波动、成交量的变化等因素影响

3.标的持仓数量不变:

每日平仓,保持账户中股票的品种、数量不变(极端涨跌停行情及客户自己操作可能导致无法平仓) 。

4.无关涨跌,做多做空 。

底仓自身的涨跌与T0盈亏无关

第六:散户开通使用手机版的T0算法交易!

这个我想也是大家比较关心的一个问题,其实很多之前做过算法的朋友都知道,之前提到的那些券商其实基本都已经包含了手机版的一个T0交易,只是每家券商手机版和电脑版的交易模式的费用肯定都是有区别的,这种可以自己去斟酌选择就好,没有标准答案。

使用智能T0算法的大致步骤:

1、 和你的客户经理说自己要开通算法交易权限 ,想要开通的是手机版的T0交易,先进行评估是否满足开通权限 ,也就是说看自己的风险承受能力是否达标,也就是风险测评。

2、 自己进行申请,或者找客户经理做指导。

备注:需要注意的一点就是,现在zjh有要求 ,现在申请这些权限,是属于量化交易, 都是需要做程序化报备的,无论你在哪家券商都是需要做这一步。

如果自己不会申请,一般券商都有示例,自己可以参考跟着填报就好。

3、 然后根据流程在手机上面开通以后,去创建你想要用的算法策略,然后授权你想要用来做T0算法的股票以及资金,设定好以后程序就会自动交易。

而且现在很多券商都不单单是只有一种T0算法使用,可以多种算法交易同时使用,可以自动分配比例的。

相关推荐
benchmark_cc9 小时前
A股、港股、美股日K如何拼接?处理不同交易日造成的时间轴错位
大数据·python·pandas·量化交易·股票数据·quantdash
2601_966949651 天前
多市场量化策略的数据接口应该如何设计:从数据层架构到策略接入
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc2 天前
本地已有一年历史 K 线,第二天更新别只拉“昨天一天”
python·数据分析·pandas·量化交易·股票数据·quantdash
GitFun4 天前
给策略加了条-8%止损线,11年只触发1次
python·股票·量化交易
benchmark_cc6 天前
A股量化尾盘筛选对数据时效敏感:行情链路变慢时先排查哪里?
python·数据分析·pandas·量化交易·股票数据·quantdash
yanxing5207 天前
从零搭建你的 A 股量化系统(三十九):可转债数据体系——转股价、溢价率、强赎条款怎么落库(AkShare)(附代码)
量化交易
benchmark_cc7 天前
第一次补历史 K 线:按股票拆还是按日期拆请求?
python·数据分析·pandas·量化交易·股票数据·quantdash
yanxing5208 天前
从零搭建你的 A 股量化系统(三十五):基本面:估值 / 行业 / 宏观(BaoStock)
量化交易
benchmark_cc8 天前
批量行情返回后,怎样把请求失败的股票和正常数据分开?
python·数据分析·pandas·量化交易·股票数据·quantdash
quantdash_cc10 天前
Python 获取实时行情后如何进行批量筛选?从全市场快照到策略候选池
开发语言·python·数据分析·量化交易·股票数据·quantdash