运行时常用信息

在策略开发过程中，频繁地需要使用公共的、常用的变量，这些常用的信息通过self.GetStrategyRuntimeInfo来获取。

self.GetStrategyRuntimeInfo()

代码示例：

    import math
    import json
    from datetime import datetime
    from datetime import timedelta
    from strategy_features import TQFeataures
    from date_util.datetime_util import DateTimeUtil
    
    class TQStrategyEntity(TQFeataures):
        # 策略初始化
        def Initialize(self):
    
            
        # 技术指标会回调函数
        #  name - 技术指标名称
        #  tag 指标标签，与用户添加指标时使用的标签一致。
        def on_indicator(self, name, tag, data):
            # 获取策略运行时的公共信息
            runtime_info = self.GetStrategyRuntimeInfo()
    
            exchange           = runtime_info.exchange           # 交易所代码
            data_type          = runtime_info.data_type          # 产品类型（如：spot,futures)
            pair               = runtime_info.pair               # 交易对(如：BTC-USDT)
            f_curr_close_price = runtime_info.curr_close_price   # 当前收盘价        
            fee_taker          = runtime_info.fee_taker          # 吃单手续费(如：0.0004)
            fee_maker          = runtime_info.fee_maker          # 挂单手续费(如：0.0002)
            data_key           = runtime_info.data_key           # 根据交易所，交易对和产品类型生成的唯一键值，用于在多交易所和多交易对同时交易的场景下的数据标记，也可以作为一般的数据暂存时的键值。
            indicator_data_key = runtime_info.indicator_data_key # 当前的的技术指标键值，使用该键值可以暂存对应技术指标的数据，这在使用多指标场合下作为辨识属于哪一个技术指标。
            markPrice          = runtime_info.marked_price       # 标记价格
            min_size           = runtime_info.min_size           # 交易对最小交易数量，比如BTC是“0.001”，该数值是字符串类型

返回值说明

该函数返回的是一个类对象，可通过访问它的成员变量来获得相应的数据。具体包含的变量如下表所示：

#属性类型说明
1exchange字符型交易所代码
2data_type字符型产品类型（如：spot - 现货,futures - 期货)
3pair字符型交易对（如BTC-USDT)
4markPrice浮点型当前标记价格
5curr_close_price浮点型当前收盘价
6fee_taker浮点型吃单手续费
7fee_maker浮点型挂单手续费
8data_key字符型根据交易所，交易对和产品类型生成的唯一键值
9indicator_data_key字符型当前的的技术指标键值.
10min_size字符型交易对最小交易数量
知识图谱

知识库服务

一站式、全流程的知识图谱构建、应用平台。通过创建、分享、并融合地图和图形数据库，实现知识内容可视化。

数据抽取

构建知识图谱的第一步

通过系统提供在线的知识编辑和导入功能，创建知识条目、构建知识库。并且从异构数据源中获取候选知识单元，知识抽取技术将自动从半结构化和无结构数据中抽取实体、关系以及实体属性等结构化信息。

关系抽取

构建可视化的知识图谱

经过实体抽取, 知识库目前得到的仅是一系列离散的命名实体,为了得到更准确的语义信息, 还需要从文本语料中提取出实体之间的关联关系, 以此形成可视化的网状的知识结构。

与地图融合

在地图上标注知识点

在地图上标注知识点，查看知识内容，并可从内容中定位含有坐标信息的知识点。实现地图标注的聚合、查询。

全文搜索

根据关键词全文搜索

建立全文索引数据库，通过关键词实现快速全文搜索，支持结构化和非结构化的内容搜索。

系统架构及特点

分布式设计和易于扩展的系统架构

支持海量数据存储

满足企业日益增长的数据存储和知识库扩充需求，使用大数据和分布式系统设计，架构上支持海量数据的存储和高并发用户的访问。

移动设备支持

使用最新的基于Web的开放框架，可迅速地运用于PC端及移动端设备的Web页面上。提供跨设备、跨浏览器的支持。

数据安全

采用保护措施来防止数据受到未经批准的访问并保持数据机密性、完整性和可用性。通过数据加密、密钥管理以及特权用户访问控制、审计和监视等。

订阅和获取更新，了解最新的资讯和产品开发进度。

关于趣宽科技

提供软件系统开发维护服务，主要致力于知识图谱、大数据、分布式系统和区块链方面的系统的开发。

关于公司
产品
联系方式

版权所有 |
2023 © 趣宽

v0.0.1