深度學習 + 台指期自動當沖交易系統
這一代的台指期自動當沖交易系統是以「深度學習K線型態分類系統」作為整個程式交易的決策核心。
以連續四根五分K（二十分鐘）為一組K線型態，將這四根五分K的特徵資料丟給「深度學習K線型態分類系統」做分類（盤整、上漲、下跌、突破上漲、突破下跌、轉折上漲、轉折下跌），最後將分類結果再丟給「進 / 出場策略」做判斷是否符合進 / 出場條件。
例如 : 「深度學習K線型態分類系統」做出的分類結果是「轉折上漲」，「進 / 出場策略」會根據這個結果來判斷其他參數條件是否符合，若條件符合就會進行後續的下單交易，若條件不符合則會忽略分類結果不做下單交易動作。
總算趕在 4/11 以前貼完 2019-01-02 ~ 2021-04-09 的深度學習標籤、完成深度學習訓練，並且調校好進 / 出場策略的參數。
4/12 開始以「模擬交易」操作模式進行即時自動當沖交易，4/12 跟 4/13 兩天小鬼都沒有進場，今天 11:15 以前台股被殺的血流成河時，小鬼竟然進場了，而且還抓到一筆大的，讓原本往下降的信心稍微回升了一點。
原因可以參考: https://easontseng.blogspot.com/2019/07/api-21317-login-skwarningregisterreplyl.html
我的作法:
在 class SKReplyLibEvent: 裡面加這段程式碼
def OnReplyMessage(self, bstrUserID, bstrMessage, sConfirmCode=0xFFFF):
#根據API 手冊，login 前會先檢查這個 callback,
#要返回 VARIANT_TRUE 給 server, 表示看過公告了，我預設返回值是 0xFFFF
print('OnReplyMessage', bstrUserID, bstrMessage)
return sConfirmCode
import tensorflow as tf
gpus = tf.config.experimental.list_physical_devices('GPU')
if gpus:
try:
# Currently, memory growth needs to be the same across GPUs
for gpu in gpus:
tf.config.experimental.set_memory_growth(gpu, True)
logical_gpus = tf.config.experimental.list_logical_devices('GPU')
print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPUs")
except RuntimeError as e:
# Memory growth must be set before GPUs have been initialized
print(e)
1. Create python 3.8.5 Environment
2. Update Nvidia graphic driver version to 461.40
https://www.nvidia.com/download/index.aspx?lang=en-us
3. Download and Install CUDA 11.1 for Windows 10
https://developer.nvidia.com/cuda-toolkit-archive
4. Download and unzip cuDNN 8.1.0
https://developer.nvidia.com/rdp/cudnn-download#a-collapse805-110
Copy bin, include, lib three folders under cuda unzip folder to
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1
Copy bin folder under cuda unzip folder to
<anaconda_install_path>\Anaconda3\envs\<env_name>\Library
Add :
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64
to [Path] System Environment variable
