剛開始準(zhǔn)備在MT4中寫EA。MQL4語言有點像C，讀起來還相對簡單。

比較有意思的是通過OANDA下載的MT4客戶端，會給你提供兩個應(yīng)用程序，一個editor，一個交易窗口。

editor中有非常詳細(xì)的幫助文檔，強(qiáng)調(diào)一遍，非常詳細(xì)。而且還支持中文。

在editor里面編寫完成之后，調(diào)試的內(nèi)容都會反應(yīng)在你的交易窗口中，非常方便。

但是對于python，沒有像MT4那么完整的一套外匯交易框架，起碼現(xiàn)在我沒有找到。

我尋思著，反正學(xué)習(xí)MQL4和ORANDA?v20的接口都是學(xué)，倒不如用一個現(xiàn)成的框架，因為調(diào)試起來真是太方便了，如果有兩三塊屏幕的話就更是錦上添花了。

之后逛了些外匯論壇，呵呵，MT4可以掛在專用的VPS執(zhí)行，但是要是布在自己搭的服務(wù)器上可能要費點事，甚至我根本不會完成這件事。

算了，畢竟python相對還算熟，在一陣選擇恐懼癥過后，堅決選擇了python，開始學(xué)習(xí)OANDA的接口v20

分析思路

上篇文章我通過分析外匯市場每天的交易量，得到了一些規(guī)律。通過這些規(guī)律，我們可以設(shè)計一個策略。

首先需要糾正一下。上篇文章在解釋這張圖的時候有些不準(zhǔn)確。我上網(wǎng)查了些資料

The foreign exchange ("forex" or "FX") currency market is not traded on a regulated exchange like stocks and commodities.

?Rather, the market consists of a network of financial institutions and retail trading brokers which each have their own individual hours of operation. Since most participants trade between the hours of 8:00 a.m. and 4:00 p.m. in their local time zone, these times are used as the market open and close times, respectively.

通過以上信息可知，大部分交易所的開放時間都在本地的8:00AM至4:00PM。所以對于那張趨勢圖，我簡單修改下。

圖中的5點，其實是紐約的本地時間3點，也就是說倫敦的8點，正是倫敦交易所開始營業(yè)的時間，圖中的10點，是紐約的8點，是紐約交易所營業(yè)的時間。

可以看到，在倫敦時間12點的時候，交易量已經(jīng)有上升的趨勢。在紐約開盤的時候，交易量達(dá)到了以小峰值。

之后的時間，之后英鎊/美元貨幣對仍然會活躍交易，其他的貨幣對都會出現(xiàn)下降趨勢。倫敦交易所在圖中的13點閉市。之后交易量開始上升，直至紐約時間的13點，達(dá)到全天的峰值。

但是沒有維持太長時間就迅速回落。之后在紐約時間19點的時候，東京開始交易，交易量達(dá)到峰值，balabala....

這次分析和之前的分析還是有些出入的。之前說交易量的最高峰在歐洲市場和北美市場重疊的部分，不過今天來看，情況不是這樣的。

在紐約時間13點的時候，交易量達(dá)到了全天的峰值，對此我又展開一次分析調(diào)查。也不知道分析得對不對，看到這里的朋友，覺得有錯誤請指正，謝謝。

我看了下Economic Calendar。發(fā)現(xiàn)美國發(fā)生經(jīng)濟(jì)活動的時間大多在紐約時間10點至16點，而歐洲大多發(fā)生在倫敦時間8點至13點。

看出來了吧？

理由有些牽強(qiáng)，但感覺還是有些道理的。

ok，我們撇開基本面分析，回到結(jié)論來。不管分析如何，規(guī)律反正已經(jīng)反映在了圖上。

我們就利用這個規(guī)律來分析下交易數(shù)據(jù)。

數(shù)據(jù)采集

上篇文章已經(jīng)簡單介紹了下如何采集外匯的數(shù)據(jù)。不過用的是github上的樣本代碼，沒怎么仔細(xì)看。接下來我介紹下如何用v20接口來分析外匯數(shù)據(jù)。

我采集了在OANDA中所有以EUR為基礎(chǔ)貨幣的貨幣交易對的交易數(shù)據(jù)。

在采集交易數(shù)據(jù)之前，需要件創(chuàng)建一個session

from oandapyV20 import API

def client_session(token):

????return API(access_token=token)

為了以后方便分析，自己定義一個采集貨幣對的方法

import oandapyV20.endpoints.accounts as accounts

def get_symbol(client, account_id, select):

????r = accounts.AccountInstruments(accountID=account_id)

????ins = client.request(r)

????return [item['name'] for item in ins['instruments'] if item['name'][:3] == select]

這里需要說明一下的是，OANDA里面的數(shù)據(jù)，返回類型都是json，什么json？

為了便于理解，我把它當(dāng)做就是一個大dict，dict里面的value是個list，list里面又裝了一些dict。你要是說你不懂dict，那我只能說你還是先看看python的基礎(chǔ)吧。

獲取完貨幣對之后，可以通過?InstrumentsCandlesFactory?類來獲取交易數(shù)據(jù)，具體使用方法在

http://developer.oanda.com/rest-live-v20/introduction/

文檔寫得很有趣，感覺像是玩俄羅斯方塊，一直處于方塊被消除的狀態(tài)，爽。

from oandapyV20.contrib.factories import InstrumentsCandlesFactory

def frame_factory(client, instr, params):

? ? ......

????for r in InstrumentsCandlesFactory(instrument=instr, params=params):

????????client.request(r)

????????rv = r.response.get('candles')

????????for candle in rv:

????????????tra_time = candle.get('time')[0:19]

????????????try:

? ? ? ? ? ? ? ? ......

????????????except Exception as e:

????????????????print(e, r)

????????????????pass

????return pd.DataFrame(structure, columns=['time', 'complete', 'open', 'high', 'low', 'close', 'volume'])

#?將數(shù)據(jù)存儲在hdf文件中

store = pd.HDFStore('./data/history.h5')

params = dict()

params['from'] = '2018-03-15T00:00:00Z'

params['to'] = '2018-03-16T00:00:00Z'

for item in ins:

? ? params['granularity'] = 'M1'

? ? instr = item

? ? store[item] = frame_factory(client, item, params)

store.close()