量化交易需要以大量的數據作為基礎，通過對大量數據的分析，來做出理性的判斷，預測未來價格的走勢，量化交易從狹義上來說就是指程序化的交易，自動下單。從廣義上來說，就是指系統(tǒng)性的交易，量化交易可以簡單理解為機器人交易，用計算機算法來交易。

　　人工智能（Artificial Intelligence，簡稱AI）是指計算機系統(tǒng)在完成類似人類智力所需的任務時所表現出來的能力。它是一種復雜的技術，通過將大量的數據輸入到算法中進行學習，不斷調整和改進自己的算法，從而不斷優(yōu)化其性能。

　　def all_sel_current_code(codes,names,writefileName='sel_codes.csv',writefile=True):

　　path='./選擇/'

　　dir=Path(path)

　　if not dir.exists():

　　os.mkdir(dir)

　　begin_count=-200

　　end_count=-1

　　days=20

　　name_array=np.array([])

　　code_array=np.array([])

　　date_array=np.array([])

　　for i in range(len(codes)):

　　code=codes<i>

　　name=names<i>

　　#判斷條件選擇

　　ret,date=sel_current_code(code,name)

　　if ret:

　　name_array=np.append(name_array,name)

　　code_array=np.append(code_array,code)

　　date_array=np.append(date_array,date)

　　earnings,suc,fail,index_array,pct_array,hold_days=test(code,name=name,days=days,begin_count=begin_count,end_count=end_count)

　　if suc==-1:

　　continue

　　name=str.replace(name,'*','')

　　if earnings>0:

　　file_dir=path+'Curent_AAA_%s_%s%d%d++%.1f++%.1f.png'%(code,name,suc,fail,suc*100/(fail+suc+1),earnings)

　　else:

　　file_dir=path+'Curent_BBB_%s_%s%d%d——%.1f——%.1f.png'%(code,name,suc,fail,suc*100/(fail+suc+1),earnings)

　　plot_pct(code,index_array,pct_array,begin_count=begin_count,end_count=end_count,writefilename=file_dir)

　　print("codes%s%s earnings%.2f"%(code,name,earnings))

　　data=[code_array,name_array,date_array]

　　data=np.transpose(data)#矩陣轉置

　　ser2=pd.DataFrame(data,columns=['ts_code','name','date'])

　　if writefile:

　　ser2.to_csv(writefileName,encoding="utf_8_sig")

　　#繪制指定代碼價格圖

　　def plot_pct(ts_code,index_array,pct_array,begin_count,end_count=-1,writefilename='temp.png'):

　　df=load_data(ts_code)

　　closes=df['close'].values

　　ma5=df['ma5'].values

　　ma10=df['ma10'].values

　　ma20=df['ma20'].values

　　if len(closes)<abs(begin_count):

　　print("TTTTTTT",len(closes),begin_count,ts_code)

　　begin_count=int(len(closes)*-1)

　　if len(closes)<end_count*-1:

　　end_count=-1

　　if begin_count+30>end_count:

　　return

　　x_array=np.linspace(begin_count,end_count,end_count-begin_count,dtype=np.int)

　　l=len(ma5)

　　x=len(x_array)

　　print('len',l,x)

　　ma5Mean_array=np.linspace(ma5.mean(),ma5.mean(),end_count-begin_count)

　　#plt.plot(x_array,closes,c='black')

　　start_date=df['trade_date'].values[begin_count]

　　end_date=df['trade_date'].values[end_count]

　　print(start_date,end_date)

　　name=get_code_name(ts_code)

　　money_df=get_dates_money(code=ts_code,name=name)

　　#print(money_df)

　　name=name.replace('*',"")

　　#money_df.to_csv(ts_code+name+"moneydf.csv",encoding='utf_8_sig')

　　money_dates=money_df['trade_date'].values