自发布了python构建外汇量化交易系统1已经有好一段日子了，在一版中只提到了一些框架性的东西，可能实用性还不强。在二版中决定对一版进行一个丰富和提供，并提供该量化交易系统的完整源代码，希望对大家在量化交易模块方面有所帮助。

量化交易其实就是使用大数据技术来代替人的主观判断，构建一个先进的机器学习模型进行决策，利用股票、期货、外汇市场的过去和当前信息来预测它未来的走向，目前量化交易在投资市场上大受追捧。

这里所构建的量化交易系统忽略了市场上的很多影响因素，单单从价格因素出发，通过研究、观察外汇市场上的价格曲线，构建机器学习模型，利用过去的价格去逼近未来的价格，经过检验所预测出来的价格具有较好的参考性，对投资者具有较大的帮助。

该量化交易系统采用神经网络模型，利用前5天的20个价格去逼近后一天的收盘价，而不考虑其它众多因素的影响。一个三层的神经网络可以以任意进度去逼近一个非线性函数。这里采用了外汇数据进行测试，数据来源：https://cn.investing.com/currencies/。这个网站里有很多外汇数据的历史价格信息，你可以在上面找到很多的历史数据。

人工神经网络（Artificial Neural Network，即ANN ），是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象， 建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。目前，神经网络在人工智能领域应用得非常广泛。bp网络示意图如下：

目前该量化交易系统可能还有很多不完善的地方，希望广大读者能在上面找到一些启发，如果你对这个领域感兴趣，希望这篇文章对你有所帮助。

这里采用了英镑兑人民币的历史交易数据：

一共有近5年的日交易数据，有1327条记录。接下来，对该数据集进行训练集和测试集的划分，数据探索和数据检验等工作，利用sklearn的

sklearn.neural_network

来构建神经网络模型。最后，该量化交易系统还实现了数据监控的功能，随时地监控着市场上的价格变动，等到时机合适时会自动通知你。以下附上完整的源代码和配上一些讲述，如果有任何问题，欢迎留言交流。

以上是该量化交易系统用到的一些模块，有基础的数据处理模块，神经网络模块、评估分数模块、外汇价格监控用到的模块。

#读取数据

#重塑数据，适应模型预测

data_reshape函数把5年的英镑兑人民币历史价格数据进行重塑，用20个价格去逼近一个价格。

model_construct函数构建神经网络模型，并对测试集的结果进行预测。

l_pre是对日最低价的预测，h_pre是对日最高价的预测。

有了价格的预测之后，接下来对外汇的价格进行监控。

利用爬虫爬取外汇价格，当价格水平达到我们的期望时就采取相应的措施。

以上代码实现了自动化的外汇价格监控功能，并在时机适合时给你自动发送邮件。

技术需要沉淀，模型需要完善。希望与广大读者一道，共同推动大数据技术和量化交易的发展。学好技术，大家可以穿着睡衣挣大钱。鸟贵有翼，人贵有志，本社区期待广大读者的留言，我们将与你共同成长！