使用miniQMT实现版面数据获取。

一晃三个多月时间过去了，十一前后股市突然爆火，行情也像过山车一样，笔者在其中靠直觉辗转腾挪，勉强落得个不赔不赚。此事也给我打了一针鸡血，加快了量化交易研究和系统开发进度。

XtTrade是XtQuant中专门用于交易的模块。系统设置接口:用于创建API实例、注册回调、启动交易线程等基础功能操作接口:提供下单、撤单、订阅等交易操作功能查询接口:用于查询账户资产、持仓、委托、成交等信息回调接口:用于接收交易推送信息创建API实例并注册回调启动交易线程并建立连接订阅账户信息进行交易操作(下单、撤单等)接收交易推送信息程序结束时取消订阅并断开连接。

本篇是该系列的第三篇，建议在阅读本篇文章之前先看前两篇文章。Mr.括号：神经网络15分钟入门！足够通俗易懂了吧Mr.括号：神经网络15分钟入门！——反向传播到底是怎么传播的？在本文中将使用python实现之前描述的两层神经网络，并完成所提出的“象限分类”的问题。需要注意的是，虽然标题叫做神经网络15分钟入门，但是到这篇文章，对于没接触过python的同学，15分钟怕是不太够。好在p...

之前在测试单股订阅 subscribe_quote时，仅订阅了10只股票进行测试，测试发现这种订阅方式，由于每只股票数据都要单独触发一次回调函数，该过程变得有些低效。对于少量股票订阅该效率尚可，股票数量多了后，可能会带来不能接受的低效。对于非研投版的MiniQMT，单股订阅的上线是300只，那么就需要测试一下在订阅了300只股票时，单股订阅的实际表现了。

​CNN也可以扩展到非图像领域使用，比如对一组一维数据，也是同样可以实现分类的。本篇文章是之前CNN分类的MATLAB实现那篇文章的姊妹篇，通过这篇文章，大家将会快速掌握使用pytorch框架进行CNN分类的编程方法，另外对于主体代码流程，我也做了傻瓜化使用的封装，方便大家使用。​

最佳方法：订阅全推行情 subscribe_whole_quote次选方法：单股订阅subscribe_quote也就是两种方式可兼具，根据订阅的股票数量和策略场景自由选择。其实所谓“订阅全推行情”，并不是一定要把沪深的股票全部订阅，是可以指定要订阅的股票代码的。

按照本专栏的内容，我会带着大家从零开始逐渐实现对深度学习的全面了解和掌握。

从这篇开始，我们的专栏将正式开始涉及人工智能领域。人工智能常常用来解决分类和回归的问题。字母、语音、图像识别这些可以看做分类问题，而基于时间序列的预测就是一种回归分析。人工智能乃至深度学习还是有着颇深的理论门槛的，本人目前也还在学习中。但是如果我们只是想简单的应用一下，还不是太难。这篇文章我们将使用深度学习的方法，针对1991年至今的上证指数进行时间序列的预测，来看一看未来大盘的走势如何。...

上一篇我们讲了使用CNN进行分类的MATLAB代码。这一篇我们讲CNN的多变量回归预测。是的，同样是傻瓜式的快速实现。