刚开始准备在MT4中写EA。MQL4语言有点像C，读起来还相对简单。
比较有意思的是通过OANDA下载的MT4客户端，会给你提供两个应用程序，一个editor，一个交易窗口。
editor中有非常详细的帮助文档，强调一遍，非常详细。而且还支持中文。
在editor里面编写完成之后，调试的内容都会反应在你的交易窗口中，非常方便。
但是对于python，没有像MT4那么完整的一套外汇交易框架，起码现在我没有找到。
我寻思着，反正学习MQL4和ORANDA v20的接口都是学，倒不如用一个现成的框架，因为调试起来真是太方便了，如果有两三块屏幕的话就更是锦上添花了。
之后逛了些外汇论坛，呵呵，MT4可以挂在专用的VPS执行，但是要是布在自己搭的服务器上可能要费点事，甚至我根本不会完成这件事。
算了，毕竟python相对还算熟，在一阵选择恐惧症过后，坚决选择了python，开始学习OANDA的接口v20
分析思路
上篇文章我通过分析外汇市场每天的交易量，得到了一些规律。通过这些规律，我们可以设计一个策略。
首先需要纠正一下。上篇文章在解释这张图的时候有些不准确。我上网查了些资料
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.
通过以上信息可知，大部分交易所的开放时间都在本地的8:00AM至4:00PM。所以对于那张趋势图，我简单修改下。
图中的5点，其实是纽约的本地时间3点，也就是说伦敦的8点，正是伦敦交易所开始营业的时间，图中的10点，是纽约的8点，是纽约交易所营业的时间。
可以看到，在伦敦时间12点的时候，交易量已经有上升的趋势。在纽约开盘的时候，交易量达到了以小峰值。
之后的时间，之后英镑/美元货币对仍然会活跃交易，其他的货币对都会出现下降趋势。伦敦交易所在图中的13点闭市。之后交易量开始上升，直至纽约时间的13点，达到全天的峰值。
但是没有维持太长时间就迅速回落。之后在纽约时间19点的时候，东京开始交易，交易量达到峰值，balabala....
这次分析和之前的分析还是有些出入的。之前说交易量的最高峰在欧洲市场和北美市场重叠的部分，不过今天来看，情况不是这样的。
在纽约时间13点的时候，交易量达到了全天的峰值，对此我又展开一次分析调查。也不知道分析得对不对，看到这里的朋友，觉得有错误请指正，谢谢。
我看了下Economic Calendar。发现美国发生经济活动的时间大多在纽约时间10点至16点，而欧洲大多发生在伦敦时间8点至13点。
看出来了吧？
理由有些牵强，但感觉还是有些道理的。
ok，我们撇开基本面分析，回到结论来。不管分析如何，规律反正已经反映在了图上。
我们就利用这个规律来分析下交易数据。
数据采集
上篇文章已经简单介绍了下如何采集外汇的数据。不过用的是github上的样本代码，没怎么仔细看。接下来我介绍下如何用v20接口来分析外汇数据。
我采集了在OANDA中所有以EUR为基础货币的货币交易对的交易数据。
在采集交易数据之前，需要件创建一个session
from oandapyV20 import API
def client_session(token):
return API(access_token=token)
为了以后方便分析，自己定义一个采集货币对的方法
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]
这里需要说明一下的是，OANDA里面的数据，返回类型都是json，什么json？
为了便于理解，我把它当做就是一个大dict，dict里面的value是个list，list里面又装了一些dict。你要是说你不懂dict，那我只能说你还是先看看python的基础吧。
获取完货币对之后，可以通过 InstrumentsCandlesFactory 类来获取交易数据，具体使用方法在
http://developer.oanda.com/rest-live-v20/introduction/
文档写得很有趣，感觉像是玩俄罗斯方块，一直处于方块被消除的状态，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'])
# 将数据存储在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()
数据分析
数据已经采集完成，接下来就是分析日内交易数据。
这里倒没有用到什么机器学习的知识，都是一些统计学的内容。我计算了一些指标，还是通过可视化的手段将其展示出来，过滤掉一些小币种：
根据上图，我觉得，起码均值回归策略在外汇市场是行不通的，你根本阻挡不了它一通下跌的趋势。我们不妨做以下策略（假设）
如果在伦敦开盘至纽约开盘这段时间内，价格出现新高，就看多；出现新低，就看空。
在纽约闭市前进行平仓。
为什么这么做？
成交量意味着趋势的确定，如果开盘时欧洲人就不断做空，拉低价格，随着美洲人的苏醒，交易量不断扩大，趋势逐渐明确。
当然，你不能确定当天国际上又会出现什么幺蛾子新闻来影响汇率了。那就不在这篇粗鄙的文章讨论范围之内了，那叫做NLP。
当然，以上都只是假设，具体方案我还不确定，毕竟接触时间不长，还有好多东西要学，日后研究下再继续在文章里讨论。
当然，重要的是，得去实践。真理都是实践出来的。
下回继续研究咯~
