很多人都想自己制作属于自己的量化api接口，但是具体要怎样做呢？没有经验能不能编写出使用的量化api接口呢？今日我们就来聊聊这个话题，顺便给大家分享一套实用的接口代码。
首先，量化api接口并不是任何人都可以写出来的，它需要编程人有一定的金融分析能力，数据分析能力等，当然啦，会编程这个就肯定的了，所以，如果你毫无经验，想直接套用代码也是有难度的。
但相反，如果你有很多投资经验，并且想进一步深入了解量化交易，那我们在拥有一套代码之后，深入再专研一下，其实也是可以的。
好了，言归正传，股票量化api接口的代码大概是怎样的呢？
import pandas as pd
from aip import AipOcr
import pyautogui
import pywinauto
import time
import ddddocr
import PIL
import akshare as ak
from PIL import Image,ImageDraw
import pyttsx3
from finta import TA
import quantstats as qs
import yagmail
import requests
from bs4 import BeautifulSoup
from lxml import etree
import schedule
import matplotlib.pyplot as plt
import mplfinance as mpf
app_id='252342421225'
api_key='grc71324214ewewlsl8zXo'
secret_key='ny8ClwdaLIDNaondoAINDOLH5jP9s6RbyG3'
#登录同花顺期货通
def featurns_log():
import time
pywinauto.application.Application(backend='uia').start(r'E:同花顺期货通inhapp.exe')
pyttsx3.speak('运用启动成功')
#等待程序
time.sleep(1)
#最大化窗口
pyautogui.click(x=1379,y=18)
time.sleep(1)
#点击交易
pyautogui.click(x=941,y=17)
#选择模拟交易
pyautogui.click(x=1065,y=53)
time.sleep(1)
pyautogui.click(x=1155,y=85)
#等待程序响应
time.sleep(3)
#验证码区域截图
pyautogui.screenshot(imageFilename=r'C:UsersAdministratorDesktop期货交易验证码.png',region=(1042,611,1099-1042,641-611))
#识别验证码
time.sleep(1)
ocr=ddddocr.DdddOcr()
with open(r'C:UsersAdministratorDesktop期货交易验证码.png','rb') as f:
imag=f.read()
result=ocr.classification(imag)
pyttsx3.speak('验证码结果{}'.format(result))
#输入验证码，先定位
pyautogui.click(x=881,y=632)
time.sleep(1)
#输入验证码
pyautogui.typewrite(result,interval=0.1)
#点击登录
time.sleep(1)
pyautogui.click(x=950,y=722)
pyttsx3.speak('登录成功')
#交易状态的识别,检测买入等交易是否成功
def featurns_trader_stats():
'''
交易状态的识别,检测买入等交易是否成功
'''
pyttsx3.speak('交易状态识别')
pyautogui.screenshot(r'C:UsersAdministratorDesktop期货交易交易状态.png',region=(257,846,638-257,882-846))
options={'language':'chn_eng'}
aipcor=AipOcr(app_id,api_key,secret_key)
image=open(r'C:UsersAdministratorDesktop期货交易交易状态.png','rb')
image1=image.read()
text_list=aipcor.general(image1,options=options)
df1=pd.json_normalize(text_list['words_result'])
df1.to_excel(r'C:UsersAdministratorDesktop期货交易交易状态.xlsx')
df=pd.read_excel(r'C:UsersAdministratorDesktop期货交易交易状态.xlsx')
df_words=df['words']
text=df_words[0]+df_words[1]
pyttsx3.speak('识别完成')
pyttsx3.speak(text)
因为现在可以提供交易实时的接口比较少了，可以自己建立的量化api接口，那我们的思想是通过驱动电脑完成我们的交易了，虽然这样有点慢，但是速度也很快了，我们程序在后台实时进行数据的处理分析，传递给交易策略，符合交易策略的就马上进行交易。
