Shioaji - Shioaji所有新的跨平台交易API（跨平台证券交易API）
盐治寺
Shioaji是中材集团提供的用于交易台湾和全球金融市场的最pythonic API。您可以使用自己喜欢的Python软件包（例如numpy，scipy，pandas，pytorch或tensorflow）来构建自己的交易模型，并在跨平台上集成shioaji api。
安装
二进制文件
简单使用pip进行安装
pip install shioaji
Docker镜像
在Docker中以交互模式轻松运行
docker run -it sinotrade/shioaji:latest
与Jupyter Lab或笔记本一起运行
docker run -p 8888:8888 sinotrade/shioaji:jupyter
快速入门
初始化
import shioaji as sj
api = sj.Shioaji()
accounts = api.login("YOUR_PERSON_ID", "YOUR_PASSWORD")
api.activate_ca(
ca_path="/c/your/ca/path/Sinopac.pfx",
ca_passwd="YOUR_CA_PASSWORD",
person_id="Person of this Ca",
)只需像其他流行的python库一样导入我们的API库，然后导入新实例即可开始使用我们的API。登录您的帐户并激活认证，然后就可以开始下订单了。
流式市场数据
api.quote.subscribe(api.Contracts.Stocks["2330"], quote_type="tick")
api.quote.subscribe(api.Contracts.Stocks["2330"], quote_type="bidask")
api.quote.subscribe(api.Contracts.Futures["TXFC0"], quote_type="tick")订阅实时市场数据。只需将合约传递到报价
subscribe函数中，并提供报价类型即可接收流数据。
下订单
contract = api.Contracts.Stocks["2890"]
order = api.Order(
price=9.6,
quantity=1,
action="Buy",
price_type="LMT",
order_type="ROD",
order_lot="Common",
account=api.stock_account,
)
# or
order = api.Order(
price=9.6,
quantity=1,
action=sj.constant.Action.Buy,
price_type=sj.constant.TFTStockPriceType.LMT,
order_type=sj.constant.TFTOrderType.ROD,
order_lot=sj.constant.TFTStockOrderLot.Common,
account=api.stock_account,
)
trade = api.place_order(contract, order)就像上面使用合同来订阅市场数据一样，那么需要定义订单。将它们传递给
place_order函数，然后它将返回描述您订单状态的交易。
结论
本快速入门演示了如何为本地Python用户使用我们的软件包。与许多其他交易API不同，Python开发人员很难。我们专注于为用户提供更多的pythonic交易API。
有关文档的更多用法详细信息。
通讯
- Gitter：一般聊天，在线讨论，协作等
- GitHub问题：错误报告，功能请求，安装问题，RFC，想法等。
发布和贡献
Shioaji的发布周期为14天。请参阅发行变更日志。如果您遇到问题，请通过提交问题告知我们。
我们感谢所有建议。如果您有任何想法要我们实施，请与我们讨论。
团队
Shioaji目前由Sally，Yvictor，Sam，CC.Chiao和Po Chien Yang负责维护，并做出了重要贡献。
热门github
1
2
4
The Python Risk Identification Tool for generative AI (PyRIT) is an open access automation framework to empower security professionals and machine learning engineers to proactively find risks in their generative AI systems.
(翻译：用于生成式 AI 的 Python 风险识别工具 (PyRIT) 是一个开放式访问自动化框架，使安全专业人员和机器学习工程师能够主动发现其生成式 AI 系统中的风险。)
5
7
8
9
Mamba is a new state space model architecture showing promising performance on information-dense data such as language modeling, where previous subquadratic models fall short of Transformers. It is based on the line of progress on structured state space models, with an efficient hardware-aware design and implementation in the spirit of FlashAttention.
(翻译：Mamba 是一种新的状态空间模型架构，在信息密集型数据（例如语言建模）上显示出良好的性能，而之前的二次模型在 Transformers 方面存在不足。它基于结构化状态空间模型的进展，并本着FlashAttention的精神进行高效的硬件感知设计和实现。)
10
11
13