在先前的文章中，我們分兩集示範了如何使用FinLab串接永豐的API，並上傳至Google Cloud Platform (GCP)，實現全自動交易。

近期收到不少同學反應，Fugle由於資安考量，不支持在設定檔中直接設定密碼，而是需要手動輸入，導致沒辦法將Fugle API打包成Cloud Function來執行全自動交易。

(以下截圖來自Fugle 官方文檔)

考量到有許多同學使用Fugle交易，我們決定再寫一篇Fugle版本專屬的教學文章，並破解Fugle所設下的資安防線，希望對大家有所幫助!

註：本篇文章將著重解說Fugle API與永豐API在串接時的差異，並不會從頭到尾重新講解一遍。建議還沒有看過FinLab與GCP串接教學的同學，先回頭複習更詳細的教學文章(上)、教學文章(下)喔！

免責聲明

FinLab於此文章中所提供的程式碼僅供參考，會隨著套件版本更動、硬體設備之故障、失效或人為上之疏失導致，導致下單狀況不如交易者之預期。使用者在使用此文章之程式碼前，務必自行審慎評估，並自負投資風險及盈虧。如使用FinLab所提供之程式碼致生損失，本公司不負擔任何賠償及法律責任。

事前準備

在開始串接Fugle的API之前，有以下幾個步驟必須先完成：

1. 申辦Fugle券商帳戶。
2. 參照教學文章１，申請交易API & 完成模擬測試。
3. 參照教學文章２，送出第一筆委託單。

當你完成上述步驟，就代表你已經能順利使用Fugle的交易API囉！

溫馨提醒：記得把送出的委託單給刪除，才不會不小心成交喔！

FinLab x Fugle API

確定Fugle API運作順利後，我們將使用FinLab的內建套件來呼叫Fugle API，達到根據選股清單來進行自動交易。由於在GCP上面部署要等比較久，我們將分為兩部分測試，先確定在loacl端能順利執行後，再部署到GCP上！

開始之前，請大家先花三分鐘瀏覽有關FinLab下單串接的官方文檔，會比較快進入狀況喔！

本機端自動交易測試

策略生成

首先要有一個策略，這邊我們同樣使用官方文檔的創新高策略示範。

# 生成策略report
import finlab
finlab.login("請填入自己的FINLAB API VIP TOKEN")
from finlab.backtest import sim
from finlab import data
close = data.get("price:收盤價")
position = (close == close.rolling(250).max())
report = sim(position, resample="M",upload=False)

計算買賣張數

根據　sim()　回傳的report物件，計算每檔股票所需的買賣張數。

# 輸入投資金額、計算要投資的張數
from finlab.online.order_executor import Position

fund = 100000 #投資金額
position = Position.from_report(report, fund) #產生需要下單的股票清單 & 股數
print(position)

使用FinLab套件下委託單

使用FinLab內建的模組，直接呼叫Fugle API執行換股清單的委託單。

註：玉山富果的行情API Token可由登入富果API獲得。

# 使用FinLab串接Fugle的進行下單
from finlab.online.order_executor import OrderExecutor
from finlab.online.fugle_account import FugleAccount
import os
os.environ['FUGLE_CONFIG_PATH'] = '玉山富果交易設定檔(config.ini)路徑' 
os.environ['FUGLE_MARKET_API_KEY'] = '玉山富果的行情API Token' # 獲取市價行情以進行下單

acc = FugleAccount()
order_executer = OrderExecutor(position , account=acc)
order_executer.create_orders() # 預設使用最近一筆成交價當成限價

這時候登入Fugle的帳戶中，若有看到委託單即代表本機端的測試成功！

若要取消全部委託單，則可以執行order_executer.cancel_orders()。

雲端版本測試

如同先前教學文章的做法，我們會使用GCP，把在Local端測試好的程式碼打包成函式，以Cloud Function的方式呼叫。

接下來主要會講解Fugle和永豐在串接上不同的部分，其餘絕大部分相同的步驟請同學自行參照教學文章(下)。

上傳憑證

首先建立一個bucket(值區)，但這時候要上傳的東西變成兩個：

1. config.ini 設定檔
2. 交易憑證(.p12檔案)

註：為了清楚的demo，接下來的示範將預設採用以下統一命名，大家可以自行決定是否要採用一樣的命名方式。

• bucket名稱：fugle_pass
• 環境設定檔名：config.ini
• 憑證檔名：fugle_cert.p12

設定檔和憑證都會在事前準備階段時取得。但在上傳前，請記得將config.ini設定檔當中的憑證路徑改成GCP上的路徑，否則GCP會抓不到你的交易憑證。

環境變數設定

這邊我們要填入所需的環境變數，變數Value1~Value6需要自己填寫，Value7則複製keyrings.cryptfile.cryptfile.CryptFileKeyring 即可。

註：打開config.ini設定檔查看其中的[User]欄位，即可找到自己的Fugle帳號。

程式碼設定

與之前的教學文相同，我們將分為以下五個檔案，其中的main.py和run_strategy.py完全一樣，這邊就不贅述了。

requirements.txt

將原先的shioaji安裝包換成fugle_trade，另外為了破解Fugle的資安防線，要再加入一個叫keyring的套件，其功用是拿來儲存帳號密碼。

# Function dependencies, for example:
# package>=version
finlab==0.3.7.dev1
fugle_trade==0.3.1
keyring==23.5.0
google-cloud-storage

bucket.py

從fugle pass的bucket中，將fugle_cert.p12和config.ini移到/tmp目錄底下。

from google.cloud import storage

# 將需要用到的檔案從bucket移到/tmp目錄底下
def connect_storage():
  storage_client = storage.Client()
  bucket = storage_client.bucket('fugle_pass')
  blob = bucket.blob("fugle_cert.p12")
  blob.download_to_filename('/tmp/fugle_cert.p12')  
  blob = bucket.blob("config.ini")
  blob.download_to_filename('/tmp/config.ini')  
  return

make_order.py

接下來就是最重要的問題點啦！因為Fugle強制要求在第一次使用時要親手key密碼才行，這樣就導致沒辦法在Clound Function上自動執行。

我仔細地翻閱了fugle-trade 套件的原始碼，發現Fugle在初始SDK物件時，會透過keyring這個套件，執行自定義的function去檢查是否有已存在的帳密(非第一次登入。若是第一次登入，就必須強制使用者重新輸入密碼。

同時他們還透過hashcode，對每個人的帳號進行hash之後作為keyring的backend，讓破解起來更為麻煩。

以上算是比較細部的講解，大家有興趣也可以去翻翻看Fugle的程式碼。

看不懂也沒關係，FinLab都幫大家處理好了，只需要跟著以下步驟，加入三行程式碼即可！

首先，引入需使用的套件。

在acc = FugleAccount()前，插入以下三行程式碼。

大功告成！就這麼簡單，核心概念是在Fugle的SDK初始化之前，搶先呼叫Fugle自己的函式執行了「預登入」的動作。因此Fugle在初始化檢查的時候，就不會出現需要手動輸入密碼的問題囉！

以下附上完整的程式碼，大家可以直接拿去使用，再更動裡面的參數，就可以實現不同的資金量和下單方式囉!

import os
os.chdir("/tmp")
import keyring
import time
from fugle_trade.util import setup_keyring
from finlab.online.order_executor import Position
from finlab.online.order_executor import OrderExecutor
from finlab.online.fugle_account import FugleAccount

def make_order(report,fund=100000):
    position = Position.from_report(report, fund,odd_lot=False)
    setup_keyring(os.environ["FUGLE_ACCOUNT"])
    keyring.set_password("fugle_trade_sdk:account", os.environ["FUGLE_ACCOUNT"], os.environ["FUGLE_ACCOUNT_PASSWORD"])
    keyring.set_password("fugle_trade_sdk:cert", os.environ["FUGLE_ACCOUNT"], os.environ["FUGLE_CERT_PASSWORD"])
    acc = FugleAccount()
    order_executer = OrderExecutor(position , account=acc)
    order_executer.create_orders() # 預設使用最近一筆成交價當成限價
    # 利用預先下單，回傳下單資訊至網頁以供瀏覽 (以下可以全拿掉，留一個return即可)
    time.sleep(10) #Fugle限制兩次之間要間隔十秒
    record = order_executer.create_orders(view_only=True)
    key_list = [i for i in range(1,len(record)+1)]
    value_list = [{i['stock_id']:i['quantity']} for i in record]
    return dict(zip(key_list, value_list))

解決了關鍵問題後，其餘步驟就和永豐篇的教學文章完全相同啦，這邊就不多贅述了！

Colab 版本下單

若在雲端部署上遇到困難，歡迎到Discord詢問我們，另外我們也提供了Colab下單腳本給大家，歡迎大家依照自己的需求選擇！

小彩蛋（零股語法糖）

想必眼尖的大家已經注意到了，我們同時實作了零股下單的功能！

只要把Position.from_report(report, fund,odd_lot=False)的odd_lot變數改為True，就會變成零股下單模式囉！

這是考量到資金量較小、或策略較多的學員所設計的。目前不管永豐、Fugle目前都有零股最低手續費1元的優惠，可以最大限度地降低摩擦的手續費，讓零股盡可能貼近和整股相同的績效，希望大家會喜歡！

結論

這篇文章中，我們破解了Fugle API的限制，成功將下單函式部署在GCP上執行，讓永豐跟Fugle的FinLab用戶們都能獲得一樣的體驗。

同時我們設計了小資族友善的「零股模式」。希望從資金方面、技術方面，都能盡量降低大家實踐程式交易的門檻。

FinLab是個熱愛與使用者互動的團隊，同時會積極考慮將用戶需求納入下一步的更新規劃，也因此需要更多來自大家的feedback！如果大家喜歡這篇文章，或有任何的想法想要告訴我們，就趕快到粉絲專頁留言吧！

這次的教學就這樣告一段落了。我是阿榤，下次見，掰！(⁎⁍̴̛ᴗ⁍̴̛⁎)

在自動交易的上集中，我們完成了永豐和FinLab相關的前置作頁，包括申請交易憑證、打包策略程式碼、加入下單模組。

在本篇文章中，我們會將這些東西上傳到GCP以完成Cloud Function部署，最後用Cloud Scheduler定期呼叫Cloud Function，這樣一切就大功告成了！

流程圖

附上流程圖幫大家複習一下，如果沒有看過上集的同學，記得先回去補課喔！

免責聲明

FinLab於此文章中所提供的程式碼僅供參考，會隨著套件版本更動、硬體設備之故障、失效或人為上之疏失導致，導致下單狀況不如交易者之預期。使用者在使用此文章之程式碼前，務必自行審慎評估，並自負投資風險及盈虧。如使用FinLab所提供之程式碼致生損失，本公司不負擔任何賠償及法律責任。

Google Cloud Platform (GCP)

Google Cloud Platform是Google的雲端平台，有著一系列由Google提供的雲端運算服務。

我們這次會使用到其中三個雲端服務：

• Cloud Storage：雲端的儲存空間，用來存放永豐的交易憑證
• Cloud Function：雲端執行FinLab選股策略和下單程式碼。
• Cloud Sceduler：雲端排程工具，定期執行部署的Cloud Function。

GCP 要收費嗎?

新用戶前三個月會贈送300美元的抵免額，對佈署自動交易程式來說足夠了。三個月過後，當你確認要付費繼續使用時，才會開始扣款。

依照目前 Cloud Function 的定價，試用期過後，每個月大約是1元台幣，詳細計算方式如下：

• 不論是否是試用期，Cloud Function 呼叫200萬次以內，都是免費的。即便每天執行10次，一個月也才300次，並不會達到收費門檻。
• 在文章中，會看到用 https 也就是網頁的方式，來呼叫 cloud function，這個部分，假如是 5GB 以內，也會是免費的，假設所產生的網頁以 500kb 來計算，每月要執行 200 萬次才會達到門檻。
• 由於我們上傳 google cloud function，會有存放系統的成本，所以每個月會酌收0.026美金，大約是 1 元台幣。

有疑問的同學可以到 Google cloud function 的定價來查看更詳細的定價，接下來就讓我們開始吧！

註冊帳號

首先到GCP的官網註冊一個帳號，註冊表單按照自己的狀況填即可。

辦好帳號後進入控制台，就可以在左邊找到Cloud Function 跟 Cloud Storage，建議把他們釘選到最上方，這樣在之後的使用會比較方便。

新增專案

大家可以自由地設定專案名稱，但建議專案ID跟專案名稱一致。

這樣就建立好專案囉，接下來請大家進入到新增好的專案中，之後的操作都會在此專案中進行。

上傳交易憑證

首先進入Cloud Storage的頁面如下，點選建立。

值區名稱可以自行設定，我這邊設定為trading_pass。

創建好後，進入資料夾中，將先前辦好的交易憑證檔案上傳。

部署 Cloud Function

啟用API

到Cloud Function的頁面，點選建立函式，並按照提示啟用API。

基本設定

環境選第一代、函式名稱可自定義、地區選台灣。

觸發條件設定

記憶體和時間配置設定

記憶體和時間的部分，個人習慣先配置到最大。等確定佈署成功之後，再自行調整縮小到適合的大小。

環境變數設定

環境變數的有四個值要改成自己的，作為登入永豐和FinLab驗證用。

剩餘兩個路徑變數則按照範例輸入即可，是為了因應Cloud Function規定存取和讀取都需要在/tmp目錄下面所做的特別設定。

程式碼初始設定

設定完成後進到程式碼頁面，會有一支預設程式碼和package檔。

將檔案全部刪掉，並把執行階段改為自己的Python版本，進入點改為main，並新增五個空的檔案，檔名如下圖。

接下來我會對每個檔案說明其作用，並附上程式碼。

run_strategy.py

將我們上面打包好的function，引入環境變數中的FinLab token，將FinLab登入的動作也寫在code裡面。

import finlab
import os
finlab.login(os.environ["FINLAB_API_TOKEN"])
from finlab.backtest import sim
from finlab import data

def run_strategy(): #將程式碼包裝成function，並回傳report這個物件(下單會用到)
  close = data.get("price:收盤價")
  position = (close == close.rolling(250).max())
  report = sim(position, resample="M", name="創年新高策略",upload=False)
  return report

make_order.py

首先請大家先看過FinLab官方文檔，會比較能理解下方的程式碼。

make_order有兩個輸入變數，一個是sim 所產生的report物件，另一個是這個策略的資金量，也就是你預計要拿多少錢來跑這個策略。

最後make_order會回傳一個dict物件，key是下單的股票代號、value則是股數，在測試的時候會比較方便確認下單是否正確。

如果不瞭解也沒關係，可以複製程式碼，再更改要投入的資金即可。

import os
os.chdir("/tmp") #轉到Cloud Function限定的tmp資料夾下面執行
from finlab.online.order_executor import Position
from finlab.online.sinopac_account import SinopacAccount
from finlab.online.order_executor import OrderExecutor

def make_order(report,fund=100000): #預設用100,000的資金跑策略
  position = Position.from_report(report, fund)
  acc = SinopacAccount()
  order_executer = OrderExecutor(position , account=acc) 
  # 用模擬模式產生下單的明細並回傳，之後會輸出在網頁上 (optional)
  record = order_executer.create_orders(view_only=True)
  key_list = [f'order{i}:' for i in range(1,len(record)+1)]
  value_list = [{i['stock_id']:i['quantity']} for i in record]
  # 實際下單（會真的下單，初次使用建議收市時測試）
  order_executer.create_orders(market_order=True) #用市價單(要注意滑價，可自行修改)
  return dict(zip(key_list, value_list))

bucket.py

先前說過，Cloud Function規定資料的讀寫必須在/tmp目錄之下。

connect_storage的用處是將先前上傳到Cloud Storage的交易憑證，下載至/tmp的目錄下，讓Cloud Function能夠順利讀取，進而登入永豐的交易帳戶。

如果不瞭解可以直接複製程式碼即可。

from google.cloud import storage
def connect_storage():
  storage_client = storage.Client()
  bucket = storage_client.bucket('trading_pass')
  model_filename = "Sinopac.pfx"
  blob = bucket.blob(model_filename)
  blob.download_to_filename('/tmp/Sinopac.pfx')  
  return

main.py

main.py裡面的main函式，是Cloud Function執行時的進入點，也就是真正Cloud Function真正執行的函式。

因此我們import了我們上述寫的三份程式碼檔案，在此一一呼叫，先將憑證移到/tmp目錄下，執行FinLab策略，最後執行永豐的下單程式。

from run_strategy import run_strategy
from make_order import make_order
from bucket import connect_storage

def main(request): #request要記得寫，這是Cloud Function 規定的格式
  connect_storage() # 將交易憑證移到/tmp目錄下
  report = run_strategy() #執行FinLab策略，回傳report物件
  record = make_order(report,100000) #用十萬塊下單，回傳下單結果的名細
  return record

requirements.txt

requirements.txt負責告訴GCP這支Cloud Function需要使用到哪些套件、哪些版本。以下是必定會使用到的套件，版本則可能因人而異，建議選取與本地端相同的版本，避免套件不同版本之間的相容性問題。若不特別標註版本號，則會自動採用該套件的最新版本。

大家在撰寫策略時，若有用到其他的套件(ex: pandas)，都要記得自己再加上去喔！

# Function dependencies, for example:
# package==version
# 本篇示範皆使用當前最新版本，讀者可自行指定需固定之版本
finlab
shioaji==0.5.0.dev2 #(2023/2/6編輯)因應永豐API調整，請先暫定此版本
google-cloud-storage

如果不知道自己使用的套件版本，可以在jupyter執行以下程式碼。

# 假設你不知道自己使用的shioaji套件版本
import shioaji
print(shioaji.__version__) #印出套件的版本
# 輸出: 0.3.6.dev2 => 這就是你的shioaji套件版本

上傳Cloud Function

一切設定好後，點擊左下角的部署。若部署失敗，可以到logging的頁面，查看error為何，做進一步的修正後，再重新部署即可。

權限說明

成功部署Cloud Function後，到權限分頁點選新增，並設定讓所有使用者都可以呼叫此Cloud Function，以便後續Cloud Scheduler的調用。

Cloud Function測試

觸發條件頁面中，有一個觸發網址，點選它的時候就等同於執行該Cloud Function，也就是下單的動作！因此這個網址切記不要外洩，如果是淘汰或暫時不打算執行的策略，也記得要先下架。

還是會擔心的同學，GCP也有限制使用權限的方法，可以自行Google！

當你點選網址之後，順利的話會出現一個網頁(需要跑一陣子)，網頁會顯示下單的明細，方便大家確認下的單是否正確。

備註：用Firefox的瀏覽器來看會比較清楚喔！

譬如以下就是做了三筆交易，分別買進了一張00864B、賣出一張1713、賣出兩張2832。

如果到永豐查看的話會類似下圖，但實際買賣的股票、張數會隨策略和資金的不同而改變，大家只需注意API下的單是否與策略相同即可。

提醒大家在測試的時候，記得要挑收盤的時候，測試完也要記得把委託單給刪掉，不然隔天真的成交就麻煩了XD

設定 Cloud Scheduler

恭喜大家來到最後一步！搜尋Cloud Scheduler，並點選建立工作。

定義排程的部分，名稱可自行設定，要注意的是執行頻率，像我是習慣開盤前(平日早上8:30)執行我的策略，如果想要自行設定其他時間點執行的話，可以參考這個網站將頻率轉換成Unix-Cron格式。

備註：建議於晚上7點之後執行，才能獲取最新的資料

設定執行作業時，需填入的網址就是前面Cloud Function的觸發網址。

測試Cloud Scheduler是否正常，點選強制執行，並到永豐帳戶中查看是否有順利下單。

Colab 版本下單

若在雲端部署上遇到困難，歡迎到Discord詢問我們，另外我們也提供了Colab下單腳本給大家，歡迎大家依照自己的需求選擇！

溫馨提醒

成功部署後，也要定期觀察下單狀況是否如你所預期，尤其是剛開始使用的時候，以免程式出了BUG，導致賠錢或被追繳的後果。

總結

恭喜執行到這裡的大家，已經完成所有的步驟，往後每天GCP都會自動幫大家執行選股策略並且進行下單了！

祝大家一切順利，天天在家睏飽數錢，有任何問題也歡迎在文章下方或到FinLab粉專留言！

這次自動交易的教學就告一段落了。我是阿榤，下次見，掰！(⁎⁍̴̛ᴗ⁍̴̛⁎)

(2023/4/6 更新) Shioaji Version >= 1.0 環境變數設定

因應永豐更新主要版本至1.0，採用了全新驗證方式。若要使用1.0以後的版本，請先到永豐官網申請API，將權限設置如下。

請將環境變數的設置改為以下

前陣子在FB粉專發的，【從零開始！10萬塊開局的程式交易實戰週記】 EP4 – 步驟達成全自動買賣！受到大家的廣泛迴響，因此我寫了一篇串接自動交易的完整教學，希望對大家有所幫助！

本篇文章將會帶大家瞭解，如何將寫好的FinLab選股策略上傳至雲端，進行全自動的交易。讓電腦連你在睡覺時，都能幫你交易賺錢，再也不用天天盯盤手動下單了，實現真正所謂的躺著賺XD

免責聲明

FinLab於此文章中所提供的程式碼僅供參考，會隨著套件版本更動、硬體設備之故障、失效或人為上之疏失導致，導致下單狀況不如交易者之預期。使用者在使用此文章之程式碼前，務必自行審慎評估，並自負投資風險及盈虧。如使用FinLab所提供之程式碼致生損失，本公司不負擔任何賠償及法律責任。

流程簡介

FinLab目前支援的券商有永豐和Fugle，此篇將以永豐帳戶作為示範。

設定全自動交易的流程主要分為三個部分：永豐、FinLab、Google Cloud Platform(GCP)。永豐的部份，我們需要申請一個交易帳戶，並簽署有關API下單的同意書後，申請交易憑證並記好檔案存放的位置，以便之後要上傳到GCP。

FinLab部分則只需要把寫好的策略包裝成function的形式即可。

最後一步是部署選股策略在GCP上，這時候我們需要將前面拿到的交易憑證、包裝好的策略函式分別上傳到GCP進行佈署，最後再用Cloud Scheduler設定固定執行策略的時間，就完成所有的設定了!

完整流程圖

名詞解釋

在教學開始前對一些重要名詞做了簡短的解釋，希望讓大家更容易吸收文章內容。

• 交易憑證：一個.pfx結尾的檔案，電子下單時系統會檢查此憑證，必須有正確的憑證才可以下單。
• Google Cloud Platform(GCP)：Google的雲端平台，有著一系列由Google提供的雲端運算服務。
  • Cloud Storage：雲端的儲存空間。
  • Cloud Function：將函式上傳到雲端執行，而不用在本機端執行。
  • Cloud Scheduler：配合Cloud Function使用，可設定在固定時間點執行特定的Cloud Function。

接下來我會針對永豐、FinLab、GCP，一步步跟大家說明操作步驟。

永豐

首先是券商方面的設定，全程都不需撰寫程式。如果在過程中遇到問題，記得直接向自己的營業員詢問最快喔！

開永豐/Fugle證券戶

這兩家券商是目前FinLab模組有支援的券商，但因為本文是用永豐的帳戶來示範，如果想要一步一步跟著做的話，建議還是申辦永豐的券商。兩家券商都可以在線上進行開戶，這邊就不多贅述。

簽署API證券下單同意書

開完戶之後，按照營業員指示簽完基本的同意書後，記的要多簽一個API證券下單簽署，才能用API進行下單喔！

申請下單憑證

下載憑證管理小AP ，打開後會看以下到畫面

登入後會有兩種可能的狀況：

• 從未在這台電腦申請過交易憑證
  • 系統會跳視窗自動會引導你申請憑證，按照指引一步一步做即可
• 先前在這台電腦申請過交易憑證，但不是最新版的
  • 先點選憑證註銷後，再重新申請憑證即可

小提醒

在申請憑證的過程中不要更動檔案路徑，申請完後你的憑證就會儲存在“C:\ekey\551\身分證字號\S”的資料夾中，資料夾中名為Sinopac的檔案就是之後要上傳到GCP的交易憑證。

永豐模擬測試 (2022/09/22 更新)

永豐為配合主管機關，在9/20更新了政策，規定所有用戶必須2022/11/01前完成測試流程，否則將會停止客戶的API委託下單權限。

因此請大家花幾分鐘，按照永豐測試流程PDF完成所有的測試流程，以免被停權喔！（只要做這一次即可）

永豐在PDF中有提供測試程式檔(圖中紅色箭頭處)，只要填入在程式檔中填入自己的帳號密碼後，按說明依序執行即可。

有幾點要注意的地方：

1. shioaji套件須更新到 0.3.6.dev3
2. 只能在 2pm~6pm 之間進行模擬測試
3. 確保02_shioaji_sign_status.ipynb 執行到最後時，執行api.login()後要看到StockAccount的signed=True才算是完成喔！

FinLab

為了符合Cloud Function所規定的形式，接下來要將寫好的選股策略打包成函式，並加入FinLab串接下單的程式碼。

撰寫策略

首先要先有一隻策略佈署，這邊我使用FinLab公開文檔中的股價創新高動能策略作為示範。

from finlab.backtest import sim
from finlab import data
close = data.get("price:收盤價")
position = (close == close.rolling(250).max())
report = sim(position, resample="M", name="創年新高策略")

將策略打包成函式

若要上傳到策略到Clound Funciton，程式碼必須以函式的方式呈現。因此我將程式碼簡單打包如下，若對函式不熟悉的同學可以參考這篇文章！

from finlab.backtest import sim
from finlab import data

def run_strategy(): #將程式碼包裝成function，並回傳report這個物件(下單會用到)
    close = data.get("price:收盤價")
    position = (close == close.rolling(250).max())
    report = sim(position, resample="M", name="創年新高策略",upload=False)
    return report

串接FinLab下單模組

FinLab提供的下單模組，讓大家可以用策略回測的report物件來下單，更多的詳情請參考這份官方文檔，裡面有完整的介紹(附程式碼)。

以下是我撰寫的簡短範例code，預設將以10萬資金量來下市價委託單。

from finlab.online.order_executor import Position
from finlab.online.sinopac_account import SinopacAccount
from finlab.online.order_executor import OrderExecutor
import os

def make_order(report,fund=100000): #預設用100,000的資金跑策略，市價下單
  os.environ['SHIOAJI_ACCOUNT']= '永豐證券帳號'
  os.environ['SHIOAJI_PASSWORD']= '永豐證券密碼'
  os.environ['SHIOAJI_CERT_PATH']= '永豐證券憑證路徑'
  os.environ['SHIOAJI_CERT_PASSWORD'] = '永豐證券憑證密碼' #預設與身份證同
  position = Position.from_report(report, fund)
  acc = SinopacAccount()
  order_executer = OrderExecutor(position , account=acc) 
  # 實際下單（會真的下單，初次使用建議收市時測試）
  order_executer.create_orders(market_order=True) #用市價單(要注意滑價，可自行修改)
  return

總結

這篇文章我們完成了布置到GCP所需的前置作業，包括申請交易憑證、打包策略程式碼、加入下單模組，但目前的程式碼還無法實際應用。

在下篇文章中，我們會將這些東西進行細微的修改，以符合GCP的規定格式，並上傳到GCP以Cloud Function部署，最後用Cloud Scheduler定期呼叫Cloud Function就大功告成了！

今天的分享就到這裡結束了，我是阿榤，下次見，掰！(⁎⁍̴̛ᴗ⁍̴̛⁎)