一个简单的量化交易策略

最新推荐文章于 2024-06-03 09:04:24 发布
最新推荐文章于 2024-06-03 09:04:24 发布
阅读量217 收藏
点赞数
文章标签： python 人工智能 ai
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_70922012/article/details/131515446
版权

本次量化的总体思路是：今天以开盘价全仓买入，明天以收盘价全仓卖出

目标股池：股票太多了，就只选沪深300里面的300只股票，再每天选出5日均线大于30日均线，rsi指标小于50的股票，再随机选出一只买入

开始之前需要先了解一下聚宽的几个因子函数：MA()，MACD()，RSI()。

def ma(data,time):
    '''传入一个股票列表'''
    '''MA详见ma均线解析：https://www.joinquant.com/help/api/help#technicalanalysis:MA-均线'''
    ma5=MA(      
        security_list=data, #XSHG  上海证券交易所 ; XSHE   深圳证券交易所 
        check_date=time, 
        timeperiod=5, 
        unit = '1d', 
        include_now = True, 
        fq_ref_date = None
        )
    ma30=MA(      
        security_list=data, #XSHG  上海证券交易所 ; XSHE   深圳证券交易所 
        check_date="2023-06-19", 
        timeperiod=30, 
        unit = '1d', 
        include_now = True, 
        fq_ref_date = None
        )
    return ma5,ma30

'''macd的用法： 
1.DIFF、DEA均为正，DIFF向上突破DEA，买入信号。 
2.DIFF、DEA均为负，DIFF向下跌破DEA，卖出信号。
3.DEA线与K线发生背离，行情反转信号。 
4.分析MACD柱状线，由红变绿(正变负)，卖出信号；由绿变红，买入信号'''
def macd(data,time):
    macd=MACD(
        security_list=data, 
        check_date=time, 
        SHORT = 12, 
        LONG = 26, 
        MID = 9, 
        unit = '1d', 
        include_now = True, 
        fq_ref_date = None
        )
    return macd[0],macd[1],macd[2]
# print(macd("002129.XSHE")) 

'''用法注释：
1.RSI>80 为超买，RSI<20 为超卖； 
2.RSI 以50为中界线，大于50视为多头行情，小于50视为空头行情； 
3.RSI 在80以上形成Ｍ头或头肩顶形态时，视为向下反转信号； 
4.RSI 在20以下形成Ｗ底或头肩底形态时，视为向上反转信号； 
5.RSI 向上突破其高点连线时，买进；RSI 向下跌破其低点连线时，卖出。
'''
def rsi(data,time):
    rsi=RSI(
        security_list=data, 
        check_date=time, 
        N1=6, 
        unit = '1d', 
        include_now = True, 
        fq_ref_date = None
        )
    return rsi

获取股票价格的函数：get_price()，如开盘价，收盘价等

'''获取股票的当前价格信息'''
#函数介绍详见https://www.joinquant.com/help/api/help#index:历史行情数据
def fun(data,time):
    df=get_price(
        security=data, 
        start_date=time, 
        end_date=time, 
        frequency='daily', 
        fields=["open", "close"], #要获取的行情数据字段
        skip_paused=False, #是否跳过不交易日期(包括停牌, 未上市或者退市后的日期).
        fq='pre'  #前复权
        )
    return df

有了ma和rsi后，便可以选出沪深300里面ma5>ma30 and rsi<50 的股票list

#根据获取到的m5,m30数据写选股的策略
def yz(data,time):
    ma1=ma(data,time)
    macd1=macd(data,time)
    rsi1=rsi(data,time)
    dict1={
    "证券代码":ma1[0].keys(),
    "ma5":ma1[0].values(),
    "ma30":ma1[1].values(),
    "macd_m":macd1[2].values(),
    "rsi":rsi1.values()
    }
    df=pd.DataFrame(dict1)
    list1=[]
    for i in range(len(df)):
        if df.macd_m[i]>=0 and df.ma5[i]>=df.ma30[i] and df.rsi[i]<50:
            data=df.证券代码[i]
            list1.append(data)    
    return list1

有了可以买入的股票数据后，开始买卖操作，并记录。在此之前，需要先获取一下A股交易日历的数据，我是自己爬的，因为 获取股票价格的函数：get_price()需要传入交易日的日期，否则是没有数据的

'''记录买入信息,买入先看是否是交易日，如果不是则+1为time3'''
def buy(data,k_df):
    zdrq=pd.read_excel(r"A股交易日历.xlsx",index_col=0,dtype={"交易日":str})
    d=zdrq["交易日"].str.contains(k_df["日期"][-1],case=True)
    time3=zdrq.loc[(zdrq[d].index+1).values].values[0][0]
    if not zdrq[d].empty:
        arr=yz(data,time3)
        daima=random.choice(arr)
        #如果当前持仓为0，可用资金大于0，因子函数yz()选出来的arr有股票，则买入，否则当前持仓还是上一日的股票
        if k_df["当前持仓"][-1]==0 and k_df["可用资金"][-1]>0 and len(arr)!=0:
            df1=fun(daima,time3)
            c_w=k_df["可用资金"][-1]/df1.open[0]//100
            money=k_df["可用资金"][-1]-c_w*df1.open[0]*100
            # name=df1.index.values
            k_df.loc[time3]=[time3,df1.open[-1],df1.close[-1],daima,c_w,money,c_w*df1.open[-1]*100+money]
        else :
            df1=fun(k_df.代码[-1],time3)     #如果今天不买入股票，则上一日买入后今天持仓还是一样，所以要取上一日的持仓数据，更新总资产和开盘价和收盘价
            k_df.loc[time3]=[
            time3,                         #传入的交易日时间参数   
            df1.open[-1],
            df1.close[-1],
            k_df.values[-1][3], #k_df的代码列
            k_df.values[-1][4], #k_df的当前持仓列
            k_df.values[-1][5], #k_df的可用资金列
            k_df.values[-1][4]*df1.close[-1]*100+k_df.values[-1][5]
            ]
    else:
        pass
    return k_df


'''记录卖出信息,有仓位时，第二天就卖,因为只有交易日才能买卖，买入的参数是表格里面的，不需要修改。
但是卖出的第二天需要为交易日，所以用s.str.contains找到time1在表格的位置，找到位置后+1就是下一个交易日'''
def sell(k_df):
    zdrq=pd.read_excel(r"D:\0kefu+1\p\量化交易\A股交易日历.xlsx",index_col=0,dtype={"交易日":str})
    if not k_df.empty:  #如果df不为空
        d=zdrq["交易日"].str.contains(k_df["日期"][-1],case=True)
        time3=zdrq.loc[(zdrq[d].index+1).values].values[0][0]
        # time3=pd.to_datetime(df.index.values[0])+pd.Timedelta('1days')
        df1=fun(k_df.代码[-1],time3)
        money=df1.close[0]*k_df["当前持仓"][-1]*100+k_df["可用资金"][-1]
        k_df.loc[time3]=[time3,df1.open[-1],df1.close[-1],k_df["代码"][-1],0,money,money]
    else:
        pass
    return k_df

以下是我运行后的结果，很显然，随机买入卖出，一个月的时间亏了近1万，有了总资产的数据后就可以做收益图，我就不做了，主要交流一下量化的思路

：

 注意：k_df我创建的一个空表，2023-04-10是初始资金100000，没有持仓，用于记录每一次买卖交易

完整代码：

from jqdatasdk import *
from jqdatasdk.technical_analysis import *
import numpy as np
import pandas as pd
import random

import warnings
warnings.simplefilter('ignore') #pd.read_excel()读沪深300样本股6.9号更新.xlsx成功运行，但是有一个报错。warnings可以防止报错。

#连接聚宽的方式
auth("***************","******")



#run函数用于读取传入股票代码的数据open，close,low等数据。
def ma(data,time):
    '''传入一个股票列表'''
    '''MA详见ma均线解析：https://www.joinquant.com/help/api/help#technicalanalysis:MA-均线'''
    ma5=MA(      
        security_list=data, #XSHG  上海证券交易所 ; XSHE   深圳证券交易所 
        check_date=time, 
        timeperiod=5, 
        unit = '1d', 
        include_now = True, 
        fq_ref_date = None
        )
    ma30=MA(      
        security_list=data, #XSHG  上海证券交易所 ; XSHE   深圳证券交易所 
        check_date="2023-06-19", 
        timeperiod=30, 
        unit = '1d', 
        include_now = True, 
        fq_ref_date = None
        )
    return ma5,ma30

'''macd的用法： 
1.DIFF、DEA均为正，DIFF向上突破DEA，买入信号。 
2.DIFF、DEA均为负，DIFF向下跌破DEA，卖出信号。
3.DEA线与K线发生背离，行情反转信号。 
4.分析MACD柱状线，由红变绿(正变负)，卖出信号；由绿变红，买入信号'''
def macd(data,time):
    macd=MACD(
        security_list=data, 
        check_date=time, 
        SHORT = 12, 
        LONG = 26, 
        MID = 9, 
        unit = '1d', 
        include_now = True, 
        fq_ref_date = None
        )
    return macd[0],macd[1],macd[2]
# print(macd("002129.XSHE")) 

'''用法注释：
1.RSI>80 为超买，RSI<20 为超卖； 
2.RSI 以50为中界线，大于50视为多头行情，小于50视为空头行情； 
3.RSI 在80以上形成Ｍ头或头肩顶形态时，视为向下反转信号； 
4.RSI 在20以下形成Ｗ底或头肩底形态时，视为向上反转信号； 
5.RSI 向上突破其高点连线时，买进；RSI 向下跌破其低点连线时，卖出。
'''
def rsi(data,time):
    rsi=RSI(
        security_list=data, 
        check_date=time, 
        N1=6, 
        unit = '1d', 
        include_now = True, 
        fq_ref_date = None
        )
    return rsi
# print(rsi("002129.XSHE")) 

#根据获取到的m5,m30数据写选股的策略
def yz(data,time):
    ma1=ma(data,time)
    macd1=macd(data,time)
    rsi1=rsi(data,time)
    dict1={
    "证券代码":ma1[0].keys(),
    "ma5":ma1[0].values(),
    "ma30":ma1[1].values(),
    "macd_m":macd1[2].values(),
    "rsi":rsi1.values()
    }
    df=pd.DataFrame(dict1)
    list1=[]
    #选取沪深300里面今天ma5日线大于ma30日线的股票
    # for i in range(len(df)):
    #     if df.ma5[i]>=df.ma30[i]:
    #         data=df.证券代码[i]
    #         list1.append(data)
    #选取沪深300里面今天rsi<=20的股票
    # for i in range(len(df)):
    #     if df.rsi[i]<=20:
    #         data=df.证券代码[i]
    #         list1.append(data)
    #选取沪深300里面今天macd的m值为正;ma5大于ma30的股票（参考东方财富macd指标的m值）
    for i in range(len(df)):
        if df.macd_m[i]>=0 and df.ma5[i]>=df.ma30[i] and df.rsi[i]<50:
            data=df.证券代码[i]
            list1.append(data)    
    return list1


'''获取股票的当前价格信息'''
#函数介绍详见https://www.joinquant.com/help/api/help#index:历史行情数据
def fun(data,time):
    df=get_price(
        security=data, 
        start_date=time, 
        end_date=time, 
        frequency='daily', 
        fields=["open", "close"], #要获取的行情数据字段
        skip_paused=False, #是否跳过不交易日期(包括停牌, 未上市或者退市后的日期).
        fq='pre'  #前复权
        )
    return df

# data=fun("002129.XSHE","2023-06-19")
# print(data.index[-1])
# print(data.open[-1])
# print(data.close[-1])

'''记录买入信息,买入先看是否是交易日，如果不是则+1为time3'''
def buy(data,k_df):
    zdrq=pd.read_excel(r"D:\0kefu+1\p\量化交易\A股交易日历.xlsx",index_col=0,dtype={"交易日":str})
    d=zdrq["交易日"].str.contains(k_df["日期"][-1],case=True)
    time3=zdrq.loc[(zdrq[d].index+1).values].values[0][0]
    if not zdrq[d].empty:
        arr=yz(data,time3)
        daima=random.choice(arr)
        #如果当前持仓为0，可用资金大于0，因子函数yz()选出来的arr有股票，则买入，否则当前持仓还是上一日的股票
        if k_df["当前持仓"][-1]==0 and k_df["可用资金"][-1]>0 and len(arr)!=0:
            df1=fun(daima,time3)
            c_w=k_df["可用资金"][-1]/df1.open[0]//100
            money=k_df["可用资金"][-1]-c_w*df1.open[0]*100
            # name=df1.index.values
            k_df.loc[time3]=[time3,df1.open[-1],df1.close[-1],daima,c_w,money,c_w*df1.open[-1]*100+money]
        else :
            df1=fun(k_df.代码[-1],time3)     #如果今天不买入股票，则上一日买入后今天持仓还是一样，所以要取上一日的持仓数据，更新总资产和开盘价和收盘价
            k_df.loc[time3]=[
            time3,                         #传入的交易日时间参数   
            df1.open[-1],
            df1.close[-1],
            k_df.values[-1][3], #k_df的代码列
            k_df.values[-1][4], #k_df的当前持仓列
            k_df.values[-1][5], #k_df的可用资金列
            k_df.values[-1][4]*df1.close[-1]*100+k_df.values[-1][5]
            ]
    else:
        pass
    return k_df


'''记录卖出信息,有仓位时，第二天就卖,因为只有交易日才能买卖，买入的参数是表格里面的，不需要修改。
但是卖出的第二天需要为交易日，所以用s.str.contains找到time1在表格的位置，找到位置后+1就是下一个交易日'''
def sell(k_df):
    zdrq=pd.read_excel(r"D:\0kefu+1\p\量化交易\A股交易日历.xlsx",index_col=0,dtype={"交易日":str})
    if not k_df.empty:  #如果df不为空
        d=zdrq["交易日"].str.contains(k_df["日期"][-1],case=True)
        time3=zdrq.loc[(zdrq[d].index+1).values].values[0][0]
        # time3=pd.to_datetime(df.index.values[0])+pd.Timedelta('1days')
        df1=fun(k_df.代码[-1],time3)
        money=df1.close[0]*k_df["当前持仓"][-1]*100+k_df["可用资金"][-1]
        k_df.loc[time3]=[time3,df1.open[-1],df1.close[-1],k_df["代码"][-1],0,money,money]
    else:
        pass
    return k_df

if __name__=="__main__":
    k_df=pd.DataFrame(data=None,columns=["日期","open","close","代码","当前持仓","可用资金","总资产"])
    k_df.loc[0,"日期"]="2023-04-10"  #初始仓位
    k_df.loc[0,"当前持仓"]=0  #初始仓位
    k_df.loc[0,"可用资金"]=100000
    k_df.loc[0,"总资产"]=100000  #初始资金
    k_df.set_index("日期",inplace=True,drop=False)
    k_df.index.values[0]="2023-04-10"
    # print(k_df.values)
    df=pd.read_excel(r"D:\0kefu+1\p\tushare\沪深300样本股6.9号更新.xlsx",index_col=0,dtype={"证券代码":str})
    df1=pd.read_excel(r"D:\0kefu+1\p\量化交易\A股交易日历.xlsx",index_col=0,dtype={"交易日":str})
    for i in range(len(df.index.values)):
        if df.index.values[i][0]=="0" or df.index.values[i][0]=="3":
            df.index.values[i]=df.index.values[i]+".XSHE"
        else:
            df.index.values[i]=df.index.values[i]+".XSHG"
    
    '''当i是奇数的时候买入，是偶数的时候卖出，就达到了第一天买入，下一个交易日是卖出'''
    i=1
    for i in range(1,20):
        print(i)
        if i%2!=0:
            buy(list(df.index.values),k_df)
            print(k_df)
        else:
            sell(k_df)
            print(k_df)
        i+=1

单身160
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
量化交易 米筐 构建一个完整策略
廷益_飞鸟的博客
10-10 2456
实现第一个股票策略 1、选股简单介绍 选择某些表现比较好的股票作为股票池，从中进行交易的判断或者直接购买。 2、需求 选股：获取市盈率大于50且小于65，营业总收入前10的股票 调仓：每日调仓，将所有资金平摊到 10个股票的购买策略， ​ 一次性卖出所有不符合条件的股票 3、代码 # 选股：获取市盈率大于50且小于65，营业总收入前10的股票 # 调仓：每日调仓，将所有资金平摊到 10个股票的购买策略，一次性卖出所有不符合条件的股票 # 在这个方法中编写任何的初始化逻辑。context对
ChatGPT生成量化交易策略，真好玩
松鼠宽客的博客
12-06 1万+
OK，还有没有更好玩的对量化策略开发，高质量社群，交易思路分享等相关内容『正文』ˇ最近比较火的OpenAI-ChatGPT，太有意思了。尝试让它写了几个策略，您别说，还真是有模有样。我们来看看吧。源码： 模型二：一个均线策略 源码： 模型三：唐奇安通道+MACD 源码： 模型四:机器学习策略 源码：编写期货收益率预测模型的过程可能比较复杂，因为这类模型通常需要考虑许多因素。但是，以下是一个简单的Python程序，它使用Scikit-learn库来构建并训练一个期货收益率预测模型：
用Python写一个量化交易策略
weixin_42611177的博客
12-19 564
好的，这是一个关于如何用 Python 写一个量化交易策略的简单示例。 首先，需要准备好所需的数据。这可以通过使用量化交易软件或者第三方数据源来获取。接下来，你可以使用 Python 的 pandas 库来处理数据并进行分析。 然后，你需要定义你的交易策略。这可以根据市场情况，你的风险承受能力以及其他因素来决定。比如说，你可以使用技术分析工具来确定买入或卖出的时机，或者使用机器学习模型来预测市场走...
一个量化交易策略师的自白
热门推荐
rede
05-09 6万+
转 一个量化交易策略师的自白         我之前在全球top5券商工作时也主要以CTA研究为主，每天都在不停的进行各种回测和开发。彼时，部门的CTA交易主要集中在股指期货的日内投机上，基本市场上能搜集到的各种书籍和报告我都浏览过。不过，从实际运用的角度来看，不同的技术分析方法，指标类切线类也好，形态类波浪类也罢，无论其历史背景和基本原理如何，其实质都是基...
量化交易策略代码java_3.量化交易策略基本框架
weixin_40009026的博客
02-24 2680
摘要策略编写的基本框架及其实现回测的含义及其实现初步学习解决代码错误周期循环的开始时间自测与自学通过前文对量化交易有了一个基本认识之后，我们开始学习做量化交易。毕竟就像学游泳，有些东西讲是讲不懂，做过就会懂。从一个非常简单的交易策略开始先看一个非常简单的交易策略：每天买100股的平安银行。为了让这个策略能让计算机执行，首先，要使策略符合“初始化+周期循环”框架，像这样：初始化：选定要交易的股票为平...
Python量化交易04——基于机器学习的交易策略
weixin_46277779的博客
12-26 5012
Python机器学习构建量化策略
Python量化交易策略及回测系统
weixin_47974364的博客
03-12 3万+
目录前言：行文思路1、模块导入2、数据获取3、股票数据类型转换4、策略编写5、回测系统编写6、实例化策略非面向对象的编程 前言：行文思路 由于本文篇幅较长，而且文中关于python数据分析的知识点、python金融量化的知识点较多，因此在文章的开头先给出本文整体思路，以便读者能够拥有较为清晰的脉络通读全文。 第一部分：模块导入，主要是将后面需要用到的模块进行导入（简单，非重点） 第二部分：数据获取，鉴于在网络上股票数据不易找到，Wind金融终端等数据库数据收费，通过多方查找，终于让我找到了能够免费下载股票数
python：chatGPT 写一个趋势跟踪策略 量化交易程序
belldeep的专栏
03-19 2491
chatGPT：趋势跟踪策略的量化交易程序可能会因语言和框架而异，下面是一个简单的Python代码示例，用于演示如何通过量化编程来实现趋势跟踪策略。
量化交易策略-指数增强策略示例
04-10
简单的指数增强策略示例，仅供研究学习，不可以直接用于实盘交易。可以作为刚入们的量化的小白的学习资料。
量化交易策略-日内交易策略示例
04-10
Ptrade量化交易平台的量化交易策略示例，基于Python的量化交易策略，简单的日内交易策略示例，仅供研究学习，不可以直接用于实盘交易。可以作为刚入们的量化的小白的学习资料。
量化交易策略-三因子策略示例
04-10
Ptrade量化交易平台的量化交易策略示例，基于Python的量化交易策略，简单的三因子策略示例，仅供研究学习，不可以直接用于实盘交易。可以作为刚入们的量化的小白的学习资料。
量化交易策略-二八轮动策略示例
04-10
Ptrade量化交易平台的量化交易策略示例，基于Python的量化交易策略，简单的二八轮动策略示例，仅供研究学习，不可以直接用于实盘交易。可以作为刚入们的量化的小白的学习资料。
专属编程笔记
u014397365的博客
06-01 1004
在软件开发中，Utils（或Utilities）目录通常用于存放一些。这些工具类或函数为整个应用程序或多个模块提供便利的功能支持，使得代码更加模块化、易于维护和重用。UtilsUtils目录的设计目的在于避免代码重复，并确保在整个项目中以一致的方式处理共通任务。这样做可以提高开发效率，降低维护成本，并确保代码的整洁性和可读性。
如何mysql数据导入到mongdb
codemami的博客
05-30 1570
由于MySQL和MongoDB的数据模型不同（例如，MySQL使用关系模型，而MongoDB使用文档模型），你可能需要转换数据的格式。使用MongoDB驱动程序：你也可以使用MongoDB的官方驱动程序（如Python的pymongo）来编写脚本，将数据直接插入到MongoDB中。注意：如果你的JSON文件包含多个文档，并且它们不是作为数组的一部分（即每个文档都在其自己的行上），则需要使用--jsonArray选项。手动转换：对于小型数据集，你可以手动编辑SQL或CSV文件，将其转换为JSON格式。
在linux服务器上使用tensorboard，错误记录
wwwwzm的博客
05-30 1252
1. 使用tensorboard命令时，不是从虚拟环境中找tensorboard，而是从（全局路径）中找（/home/ljx/.local/lib/python3.9/site-packages/tensorboard）是一个在 Unix-like 系统（包括 Linux 和 macOS）的命令行界面（如 Bash shell）中使用的命令。2.使用which命令， 查看使用的tensorboard的路径，发现使用的是全局路径，不是虚拟环境路径。是一个特殊的变量，它定义了操作系统搜索可执行文件的目录。
基于NANO 9K 开发板加载PICORV32软核，并建立交叉编译环境
pocean2012的博客
05-30 1237
ISP的实现逻辑是出厂“芯片”（我们这里是软核）自带了BootLoader程序，即出厂引导程序，通过BootLoader可以将程序从串口（上位机）下载到Flash中，实际的时序是通过RST来区分正常启动还是烧录状态，然后上位机的烧录脚本来控制串口时序， 用户程序实际上是通过串口最终下载到了FLASH中，然后程序从flash启动。NANO 9K低成本体验FPGA开发，还是挺香的，官方例子有加载PICORV32软核的例子，可以建立简单的ISP编程环境，通过串口就可以加载程序，很方便。
Docker笔记-解决非交互式运行python时print不输出的问题
最新发布
IT1995的博客
06-03 258
通过使用"-e"选项，可以在容器内部设置环境变量，用于配置应用程序的行为。"-e"选项的全称是"env"，它用于在Docker命令中设置环境变量。在命令行中，"-e"表示"env"的缩写。通过使用"-e"选项，可以在容器内部设置环境变量，用于配置应用程序的行为。这个命令会在运行的Docker容器中设置一个名为"KEY"的环境变量，并将其值设置为"VALUE"。所以，"-e"选项允许你在运行Docker容器时设置环境变量，以定制容器内应用程序的行为。在Docker命令中，"-e"是用来设置环境变量的选项。
Python自动化脚本：文件分类
svygh123的专栏
06-01 444
要使用Python根据文件类型进行分类，可以遍历指定目录下的所有文件，检查每个文件的扩展名，然后根据扩展名将文件移动到对应的文件夹中。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值