您好，期货量化交易的设置和短线交易策略代码编写是一个复杂的过程，它涉及到多个步骤和技术。下面我将简要介绍如何设置期货量化交易平台以及如何编写一个简单的短线交易策略代码。

期货量化交易设置步骤：
1. 选择交易平台：
选择一个合适的量化交易平台是开始量化交易的第一步。常用的平台包括文华财经WH8、通达信、交易开拓者(TB)、迅投QMT等，它们提供了策略编写、回测和实盘交易的功能。
2. 编写交易策略：
以均线交叉策略为例，这是一种简单的量化交易策略。你可以使用Python或其他支持的语言编写策略。以下是一个基于均线交叉策略的简单示例代码：

```python
获取历史行情数据
closeprice = history(context.security, ['close'], 20, '1d', False, 'pre', is_panel=1)
# 计算5日和20日均线
MA5 = closeprice['close'].iloc[-5:].mean()
MA20 = closeprice['close'].mean()
判断均线交叉，进行买卖交易
if MA5 > MA20:
order_target_percent(context.security, 1) # 全仓买入
log.info("买入 %s" % (context.security))
elif MA20 > MA5 and context.portfolio.stock_account.market_value > 0:
order_target(context.security, 0) # 全仓卖出
log.info("卖出 %s" % (context.security))
```
3. 回测策略：
在编写好策略后，使用历史数据进行回测，以评估策略的表现。大多数量化交易平台都提供了回测工具，你可以设置回测参数，如资金规模、交易频率等，并查看回测结果。

短线交易策略代码编写示例：
以下是一个简单的Python示例代码，展示了如何在期货交易中运用量化策略，这里使用的是移动平均线交叉策略：

```python
# 引入必要的库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 假设数据已经通过某种方式获取
data = pd.DataFrame({
'Date': pd.date_range(start='2023-01-01', periods=200),
'Close': np.random.normal(100, 15, 200) # 使用模拟数据代替真实数据
})
data.set_index('Date', inplace=True)

# 计算简单移动平均线
short_window = 40
long_window = 100
data['Short MA'] = data['Close'].rolling(window=short_window).mean()
data['Long MA'] = data['Close'].rolling(window=long_window).mean()

请注意，以上代码仅为示例，实际应用中需要根据具体的交易平台和接口进行调整，并且需要考虑交易成本、滑点等实际交易因素。在实际投资前，应充分测试并了解策略的风险。

要想入门量化交易不踩坑，或者觉得量化做起来有点复杂，不知道从哪儿开始，可以直接加我微信或电话交流学习，让你低成本免费实现量化，还有现成的量化策略模型，免编程，直接用，一对一帮你快速上手!