编写期货程序需要遵循以下步骤：
确定需求
明确你的期货交易策略，包括技术分析、基本面分析、机器学习模型等。
确定数据处理和行情分析的需求。
选择编程语言
常用的编程语言包括C++、Python、Java和MATLAB。
Python因其简洁的语法和丰富的库支持（如NumPy、Pandas、Matplotlib等）而广受欢迎。
安装必要的库
对于Python，你可能需要安装如NumPy、Pandas、Matplotlib、Pandas DataReader等库，用于数据处理和可视化。
安装如Backtrader、Zipline、QuantConnect等库，用于策略回测。
数据获取
使用API从交易所或数据提供商获取历史数据和实时数据。
例如，可以使用Tushare、JQData等第三方数据平台获取数据。
编写策略逻辑
根据你的交易策略，使用编程语言编写逻辑。
例如，如果是基于均线交叉的策略，你需要计算短期和长期均线，并在它们交叉时生成交易信号。
回测策略
在历史数据上测试你的策略，评估其表现。
使用回测库可以帮助你自动化这个过程，并提供策略性能的统计数据。
优化策略
根据回测结果，对策略进行优化，可能涉及参数调整、风险控制规则的添加等。
实盘执行
在经过充分的回测和优化后，可以考虑将策略应用于实盘交易。
```python
import numpy as np
import pandas as pd
假设df是一个DataFrame，包含至少两列：日期（'Date'）和收盘价（'Close'）
data = pd.DataFrame（{
'Date': pd.date_range（start='1/1/2020', periods=100）,
'Close': np.random.rand（100）
}）
计算短期和长期均线
data['SMA20'] = data['Close'].rolling（window=20, min_periods=1）.mean（）
data['SMA50'] = data['Close'].rolling（window=50, min_periods=1）.mean（）
生成交易信号
data['signal'] = 0
data['signal'][data['SMA20'] > data['SMA50']] = 1
data['signal'][data['SMA20'] < data['SMA50']] = -1
打印交易信号
print（data[['Date', 'Close', 'SMA20', 'SMA50', 'signal']]）
```
通过以上步骤和示例代码，你可以开始编写自己的期货量化交易程序。记住，编写期货程序需要不断学习和实践，不断优化和改进策略。