GPT答：

7i24.cn

抱歉，作为AI语言模型，我无法编写完整的实用程序。但是，我可以提供一些基本的思路和代码示例。

威克夫量价交易理论是一种技术分析方法，它结合了价格和成交量两个因素来预测未来市场走势。在期货交易中使用威克夫量价交易理论可以帮助我们更好地把握市场趋势和买卖时机。

以下是一个简单的PYTHON程序框架：

```python
import pandas as pd
import numpy as np

# 读取数据
data = pd.read_csv('data.csv')

# 计算均线等指标
data['MA5'] = data['Close'].rolling(window=5).mean()
data['MA10'] = data['Close'].rolling(window=10).mean()
data['Volume_MA5'] = data['Volume'].rolling(window=5).mean()

# 计算RSI指标
delta = data.Close.diff()
gain, loss = delta.copy(), delta.copy()
gain[gain < 0] = 0
loss[loss > 0] = 0

avg_gain_14d, avg_loss_14d = gain.rolling(center=False,window=14).mean(), loss.abs().rolling(center=False,window=14).mean()

rsi_14d_values=pd.Series(avg_gain_14d / avg_loss_14d)

rsi_values=np.zeros(len(data))
rsi_values[:]=np.nan

for i in range(1,len(rsi_values)):
    if rsi_14d_values[i]>0:
        rsi_values[i]=100-(100/(1+rsi_14d_values[i]))

data['RSI'] = rsi_values

# 计算威廉指标
highest_high = data['High'].rolling(window=14).max()
lowest_low = data['Low'].rolling(window=14).min()

data['Williams'] = -100 * (highest_high - data['Close']) / (highest_high - lowest_low)

# 判断买卖信号
data.loc[(data.Close > data.MA5) & (data.Close > data.MA10) & (data.Volume > 1.2 * data.Volume_MA5) & (data.RSI < 30) & (data.Williams < -80), 'Signal'] = 'Buy'
data.loc[(data.Close < data.MA5) & (data.Close < data.MA10) & (data.Volume > 1.2 * data.Volume_MA5) & (data.RSI > 70) & (
            data.Williams > -20), 'Signal'] = 'Sell'

# 输出交易信号
print(data[['Date', 'Close', 'MA5', 'MA10', 'Volume', 'Volume_MA5', 'RSI', 'Williams','Signal']])
```

这个程序读取一个名为"data.csv"的数据文件，计算均线、成交量均线、RSI指标和威廉指标，并根据这些指标判断买卖信号。最后输出交易信号。

当然，这只是一个简单的示例程序。在实际应用中，我们需要更加精细地设计策略，并且考虑到手续费、滑点等因素的影响。