利用JanusGraph图数据库统计股票涨停板后的走势

最新推荐文章于 2023-01-01 14:15:19 发布
最新推荐文章于 2023-01-01 14:15:19 发布
阅读量506 收藏
点赞数
分类专栏： JanusGraph
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/ooobenooo/article/details/115656068
版权

环境信息：

1. Java 8 

2. JanusGraph 0.54 （使用Oracle Berkeley DB Java Edition作为底层存储）

3. Windows 10

一、股票数据源

注册 Tushare https://tushare.pro/register?reg=332190 获取数据。

二、导入JanusGraph

1. 启动JanusGraph

打开cmd, 进入janusGraph根目录，输入

bin\gremlin-server.bat conf\gremlin-server\gremlin-server-berkeleyje.yaml

 2. 定义模型

打开另一个cmd, 进入janusGraph根目录，输入

bin\gremlin.bat
gremlin> :remote connect tinkerpop.server conf/remote.yaml
==>Configured localhost/127.0.0.1:8182
gremlin> :remote console
==>All scripts will now be sent to Gremlin Server - [localhost/127.0.0.1:8182] - type ':remote console' to return to local mode

 复制黏贴以下代码建立模型。日K线即为图中的顶点，K线图是链表结构，组成有向无环图。

mgmt = graph.openManagement()
tsCode = mgmt.makePropertyKey('tsCode').dataType(String.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
tradeDate = mgmt.makePropertyKey('tradeDate').dataType(Date.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
open = mgmt.makePropertyKey('open').dataType(Double.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
high = mgmt.makePropertyKey('high').dataType(Double.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
low = mgmt.makePropertyKey('low').dataType(Double.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
close = mgmt.makePropertyKey('close').dataType(Double.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
preClose = mgmt.makePropertyKey('preClose').dataType(Double.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
ma5 = mgmt.makePropertyKey('ma5').dataType(Double.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
ma10 = mgmt.makePropertyKey('ma10').dataType(Double.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
ma20 = mgmt.makePropertyKey('ma20').dataType(Double.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
ma30 = mgmt.makePropertyKey('ma30').dataType(Double.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
ma90 = mgmt.makePropertyKey('ma90').dataType(Double.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
ma120 = mgmt.makePropertyKey('ma120').dataType(Double.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
ma250 = mgmt.makePropertyKey('ma250').dataType(Double.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
change = mgmt.makePropertyKey('change').dataType(Double.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
pctChange = mgmt.makePropertyKey('pctChange').dataType(Double.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
volume = mgmt.makePropertyKey('volume').dataType(Double.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
amount = mgmt.makePropertyKey('amount').dataType(Double.class).cardinality(org.janusgraph.core.Cardinality.SINGLE).make()
tradeRecord = mgmt.makeVertexLabel('tradeRecord').make()
mgmt.addProperties(tradeRecord, tsCode, tradeDate, open, high, low, close, preClose, ma5, ma10, ma20, ma30, ma90, ma120, ma250, change, pctChange, volume, amount)
mgmt.commit()

3. 导入数据

导入数据各有各法，实现每支股票的K线 k0 -> k1 -> k2 -> ... -> kn

GraphTraversalSource g = traversal().withRemote("conf/remote-graph.properties");

// 前一个日k线
Vertex kp = null;
// 当前日k线
Vertex kc;

for (...) {
    String tsCode = ...;
    Date tradeDate = ...;
    Double open = ...;
    Double high = ...;
    Double low = ...;
    Double close = ...;
    Double ma5 = ...;
    Double ma10 = ...;
    Double ma20 = ...;
    Double ma30 = ...;
    Double ma90 = ...;
    Double ma120 = ...;
    Double ma250 = ...;
    Double change = ...;
    Double pctChange = ...;
    Double volume = ...;
    Double amount = ...;

    kc = g.addV("tradeRecord").property("tsCode", tsCode)
                                .property("tradeDate", tradeDate)
                                .property("open", open)
                                .property("high", high)
                                .property("low", low)
                                .property("close", close)
                                .property("ma5", ma5)
                                .property("ma10", ma10)
                                .property("ma20", ma20)
                                .property("ma30", ma30)
                                .property("ma90", ma90)
                                .property("ma120", ma120)
                                .property("ma250", ma250)
                                .property("change", change)
                                .property("pctChange", pctChange)
                                .property("volume", volume)
                                .property("amount", amount)
                                .next();

    if (null != kp) {
        g.addE("links").from(kp).to(kc).next();
    }

    kp = kc;
}

三、找出涨停板后未来两个交易日走势

try (GraphTraversalSource g = traversal().withRemote("conf/remote-graph.properties")) {

                    GraphTraversal<Vertex, Map<String, Object>> t = g.with(Tokens.ARGS_EVAL_TIMEOUT, 3000000L).V()
                            .and(has("tsCode", "000001.SZ"), has("pctChange", P.gte(9.99)))
                            .as("x") // 涨停板
                            .out().as("y") // 涨停板后第一个K线
                            .out().as("z") // 涨停板后第二个K线
                            .project("d1", "d2", "d2pctChange", "d3", "d3pctChange")
                            .by(select("x").by("tradeDate")) // 涨停板日期
                            .by(select("y").by("tradeDate")) // 涨停板后第一个K线日期
                            .by(select("y").by("pctChange")) // 涨停板后第一个K线涨跌幅
                            .by(select("z").by("tradeDate")) // 涨停板后第二个K线日期
                            .by(select("z").by("pctChange")) // 涨停板后第二个K线涨跌幅
                            .select("d1", "d2", "d2pctChange", "d3", "d3pctChange")
                            .order().by("d1");

                    while (t.hasNext()) {
                        Map<String, Object> e = t.next();

                        String r = String.format("%s,%s,%s,%s,%s \n",
                                 sdf.format(e.get("d1")), sdf.format(e.get("d2")), e.get("d2pctChange"), sdf.format(e.get("d3")), e.get("d3pctChange"));

                        System.out.print(r);
                    }
                } catch (Exception e) {
                    e.printStackTrace();
                }

输出结果： 

000001.SZ,19921001,19921130,19921201,2.35,19921202,-1.53 
000001.SZ,19940228,19940429,19940503,12.57,19940504,-8.06 
000001.SZ,19940304,19940503,19940504,-8.06,19940505,3.63 
000001.SZ,19940602,19940801,19940802,2.08,19940803,10.2 
000001.SZ,19940604,19940803,19940804,1.76,19940805,4.19 
000001.SZ,19940707,19940905,19940906,5.16,19940907,-8.98 
000001.SZ,19941016,19941215,19941216,-1.59,19941219,-4.41 
000001.SZ,19950319,19950518,19950519,2.99,19950522,1.58 
000001.SZ,19960226,19960426,19960429,13.73,19960430,-2.52 
000001.SZ,19960229,19960429,19960430,-2.52,19960502,-6.45 
000001.SZ,19960401,19960531,19960603,7.27,19960604,1.67 
000001.SZ,19960412,19960611,19960612,0.53,19960613,0.93 
000001.SZ,19961019,19961218,19961219,-1.74,19961220,-0.06 
000001.SZ,19970123,19970324,19970325,3.39,19970326,1.51 
000001.SZ,19970306,19970505,19970506,9.99,19970507,9.96 
000001.SZ,19970307,19970506,19970507,9.96,19970508,-8.18 
000001.SZ,19970308,19970507,19970508,-8.18,19970509,4.54 
000001.SZ,19970321,19970520,19970521,-1.87,19970522,-8.19 
000001.SZ,19970421,19970620,19970623,7.57,19970624,4.6 
000001.SZ,19990327,19990526,19990527,9.99,19990531,10.03 
000001.SZ,19990328,19990527,19990531,10.03,19990601,8.41 
000001.SZ,19990401,19990531,19990601,8.41,19990602,0.75 
000001.SZ,19990425,19990624,19990625,1.09,19990628,8.97 
000001.SZ,19990521,19990720,19990721,8.75,19990722,-5.22 
000001.SZ,19991216,20000214,20000215,-4.47,20000216,-3.24 
000001.SZ,20010824,20011023,20011024,0.14,20011025,-2.34 
000001.SZ,20020425,20020624,20020625,10.0,20020626,0.21 
000001.SZ,20020426,20020625,20020626,0.21,20020627,2.29 
000001.SZ,20021115,20030114,20030115,-2.1,20030116,1.52 
000001.SZ,20030215,20030416,20030417,-2.25,20030418,-4.23 
000001.SZ,20050206,20050407,20050408,10.05,20050411,2.21 
000001.SZ,20050207,20050408,20050411,2.21,20050412,-4.32 
000001.SZ,20050822,20051021,20051024,-1.42,20051025,-2.72 
000001.SZ,20060225,20060426,20060427,4.55,20060428,7.21 
000001.SZ,20080721,20080919,20080922,9.98,20080923,-6.22 
000001.SZ,20080724,20080922,20080923,-6.22,20080924,-2.58 
000001.SZ,20080814,20081013,20081014,-0.6,20081016,-5.99 
000001.SZ,20081225,20090223,20090225,1.07,20090226,-8.91 
000001.SZ,20090416,20090615,20090616,2.68,20090617,-1.73 
000001.SZ,20090531,20090730,20090803,-1.26,20090804,-3.13 
000001.SZ,20090903,20091102,20091103,0.85,20091104,1.84 
000001.SZ,20130711,20130909,20130910,2.56,20130911,2.01 
000001.SZ,20140929,20141128,20141201,-2.01,20141202,7.63 
000001.SZ,20150209,20150410,20150413,1.1,20150414,-1.45 
000001.SZ,20200507,20200706,20200707,-1.28,20200708,1.81

四、总结

纯粹个人娱乐，没有参考价值。

第五篇 Data Feeds (1)数据接口
mebnkan的博客
09-12 1203
backtrader中Data Feeds使用数据接口
股票涨停板探索性分析与数据挖掘
yunwu2014的博客
05-29 1674
D1引言 从系统论的角度来看，股票市场是一个复杂系统，市场的涨跌是由资金流（市场资金存量、流入量、流出量）和回路（市场信息与交易者行为形成的各种反馈、调节、增强回路）非线性作用下的结果。换句话说，牛市是资金流入和正向反馈（赚钱效应吸引更多资金流入）占主下的系统演化过程，熊市则相反。而影响市场资金流向和反馈回路形成的驱动因素主要有政策、经济、交易情绪、流动性、技术面和外围环境等。市场上对这些驱动因素的研究和把握最强的是“聪明资金”（Smart money），在A股上则是那些游资主力，而不是基金。龙虎榜是这些
janusgraph源码分析7-存储结构
qq_32140547的博客
11-08 1272
基础类 InternalRelation 和 InternalRelationType 有关类型体系很复杂，可以使用 IDEA 的显示继承体系功能，查看类图。类图比较大，不太好看。大概描述一下： 主要是 JanusGraphElement 作为顶级类，接下来还有一个 InternalElement 作为顶级的 Internal 类。 JanusGraphElement 继承的类主要分为 Janus...
janusgraph 图数据统计mapreduce
weixin_39045757的博客
08-27 409
MAPREDUCE: import java.util import org.apache.commons.configuration.Configuration import org.apache.tinkerpop.gremlin.process.computer.{KeyValue, MapReduce} import org.apache.tinkerpop.gremlin.struct...
统计过去一年A股涨停板
qmkdtc的博客
01-01 554
可以看到过去一年里大概有1.2万次涨停，羡慕啊，可惜一个没抓住，哭泣。由于多次调用接口，可以看到这边耗费时间还是比较长的，大概5分钟。由于刚才的daily接口没有股票名称，和交易所信息，所以这边用strock_basic接口拉取了相关信息。这里想要的是深交所和上交所2021年到2022年，所有上市公司的日线行情数据。然后，看看哪个公司过去一年涨停板最多，可以看到生物、医疗之类的公司占比不少啊，可惜没把握住。最近股票跌的厉害，所以想看看过去一年里，咱们大A股到底有多少个涨停板，过过眼瘾T_T。
股票量化分析（4）——利用各种数据源（yahoo、新浪、阿里云）的股票数据画图
niuge8905的博客
09-28 6077
前面讲了利用Tushare的数据画图，接下来讲讲利用yahoo、新浪、阿里云的股票数据画图。这里先引用这位大牛的博客（利用yahoo的股票数据），讲得很详细。但是这里需要注意的一点是：这篇博客的代码需要在Python环境下运行，不可以在IPython环境下运行，不然会出错。以下图片是运行结果。 http://blog.csdn.net/robertsong2004/article/details/
GraphTraversal
05-23
图形遍历 简单的图形遍历示例。
利用python获取股票涨停板数据
m0_51416705的博客
11-09 3686
# -*- coding: utf-8 -*- """ Created on Tue Nov 9 14:06:32 2021 @author: ThinkPad """ #【Python量化】 import pandas as pd import numpy as np import csv import pyecharts #画图 import matplotlib.pyplot as plt #正确显示中文和负号 plt.rcParams['font.sans-serif']=['SimHei']
股票K线学习走势分析-实战涨停板秘籍.doc
02-12
股票K线学习走势分析-实战涨停板秘籍.doc
精品资料（2021-2022年收集）股票K线学习走势分析实战涨停板秘籍.doc
09-30
股票K线学习是投资者分析市场走势的重要工具，它包含了丰富的市场信息。K线组合形态是技术分析中的关键要素，能够揭示买卖双方力量的对比和市场情绪的变化。以下是一些主要的K线组合及其应用法则： 1. T型线（蜻蜓...
通达信指标公式源码 自动给涨停板标注序数 主图指标 源码.doc
07-30
2. 自动给涨停板标注序数：该资源的主要功能是自动给涨停板标注序数，也就是说，该资源可以根据股票的价格走势自动标注涨停板的序数。 知识点：涨停板的定义、涨停板的计算方法、股票价格走势的分析方法等。 3. ...
涨停板后的操作技巧(图解).pdf
10-19
涨停板的出现通常表明资金积极介入，庄家实力较强，股票具有较强的领涨潜力，因此，对于投资者而言，关注涨停板后的操作时机可以降低风险并提高收益。 首先，投资者应关注大盘环境。当市场开始转好但仍有调整迹象时...
JanusGraph入坑笔记（五）- GraphTraversal （Vertex centric）
nbgaoxing的博客
10-26 1570
首先我们假定读者对Gremlin语句有一定的了解，那么Traversal就是对gremlin语句用java语法中的方法进行拼接。看一下JanusGraph官方文档中对traversal的使用： JanusGraph graph = JanusGraphFactory.open('conf/janusgraph-cql.properties') GraphTraversalSource g = graph.traversal() saturn = g.V().has('name', 'saturn').n
python移动均线SMA及双均线策略
Wilburzzz的博客
07-28 3003
import pandas as pd import numpy as np import tushare as ts import seaborn import matplotlib.pyplot as plot import matplotlib as mpl mpl.rcParams['font.sans-serif'] = ['SimHei'] # 设置matplotlib可以显示汉语 mpl.rcParams['axes.unicode_minus'] = False #pd.set_opti
量化交易通过tushare.pro进行数据获取
GXQ的博客
01-12 633
注册账号https://tushare.pro/ 获取账号的token 将token复制到下面代码的******************* import tushare as ts ts.set_token('***********************') pro = ts.pro_api() #查询当前所有正常上市交易的股票列表 data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,are
python 线性回归 统计检验 p值_机器学习必备技能之“统计思维2.0”
weixin_39938724的博客
10-21 759
TUSHARE金融与技术学习兴趣小组编译整理 | 一只小绿怪兽译者简介：北京第二外国语学院国际商务专业研二在读，目前在学习Python编程和量化投资相关知识。在文章《机器学习必备技能之“统计思维1.0”》中，我们介绍了一些基本的统计工具，包括画图分析、定量分析、离散型随机变量和连续型随机变量四个部分，相信大家也已经掌握了这些技能，开始培养了用概率思考问题的统计思维。那么接下来，就...
Python量化数据仓库搭建系列2：Python操作数据库
weixin_44068483的博客
10-27 662
Python量化数据仓库搭建系列2：Python操作数据库 本系列教程为量化开发者，提供本地量化金融数据仓库的搭建教程与全套源代码。我们以恒有数(UDATA)金融数据社区为数据源，将金融基础数据落到本地数据库。教程提供全套源代码，包括历史数据下载与增量数据更新，数据更新任务部署与日常监控等操作。 在上一节讲述中，我们选择了MySQL作为本系列教程的数据库，故本文着重讲解Python操作MySQL的步骤，并封装方法。在文末简单介绍Python操作MongoDB、SQLite、PostgreSQL数据库； 一、
基于LSTM、KNN等模型的平安银行股价预测对比研究（python）
zhugby的博客
06-22 6591
股票市场易受到诸多不确定性因素的影响，因此股价预测问题挑战巨大，自提出以来就是数字金融中的热门研究领域。传统简单的K线、十字线法操作简单，但预测准确率难以令人满意。随着该研究领域的不断深入，各种模型方法层出不穷。为比较各类模型的性能，本文选取了四种代表模型，线性模型中的移动平均、线性回归，传统机器学习模型KNN,深度学习模型LSTM，分别使用四种模型对深股平安银行的股价进行拟合预测。综合对比发现，深度网络以其独有的优势在高噪声、波动大、非线性的金融时序数据上表现出色，深度学习为股价的预测提供了新的思路。最后
用图机器学习探索 A 股个股相关性变化
weixin_44324814的博客
09-24 835
在本系列的前文 [1,2]中，我们介绍了如何使用 Python 语言图分析库 NetworkX [3] + Nebula Graph [4] 来进行<权力的游戏>中人物关系图谱分析。 在本文中我们将介绍如何使用 Java 语言的图分析库 JGraphT [5] 并借助绘图库 mxgraph [6] ，可视化探索 A 股的行业个股的相关性随时间的变化情况。 数据集的处理 本文主要分析方法参考了[7,8]，有两种数据集： 股票数据（点集） 从 A 股中按股票代码顺序选取了 160 只股票（排除摘牌
如何统计当天涨停的股票，使用代码实现
最新发布
09-07
要使用代码统计当天涨停的股票，首先需要确定“涨停”的定义。在股票市场中，涨停通常指股票价格达到当天允许的最大涨幅限制。在中国大陆的股市，一个股票的涨停板是前一个交易日收盘价的上浮10%。一旦确定了定义，你可以通过以下步骤来实现代码统计： 1. 获取当天所有股票的收盘价。 2. 计算每只股票的涨停价。 3. 比较每只股票的涨停价与当天的收盘价，如果两者相等，则表示该股票涨停。 4. 输出所有涨停的股票信息。 以下是一个使用Python语言和假设的API进行股票涨停统计的示例代码： ```python import requests # 假设有一个API可以获取股票数据，这里是一个示例URL STOCK_DATA_API = "http://example.com/api/stock_data" # 获取当天股票数据的函数 def get_todays_stock_data(): response = requests.get(f"{STOCK_DATA_API}?date=today") if response.status_code == 200: return response.json() # 假设返回的数据是JSON格式 else: raise Exception("Failed to retrieve stock data") # 计算涨停价的函数 def calculate_limit_up_price(close_price): return close_price * 1.1 # 假设涨停板是10%涨幅 # 统计涨停股票的函数 def count_limit_up_stocks(stock_data): limit_up_stocks = [] for stock in stock_data: stock_symbol = stock['symbol'] close_price = float(stock['close']) limit_up_price = calculate_limit_up_price(close_price) if round(close_price, 2) == round(limit_up_price, 2): # 比较价格是否达到涨停板 limit_up_stocks.append(stock_symbol) return limit_up_stocks # 主逻辑 try: todays_stock_data = get_todays_stock_data() limit_up_stocks = count_limit_up_stocks(todays_stock_data) print("当天涨停的股票有：", limit_up_stocks) except Exception as e: print("Error:", e) ``` 请注意，上述代码中的API URL和数据结构是假设的，实际情况下你需要使用真实的股票市场API来获取数据，并根据API提供的数据结构调整代码。
评论
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