股票 Quantitative Trading
- 盘口指标 （基本概念）
- cpi
- 除权除息
- 主力
- LOF “Listed Open-End Fund”
- "XD"
- 振幅
- 市盈率:
- 市净率（Price-to-Book Ratio，简称P/B PBR）
- MA10
- 打板
- 国债
- IPO
- 可转债 ETF T + 0
- 二级市场 跨境ETF
- 大宗商品
- 通胀
- 利率
- 股票数据复权
- 买卖委比/委差
- 现价:
- 今开:
- 涨跌:
- 最高:
- 涨幅:
- 最低:
- 总量:
- 量比:
- 换手:
- 股本:
- 净资:
- 流通:
- 内盘:
- 外盘:
- 净利润:
- 扣非净利润:
- 总市值:
- 流通值:
- 条件单
- 量化回测
- 开盘时间：
- T+0交易
- T+1交易
- A股、B股、H股
- 名词
- 涨停 跌停
- 零和交易
- 股票代码
- 各股的分时走势
- 指数的分时走势
- 买卖股票手续费计算
- 成交量与股价的关系
- 成交量与股价的关系体现为下面两种情况：
- K线图，股票分析
- “连扳”
- 量化交易员(Quants)
- WonderTrader
- 天勤量化 tqsdk 期货
- 穿云箭集群量化
- 掘金
- miniqmt
- 数据
- 回测
- 模拟
- 实盘
- 股市 Finance
- AlgoPlus
- jqdataSDK
- Tushare
- 同花顺 SuperMind
- 易方达
- 买卖股票：
- 市场供需决定价格：
- 交易中介：
- 交易订单：
- 交易费用：
- 交易风险：
- 信息披露：
- 投资策略：
- 北证A股交易规则 T+1
- 深圳证券交易所交易规则 深A
- A股 T+1
- 港交所交易规则 T + 0
- 上海证券交易所 沪A
- 热点概念
- A股
- 美股
- 港股
- ETF
- 期貨
- BTC
- udst
- WonderTrader
- 财经新闻 市场动态 爬虫
- 复测数据 预测
- 量化交易 周期持有
- 银河证券 95551
- akshare 免费 A股量化行情pythonSDK
- 使用手册
- 上海证券交易所·股票市场总貌
- 深圳证券交易所·证券类别统计
- 深圳证券交易所-市场总貌-地区交易排序
- 深圳证券交易所-统计资料-股票行业成交数据
- 上海证券交易所-数据-股票数据-成交概况-股票成交概况-每日股票情况
- 东方财富-个股-股票信息
- 东方财富 行情报价
- 东方财富网-沪深京 A 股-实时行情数据
- 东方财富网-沪 A 股-实时行情数据
- 东方财富网-深 A 股-实时行情数据
- 东方财富网-京 A 股-实时行情数据
- 东方财富网-新股-实时行情数据
- 东方财富网-创业板-实时行情
- 东方财富网-科创板-实时行情
- 新浪财经-沪深京 A 股数据,
- 雪球-行情中心-个股
- 东方财富-沪深京 A 股 每日行情 日频率历史数据 行情首页
- 新浪财经-沪深京 A 股 数据 历史数据按日频率更新
- 腾讯证券-日频-股票历史数据; 历史数据按日频率更新
- 新浪财经-沪深京 A 股股票或者指数的分时数据
- 东方财富网 行情首页 沪深京 A 股 每日分时行情 stock_zh_a_hist_min_em
- 东财财富-分时数据
- 新浪财经-日内分时数据
- 东方财富-股票行情-盘前数据
- 同花顺-数据中心-资金流向-行业资金流
- 同花顺-数据中心-资金流向-个股资金流
- 东方财富-个股人气榜-热门关键词
- 东方财富-行情中心-当日板块异动详情
- 东方财富-行情中心-盘口异动数据
- 东方财富网-行情中心-涨停板行情-涨停股池
- 东方财富网-行情中心-涨停板行情-昨日涨停股池
- 东方财富网-行情中心-涨停板行情-强势股池
- 东方财富网-行情中心-涨停板行情-炸板股池
- 乐咕乐股网-赚钱效应分析数据
- 行业板块
- 概念板块
- 东方财富网-数据中心-沪深港通持股-个股排行 stock_hsgt_hold_stock_em
- 东方财富网-数据中心-个股资金流向 stock_individual_fund_flow
- 东方财富-沪深京 A 股日频率数据
- 新浪财经-行情中心-沪深股市-次新股
- 同花顺-成份股-行业代码
- Pytdx
- 安装pytdx
- tdx ETF
- 引入
- 创建对象 api = TdxHq_API()
- 获取股票行情 api.get_security_quotes([(0, '000001'), (1, '600300')])
- 获取k线 get_security_bars(9,0,'000001',100,800)
- 获取市场股票数量
- 获取股票列表 api.get_security_list(1, 0)
- 获取指数k线 api.get_index_bars(9,1, '000001', 1, 2)
- 查询分时行情 api.get_minute_time_data(1, '600300')
- 查询历史分时行情 api.get_history_minute_time_data(TDXParams.MARKET_SH, '600300', 20161209)
- 查询分笔成交 api.get_transaction_data(TDXParams.MARKET_SZ, '000001', 0, 30)
- 查询历史分笔成交 api.get_history_transaction_data(TDXParams.MARKET_SZ, '000001', 0, 10, 20170209)
- 查询公司信息目录 api.get_company_info_category(TDXParams.MARKET_SZ, '000001')
- 读取公司信息详情 api.get_company_info_content(0, '000001', '000001.txt', 0, 100)
- 读取除权除息信息 api.get_xdxr_info(1, '600300')
- 读取财务信息 api.get_finance_info(0, '000001')
- 读取k线信息 api.get_k_data('000001','2017-07-03','2017-07-10')
- 读取板块信息 api.get_and_parse_block_info(TDXParams.BLOCK_SZ)
- 行情服务器列表
- 获取流量统计信息 api.get_traffic_stats()
- backtrader回测框架包
- 技术 趋势跟踪 指标（Indicators）
- BRAR 情绪指标计算
- 市场货币投资
- 机器学习与量化交易 分类任务
- 大数据分析
- 预测大盘走向 权重参数
- 银河证券 -- 财富星 -- 每日收评 -- 观点 `#### 投顾文章`
- 财联社 -- 投资日历 -- 日历潜伏 （潜力股票走势挖掘） `#### 事件驱动`
- 财联社 -- 大涨股解读 -- 涨停梯形图 `#### 主力趋向`
- 财联社 -- 涨停宝 -- 涨停全景图 `#### 成分选股`
- 财联社 -- 今日风口 -- 涨停全景图 `#### 成分选股`
- 通达信 -- 行业关联
- 本文需要的python 库
盘口指标 （基本概念）
cpi
消费者物价指数，是反映一定时期内城乡居民所购买的生活消费品和服务项目价格变动趋势和程度的相对数，是对城市居民消费价格指数和农村居民消费价格指数进行综合汇总计算的结果。
除权除息
除权除息是上市公司以股票股利分配给股东，也就是公司的盈余转为增资时，或进行配股时，就要对股价进行除权（XR），XR是EXCLUDE（除去）RIGHT（权利）的简写。
主力
在股票市场中，“主力”通常指的是拥有大量资金、能够对股价产生较大影响的机构投资者或大户投资者。
这些主力包括但不限于：
基金公司：如公募基金、私募基金等。
证券公司：有自营业务的大型券商。
保险公司：具有大量可投资资金的保险机构。
商业银行：通过理财产品或直接投资参与股票市场。
大型企业：包括一些跨国公司和大型国企。
主力如何赚钱
主力投资者通常通过以下几种方式在股票市场中获利：
波段操作：主力会利用其资金优势，通过技术分析和市场信息，进行短期或中期的波段操作。
在低点买入、高点卖出，从中赚取差价。
长期投资：一些主力资金会选择基本面良好的公司进行长期投资，依靠企业的持续成长和股价的长期上涨获利。
庄股操作：有些主力会通过控制一只股票的大部分流通盘，进行所谓的“坐庄”操作。
通过控制股价波动， 吸引散户跟风买入 ，然后在 高点出货 获利。
套利交易：通过发现和利用市场中的价格差异，进行无风险或低风险的套利交易。
例如，利用A股与H股（在香港上市的同一家公司的股票）之间的价差进行套利。
信息优势：主力机构通常具有比普通投资者更快、更准确的信息渠道和研究能力，能够在信息公开之前提前布局，从而获取超额收益。
主力的影响
主力在股票市场中的操作可以显著影响个股和大盘的走势。
由于其资金量大、信息渠道广，主力的进出往往会带来明显的价格波动。
因此，普通投资者在操作时，往往会关注主力资金的动向，以此作为投资决策的参考。
LOF “Listed Open-End Fund”
上市型开放式基金。
这类基金在证券交易所上市交易,
投资者既可以在基金公司申购和赎回,也可以在交易所进行买卖。
“XD”
表示该股票已经除息（Ex-Dividend）。具体来说，除息日是指购买该股票的投资者不再有权获得即将派发的股息的日期。在除息日之后买入股票的投资者将不再享有本次股息的分配权利。
以下是更详细的解释：
除息日（Ex-Dividend Date）：这是关键日期。股票在这一天开始交易时标注 “XD”，表示已经除息。如果你在除息日之前持有该股票，那么你有权获得本次的股息；如果在除息日当天或之后购买股票，则无法获得本次股息。
登记日（Record Date）：这是公司记录股东名单以确定哪些股东有权获得股息的日期。通常是在除息日之后的几天。
派息日（Payment Date）：这是公司实际发放股息给股东的日期。
为了更好地理解，可以举个例子：
假设某公司宣布将在6月30日支付股息，并将除息日定为6月15日。如果你在6月14日或之前购买该公司的股票，你有权获得股息；如果你在6月15日或之后购买，则无权获得此次股息。6月15日这一天，该股票的代码旁会标注 “XD”，提醒投资者已经除息。
简单来说，“XD” 是一个重要的标志，用于提醒投资者该股票已经进入除息期，新买入者将不再享有本次股息的分配权利。
振幅
股票开盘后的当日最高价和最低价之间的差的绝对值与昨日收盘价的百分比，在一定程度上表现股票的活跃程度。
市盈率:
当前市价/最近一年每股收益(单位是倍)，一般情况下，市盈率越高，意味着该股估值越高，
市盈率越低，意味着这只股估值偏低；
市盈率一共有三种:
1.动:表示动态市盈率，是总市值除以预估全年净利润;
2.静，表示静态市盈率，是总市值除以上年度净利润;
3.TTM表示滚动市盈率，是总市值除以最近四个季度的净利润。如果公司利润稳定，大家可以使用动态胜率，如果业绩波动较大，那么建议使用滚动市盈率更优。
市净率（Price-to-Book Ratio，简称P/B PBR）
指的是每股股价与每股净资产的比率。
市净率可用于股票投资分析，一般来说市净率较低的股票，投资价值较高，相反，则投资价值较低；但在判断投资价值时还要考虑当时的市场环境以及公司经营情况、盈利能力等因素。
MA10
MA10线代表的是10日均线，也称为10日移动平均线。移动平均线是通过计算一定时间段内股票价格的平均值来平滑价格波动的曲线。
MA10线常常用于观察股票价格的短期趋势，它的变化能够反映出短期内价格的走势情况。当股票价格上穿MA10线时，通常被解读为买入信号，表示股票价格可能开始上涨；反之，当股票价格下穿MA10线时，被解读为卖出信号，表示股票价格可能开始下跌。
打板
股价在交易过程中持续地触及某个上限（或者下限）价格，无法突破的情况。
具体来说，“打板”指的是股价连续地达到或接近涨停板（或跌停板），而无法突破这个价格。
涨停板和跌停板是股票价格波动的限制，它们是由证券交易所设定的。
在中国大陆的A股市场中，每个股票在一个交易日内的价格波动被限制在上涨或下跌10%（或者一些特殊情况下限制在5%）。
当股价上涨到涨停板时，交易将暂时停止，股价无法继续上涨，即使有更多的买盘。
同样，当股价下跌到跌停板时，交易也会暂时停止，股价无法继续下跌，即使有更多的卖盘。
因此，当一只股票连续多个交易日上涨并且每个交易日的最高价都达到了涨停板价格时，就会形成“打板”的现象。
这表明该股票的买盘较为强劲，市场上对该股票的需求较高，但由于涨停板的限制，暂时无法继续上涨。
投资者可能会通过观察“打板”现象来分析市场的热点和资金流向，以决定是否参与交易。
国债
IPO
可转债 ETF T + 0
交易型开放式指数基金
投资标的是可转债指数
即由可转换公司债券构成的指数。这些债券具有固定利率，并具有在特定条件下转换为股票的权利。
可转债 ETF 的买入和卖出与股票类似，投资者可以通过证券账户在交易所进行买卖操作。
交易时间： 可转债 ETF 的交易时间一般与证券交易所的交易时间相同，通常是上午 9:30 至 11:30，下午 13:00 至 15:00。
投资策略： 可转债 ETF 旨在跟踪可转债指数的表现，通常采取被动管理策略，通过持有指数成分债券来实现投资目标。
风险特征： 可转债 ETF 的风险主要受到市场利率、股票价格、债券信用风险等因素的影响。相比于股票，可转债具有较低的风险，但相对于普通债券，由于其转换权利，可转债具有一定的股票风险。
二级市场 跨境ETF
投资标的是跨境指数，通常是跨境股票指数，即跨越国界进行投资的股票组合。
投资策略： 跨境 ETF 旨在跟踪跨境股票指数的表现，可以选择采取被动管理策略或主动管理策略，通过持有指数成分股票来实现投资目标。
风险特征： 跨境 ETF 的风险主要受到国际政治、经济、汇率等因素的影响，同时也受到跨境投资特有的风险，如政策风险、货币风险等。
大宗商品
大宗商品是指在国际市场上以固定单位（通常是重量或体积）进行买卖的商品，其价格受供需关系、国际政治经济形势、自然灾害等因素的影响较大。这些商品通常是基础原材料或原物料，可以用于生产加工，也可以直接用于消费。
一些常见的大宗商品包括：
金属类：黄金、白银、铜、铝、铁矿石等。
能源类：原油、天然气、煤炭等。
农产品：大豆、小麦、玉米、棉花、咖啡、可可、糖等。
化工品：石油化工产品、塑料、橡胶、化肥等。
大宗商品交易市场通常是全球性的，交易主要在国际期货交易所进行，例如芝加哥商品交易所（CME）、纽约商品交易所（NYMEX）、伦敦金属交易所（LME）等。大宗商品的价格波动对全球经济有重要影响，也是投资者进行多元化投资的重要选择之一。
通胀
指货币的购买力下降，导致一般物价水平普遍上涨的经济现象。简而言之，通胀就是钱包里的钱买不到以前的东西多了。
通胀通常由货币供应增加、需求超过供给、成本上升等因素引起。当人们的购买力增加，他们会愿意支付更高的价格来购买商品和服务，从而推动价格上涨。在通胀时期，消费者购买力减弱，固定收入家庭的生活水平可能下降，而债务人可能会受益，因为他们可以用相对较低的金额偿还债务。
通胀对经济和个人有多种影响，包括：
购买力下降：同样数量的货币购买的商品和服务减少，购买力下降。
利率上升：为了抑制通胀，央行可能会提高利率，以降低货币供应量。
投资价值降低：通胀使得持有现金和债券的实际价值下降，因此股票、房地产等实物资产可能更有吸引力。
工资和成本上涨：企业可能会将成本上涨转嫁给消费者，导致工资上涨和通货膨胀的进一步加剧。
央行通常会采取控制通胀的措施，例如调整货币政策、提高利率、实施紧缩货币政策等。
利率
利率是指资金借贷或储蓄时支付或获取的利息或回报的比率。它是衡量借贷资本成本和储蓄回报的指标。
利率可以用百分比或年利率的形式表示。它可以适用于各种金融产品和交易，包括银行存款、贷款、债券、抵押贷款等。
利率的两个主要类型是：
存款利率：存款利率是银行向存款人支付的利息比率。它是银行从存款人那里借入资金并承诺支付一定利息的回报。
贷款利率：贷款利率是借款人支付给贷款机构的利息比率。它是借款人获得资金并同意以利息的形式返还的成本。
利率的水平对经济活动有重大影响。较低的利率可能鼓励借款和投资，刺激消费和经济增长。然而，太低的利率也可能导致通货膨胀和资产泡沫。相反，较高的利率可能会抑制借贷和投资，从而减缓经济增长，但也有助于抑制通货膨胀。
央行通常会通过调整利率来调控经济活动，以达到稳定经济增长和控制通货膨胀的目标。
股票数据复权
1.为何要复权：由于股票存在配股、分拆、合并和发放股息等事件，会导致股价出现较大的缺口。 若使用不复权的价格处理数据、计算各种指标，将会导致它们失去连续性，且使用不复权价格计算收益也会出现错误。 为了保证数据连贯性，常通过前复权和后复权对价格序列进行调整。
2.前复权：保持当前价格不变，将历史价格进行增减，从而使股价连续。 前复权用来看盘非常方便，能一眼看出股价的历史走势，叠加各种技术指标也比较顺畅，是各种行情软件默认的复权方式。 这种方法虽然很常见，但也有两个缺陷需要注意。
2.1 为了保证当前价格不变，每次股票除权除息，均需要重新调整历史价格，因此其历史价格是时变的。 这会导致在不同时点看到的历史前复权价可能出现差异。
2.2 对于有持续分红的公司来说，前复权价可能出现负值。
3.后复权：保证历史价格不变，在每次股票权益事件发生后，调整当前的股票价格。 后复权价格和真实股票价格可能差别较大，不适合用来看盘。 其优点在于，可以被看作投资者的长期财富增长曲线，反映投资者的真实收益率情况。
4.在量化投资研究中普遍采用后复权数据。
买卖委比/委差
委比:当日买卖量差额和总额的比值。委比是衡量某一时段买卖盘相对强度的指标。
一般来说，委比指标说明了买入和卖出意愿的不平衡程度，同时需注意，委比数值是时时都在变化的。
委差:某只股当前买盘之和-卖盘之和。反映买卖双方的力量对比。
正数表示买方较强，负数表示抛压较重。
委比公式：委买手数-委卖手数委比=x100%委买手数+委卖手数
在A股市场中，买卖委比是指
买入委托量与卖出委托量的比值，通常用来反映市场上买入意愿和卖出意愿的相对强弱程度。
买卖委比越大，表示买盘力量相对较强；买卖委比越小，表示卖盘力量相对较强。
具体来说，买卖委比是通过统计当前时刻的买入委托量和卖出委托量，然后计算二者的比值得到的。
例如，如果当前的买入委托量是1000手，卖出委托量是500手，则买卖委比为2：1。
买卖委比常用于股票市场的技术分析中，可以用来判断市场的买卖情况和趋势。
在技术分析中，买卖委比越大，通常被认为是市场买入力量的增强，可能预示着股价上涨的趋势；
反之，买卖委比越小，则可能预示着股价下跌的趋势。
然而，买卖委比只是市场分析的一个指标，需要结合其他指标和分析方法一起综合考虑，才能做出更准确的判断。
现价:
指刚成交的一笔交易成交股价;
今开:
今日第一笔交易的成交股价; 即 当天开盘价格
涨跌:
最新股价和前一天收盘价相比涨跌的数;
最高:
开盘以来最高成交股价;
涨幅:
最新股价与前一天收盘价相比涨跌幅度的百分比;
最低:
开盘以来最低成交股价;
总量:
开盘以来成交总手数;总手=外盘+内盘
量比:
当天开盘以来每分钟平均成交量与过去5个交易日每分钟平均成交量之比;
换手:
换手率，开盘以来成交量/可流通总股数*100%;
股本:
总股本(万股) ;
股份公司发行的全部股票所占的股份总数流通股，已上市流通的股数流通股小于总股本的部分是未解禁的股票，股票全解禁就和总股本一样的;
净资:
每股净资产(元) ;
流通:
流通股本(万股) ;
内盘:
用S表示，又称主动性抛盘，即是在实盘买卖中，卖方主动以低于或等于当前买一的价格挂单卖出股票时成交的数量。
当内盘累计量比外盘累计量大很多，并且股价下跌，说明很多人在抛盘;
外盘:
用B表示，又称主动性买盘，即是在实盘买卖中，买方主动以高于或等于当前卖一的价格挂单买入股票时成交的数量。
当外盘累计数量比内盘累计量大很多，并且股价上涨，说明很多人在买股票;
净利润:
营业收入减去营业成本，再扣除税收后，就是一家企业最后留下的净利润;扣非净利润:全称是扣除非经常性损益的净利润。所谓非经常性损益，就是不可持续性的支出或者收入。比如政府补贴、处置废旧资产所获收益、投资收益等等。这部分利润不可持续，就像政府补贴不会每年都有、企业对外投资的收益每年也不同。;
扣非净利润:
公司主营业务所产生的利润，也就是公司主营业务所产生的利润，也就是一般来说，我们会分析营业收入、净利润、扣非净利润这三项的增长、增速情况，互相对比很能说明问题。税收暂且不考虑，所以广义来说，利润的计算就变成了: 营业收入- 营业成本=利润。
总市值:
该上市公司的股票在股票市场上的价值总和;(总市值=股票市场价X发行总股数)
流通值:
指在某特定时间内当时可交易的流通股票的总价值;(流通值股票市场价X流通股总数)通常，我们把总市值称作股本，流通值称作流通，股本就是公司全部的股份，流通就是可以交易的股份，大小非解禁等于套现，因为解禁伴随着减持，减持等于大股东抛售股票，股本一流通=大小非解禁。我们通常会发现一个股票的总市值和流通值是有可能不相等的。有两种情况，流通值<总市值，流通值=总市值。
条件单
量化回测
开盘时间：
周一至周五
9：15——11：30
13：00——15：00
T+0交易
当天买入（卖空）的股票可以当天卖出（买回）
T+1交易
股票当日卖出的钱，可以立即买成新股票，
但要到第二个交易日才能转出。
A股、B股、H股
A股的正式名称是人民币普通股票。
它是由我同境内的公司发行，供境内机构、组织或个人（不含台、港、澳投资者）以人民币认购和交易的普通股股票。
B股的正式名称是人民币特种股票。
它是以人民币标明面值，以外币认购和买卖，在境内（上海、深圳）证券交易所上市交易的。
H股，即注册地在内地、上市地在香港的外资股。
名词
多头：预期股票价格会上涨的人，看涨，也称看多。
空头：预期股票价格会下跌的人，看跌，也称看空。
多头市场：也称牛市，就是股票价格普遍上涨的市场，也称牛市。
空头市场：股价呈长期下降趋势的市场，空头市场中，股价的变动情况是大跌小涨。亦称熊市
利多：是刺激股价上涨，对多头有利的因素和消息。
利空：促使股价下跌，以空头有利的因素和消息。
多头套牢；投资者预计股价将上涨，但在买进后股价却一直呈下跌趋势，这种现象 称为多头套牢。
空头套牢：投资者预计股价将下跌，将所借股票放空卖出，但股价却一直上涨，这种现象称为空头套牢。
ST股：指境内上市公司连续两年亏损，被进行特别处理的股票。
*ST股票是指境内上市公司连续三年亏损的股票。
涨停 跌停
昨天收盘时的价格作为0基准
规定一个A股市场的股票一天的涨跌幅度为±10%，
规定S或者ST打头的股票一天涨跌幅限度为±5%
新发行第一天上市的股票（在股票前面加N），涨跌幅不受限制，第二天恢复正常。
分红送股后复牌，复牌当日不受涨跌幅限制。
股改复牌后的股票，复牌当日不受涨跌幅限制。
零和交易
股票买进时最少为1手（100股），
零股交易为不到一个成交单位的股票。
在卖出股票时，可以用零股进行委托，但买进股票时，不能进行零股委托
股票代码
沪市股票代码是以6打头，
深市股票代码是以0打头，
创业板股票代码以3打头。
不知到代码可以用首字母查找
各股的分时走势
最新：最新成交价
开盘：开盘价，即当天开盘第一笔交易的价格
集合竞价：是指在每个交易日上午9：15—9：25，由投资者按照自己所能接受的心理价格自由进行买卖申报，电脑交易主机系统对全部有效委托进行一次集中撮合处理过程。在集合竞价时间内的有效委托报单未成交，则自动有效进入9：30开始的连续竞价。
集合定价由电脑交易处理系统对全部申报按照价格优先、时间优先的原则排序，并在此基础上，找出一个基准价格，使它同时能满足以下3个条件：
1.成交量最大
2.高于基准价格的买入申报和低于基准价格的卖出申报全部满足（成交）。
3.与基准价格相同的买卖双方中有一方申报全部满足（成交）。
收盘：收盘时的价格。收盘价的产生：沪市为当日最后一笔交易前一分钟所有交易的成交量加权平均价。深市为前三分钟
最高：当日最高交易价
最低：当日最低交易价
均价：当日的平均价格
涨跌：以昨天收盘价为基准的涨跌幅度
震幅：当日的最高价与最低价的幅度
总手：此股票当日总共成交的总数。内盘外盘的总和
金额：此股票当日总共成交的金额
现手：现时的成交量
涨停：今天最高可以涨到多少
跌停：今天最低可以跌到多少
量比：量比是衡量相对成交量的指标。其公式为：量比＝现成交总手/（过去5日平均每分钟成交量×当日累计开市时间（分））
换手：指在一定时间内市场中股票转手买卖的频率，是反映股票流通性强弱的指标之一。其公式为成交量/流通总股数×100%
市盈（动）：动态市盈率，指在一个考察期（通常为12个月的时间）内，股票的价格和每股收益的比例。投资者通常利用该比例值估量某股票的投资价值，或者用该指标在不同公司的股票之间进行比较
委比：是衡量某一时段内，买盘和卖盘强弱的技术指标。它的计算公式为： 委比＝(委买手数－委卖手数)/(委买手数＋委卖手数)×100％
颜色：绿跌红涨
外盘：以委托卖出价成交的手数。代表买方的力量
内盘：以委托买入价成交的手数。代表卖方的力量
盘口：是在股市交易过程中，看盘观察交易动向的俗称
S&B：S＝SELL(卖出) ，或以绿色箭头表示；B＝BUY(买入)，或以红色箭头表示
指数的分时走势
上证指数：上海证券交易所一个指示性的数值，它反映了上海证券交易市场的总体走势。
深证成指：深圳证券交易所一个指示性的数值，它反映了深圳证券交易市场的总体走势。
快捷键03：上证指数。（1A0001）
快捷键04：深证成指。（399001）
快捷键60：沪深涨跌排名。
快捷键80：综合排名。
快捷键94：板块分析。
快捷键10：公司资讯
指数分时走势图：是把股票市场的交易信息以指数实时地用曲线在坐标图上加以显示的技术图形。坐标的横轴是开市的时间，纵轴的上半部分是股价或指数，下半部分显示的是成交量。是股市现场交易的即时资料，是分时走势图（即时走势图）中的一种。
图中：白色曲线表示上证交易所对外公布的通常意义下的大盘指数，也就是加权数。 黄色曲线是不考虑上市股票发行数量的多少，将所有股票对上证指数的影响等同对待的不含加权数的大盘指数。
参考白色曲线和黄色曲线的相对位置关系，可以得到以下信息：
当指数上涨，黄色曲线在白色曲线走势之上时，表示发行数量少（盘小）的股票涨幅较大；而当黄色曲线在白色曲线走势之下，则表示发行数量多（盘大）的股票涨幅较大。
当指数下跌时，如果黄色曲线仍然在白色曲线之上，这表示小盘股的跌幅小于大盘股的跌幅；如果白色曲线反居黄色曲线之上，则说明小盘股的跌幅大于大盘股的跌幅。
红色、绿色的柱线反映当前大盘所有股票的买盘与卖盘的数量对比情况。红柱增长，表示买盘大于卖盘，指数将逐渐上涨；红柱缩短，表示卖盘大于买盘，指数将逐渐下跌。绿柱增长，指数下跌量增加；绿柱缩短，指数下跌量减小。
黄色柱线表示每分钟的成交量，单位为手(100股/手)。
买卖股票手续费计算
手续费的基本构成：
1、印花税 0.1% (◆此项只在 卖出股票 时收取，买入不收。交给国家，此项固定）
2、给证券公司的交易佣金（至少5元）
此项费用各证券公司有不同，但收费一般不高于0。3%，如果是网上交易，这项通常收0。1%左右。（有些证券公司为吸引客户,会根据客户资金或交易量大小收取不同级别的交易佣金决定权在证券公司，相对的，证券公司熊市收费比牛市便宜。）
3、过户费
买卖上海交易所的股票，每一千股交一元，买入或卖出都要交。但买卖深圳交易所的股票没有此项费用。
（第1和第3基本固定，印花税，国家有时会视需要调整。另外，交易方式不同各证券公司收费也会不一样，比如，交易所现场交易、网上交易、电话交易。大家可向所在证券公司进一步查实）
成交量与股价的关系
成交量是股票市场的原动力，没有成交量配合的股价形同无本之木。
因此，成交量是投资者分析判断市场行情并作出投资决策的重要依据，也是各种技术分析指标应用时不可或缺的参照。
成交量与股票价格、交易时间、投资者意愿、市场人气等诸多因素互为因果，相互影响。成交量的变化过程就是股票投资者购买股票欲望消长变化的过程。也就是股票市场人气聚散的过程。当人气聚敛，成交量增大，会吸引更多投资者介入，必定刺激股价攀升；股价升至一定高度，投资者望而却步，成交量开始徘徊；获利盘纷纷出手，成交量放大，又会导致人心趋散，股价会下跌；而当人心惶惶，抛盘四起，成交量的放大似乎成为人气进一步涣散的引信；待到股价继续下跌，成交量萎缩，投资者逃脱唯恐不及，供大于求，股价又走入低谷……
成交量的变化最能反映股市的大趋势。上升行情中，做长线和做短线都可获利，因此股票换手频繁，成交量放大；在下跌行情中，人气日趋散淡，成交量缩小。
成交总值与加权股价指数涨跌有密切关系。股价指数上升,必须伴有成交量的持续增加。多头市场里，成交量随着指数上升而扩大，到了股价指数上升而成交量停滞或缩小时，预示本轮上升行情即将结束，接踵而来的将是股价指数下跌；在空头市场中，指数的每次下跌都会伴有成交量的急剧萎缩，到指数下降而成交量不再减少，本轮跌势也就告一段落。这就是"先见量、后见价"说法的实践基础。
成交量与股价的关系体现为下面两种情况：
量价同向：即股价与成交量变化方向相同。股价上升，成交量也相伴而升，是市场继续看好的表现；股价下跌，成交量随之而减，说明卖方对后市看好，持仓惜售，转势反弹仍大有希望。
量价背离：即股价与成交量呈相反的变化趋势。股价上升而成交量减少或持平，说明股价的升势得不到成交量的支撑，这种升势难于维持；股价下跌但成交量上升，是后市低迷的前兆，说明投资者惟恐大祸降临而抛售离市。
成交量是反映股市上人气聚散的一面镜子。人气旺盛才可能买卖踊跃，买气高涨，成交量自然放大；相反，投资者在人心动摇举棋不定，人气低迷时心灰意冷，成交量必定萎缩。
成交量是观察庄家大户动态的有效途径。资金巨大是庄家大户的实质，他们的一切意图都要通过成交来实现。成交量骤增，很可能是庄家在买进卖出。
K线图，股票分析
Ｋ线图有直观、立体感强、携带信息量大的特点，能充分显示股价趋势的强弱、买卖双方力量平衡的变化，预测后市走向较准确，是各类传播媒介、电脑实时分析系统应用较多的技术分析手段。
1、日K线是根据股价(指数)一天的走势中形成的四个价位即：
开盘价，收盘价，最高价，最低价绘制而成的。
收盘价高于开盘价时，则开盘价在下收盘价在上，二者之间的长方柱用红色或空心绘出，称之为阳线；其上影线的最高点为最高价，下影线的最低点为最低价。
收盘价低于开盘价时，则开盘价在上收盘价在下，二者之间的长方柱用黑色或实心绘出，称之为阴线，其上影线的最高点为最高价，下影线的最低点为最低价。
2、根据K线的计算周期可将其分为日K线,周K线，月K线，年K线。
周K线是指以周一的开盘价，周五的收盘价，全周最高价和全周最低价来画的K线图。月K线则以一个月的第一个交易日的开盘价，最后一个交易日的收盘价和全月最高价与全月最低价来画的K线图，同理可以推得年K线定义。周K线，月K线常用于研判中期行情。对于短线操作者来说，众多分析软件提供的5分钟K线、15分钟K线、30分钟K线和60分钟K线也具有重要的参考价值。
3、根据开盘价与收盘价的波动范围，可将Ｋ线分为极阴、极阳，小阴、小阳，中阴中阳和大阴、大阳等线型。它们一般的波动范围（如图所示）
极阴线和极阳线的波动范围在0.5%左右；
小阴线和小阳线的波动范围一般在0.6–1.5%；
中阴线和中阳线的波动范围一般在1.6-3.5%；
大阴线和大阳线的波动范围在3.6%以上。
4、下面以带有成交量的分时走势图，分别说明数种典型的单个日Ｋ线图的形成过程和不同含义。分时走势图记录了股价的全天走势，不同的走势形成了不同种类的K线，而同一种K线却因股价走势不同而各具不同的含义
小阳星
全日中股价波动很小，开盘价与收盘价极其接近，收盘价略高于开盘价。小阳星的出现，表明行情正处于混乱不明的阶段，后市的涨跌无法预测，此时要根据其前期K线组合的形状以及当时所处的价位区域综合判断。
小阴星
小阴星分时走势图与小阳星相似，只是收盘价格略低于开盘价格。表明行情疲软，发展方向不明
小阳线
其波动范围较小阳星增大，多头稍占上风，但上攻乏力，表明行情发展扑朔迷离
上吊阳线
如果在低价位区域出现上吊阳线,如图所示:
股价表现出探底过程中成交量萎缩,随着股价的逐步攀高,成交量呈均匀放大事态,并最终以阳线报收,预示后市股价看涨.
如果在高价位区域出现上吊阳线，如图所示:
股价走出如图所示的形态，则有可能是主力在拉高出货，需要留心。
下影阳线:
它的出现，表明多空交战中多方的攻击沉稳有力，股价先跌后涨，行情有进一步上涨的潜力。
上影阳线
显示多方攻击时上方抛压沉重。这种图形常见于主力的试盘动作，说明此时浮动筹码较多，涨势不强。
穿头破脚阳线
股价走出如图所示的图形说明多方已占据优势，并出现逐波上攻行情，股价在成交量的配合下稳步升高，预示着后市看涨。
同样为穿头破脚阳线，股价走势若表现出在全日多数时间内横盘或者盘跌而尾市突然拉高时，预示次日可能跳空高开后低走。
还有一种情况，股价走势若表现为全日宽幅振荡尾市放量拉升收阳时，可能是当日主力通过振荡洗盘驱赶坐轿客，然后轻松拉高，后市可能继续看涨
光头阳线:
光头阳线若出现在低价位区域，在分时走势图上表现为股价探底后逐浪走高且成交量同时放大，预示为一轮上升行情的开始。如果出现在上升行情途中，表明后市继续看好。
光脚阳线:
表示上升势头很强，但在高价位处多空双方有分歧，购买时应谨慎。
上影阳线:
表示多方上攻受阻回落，上挡抛盘较重。能否继续上升局势尚不明朗。
光头光脚阳线
https://zhuanlan.zhihu.com/p/317941367?utm_medium=social&utm_oi=1341857469073768449
“连扳”
连续多日的涨停或跌停板。涨停板是指股价涨幅达到了当日交易规定的上限，导致无法继续买入，而跌停板则是指股价跌幅达到了当日交易规定的下限，导致无法继续卖出。
一种基于量化分析（Quantitative Analysis）的交易方式。
量化交易需要三大技能： 数学功底、编程技能、金融知识。
网上有种说法，从事量化交易需要的知识比重如下：
计算机-金融-数学,知识比重为1-3-6 。
量化交易员(Quants)
从事执行量化交易工作的人员
策略识别：自行编写交易模型，或寻找现有策略，结合自身优势来决定策略的使用及交易频率。
策略回测：将目标策略应用到历史数据，通过模型运算来验证模型的计算结果是否与历史结果相符，如果相符则可以继续使用，并进行细节的调整，如果不相符则放弃该模型。
执行系统：将验证成功的交易模型应用到实际交易中，完成自动量化交易，最大限度降低交易成本。
风险管理：跟踪根据交易模型进行的量化交易，发现交易过程中可能存在的风险，及时进行风险管理。
Jim Simons，以数学家、密码破解者的背景进入金融领域，
他主张将各种人为情绪因素排除在金融投资决策之外，使用成熟的计算机语言来判断市场行情并从中获取了惊人的收益。
他认为计算机有自己的观点，在建立成熟成功的交易模型后，他会盲目地跟从计算机的结果，拒绝任何人为情绪来干扰计算机的运算判断结果。
自1982年创立其基于计算机量化交易的 Renaissance Technologies基金公司以来，短短30多年，Jim Simons凭借其量化交易系统，为自己积累了230亿美元的财富。
量化交易的优缺点
量化交易被大多数金融机构使用，目前也渐渐被许多个人投资者使用，同许多其他交易方式一样，它有自己的优缺点：
优点：可快速进行大量数据收集和分析，极大缩减目标选择的工作量。
当设定交易操作触发点后，交易可自动进行，减小了日常投资的工作量。
使用计算机数学模型来理性分析行情，判断操作方式，有效避免人为情绪的干扰。
缺点：单一的量化交易模型无法始终在动态市场中有效，需定期调整参数来适应市场的大环境变化。
量化交易平台有哪些
量化交易的使用平台目前主要是各大金融机构、对冲基金等需要分析大量交易数据的平台。
也有越来越多的个人，在学会了计算机语言后自行编写交易程序，来进行更符合自身投资特色的金融交易。
可以编写量化交易的平台主要是目前几大计算机语言编写程序，
如C/C++、MATLAB、或 Python语言编写平台。
学习量化交易的平台目前非常热门，通常会提供较完整的课程体系，从数学、逻辑、计算机语言以及金融学知识等几方面来培养高端量化交易员。
Python是一种跨平台兼容的高级编程语言，开源环境拥有多个专有的专业库函数，比如：
Scipy、numpy、pandas、matplotlib、quantopian、Zipline、TA-Lib、Pybacktest等可快速开发无障碍量化交易策略。
Tensorflow、seaborn、scikit learn、Keras、plotly、stats可帮助交易模型进行更有效的数据挖掘和交易执行。
SpyderIDE优化了交易模型中的数据可视化，使财务分析变得更直观简易。
PyAlgoTrade作为Python独家算法交易库函数，专注于纸面交易、回溯测试、实时交易和技术分析，带来更高效的量化交易。
使用Python作为计算机语言来编写交易模型和所有量化交易模型制定过程一样，
由策略识别、策略回测、执行系统和风险管理构成。
交易策略
量化交易策略即是量化交易员根据交易风格特点，编写针对性的交易模型，收集整合所需信息，根据拟定的不同交易判断点来进行数据监控、决策执行。
行情模块的主要功能是，尝试获取市场的行情数据，通常也负责获取交易账户的状态。
策略模块的主要功能是，订阅市场的数据，根据设定的算法发出买、卖指令给执行模块。
执行模块的主要功能是，接受并把策略模块发过来的买、卖指令封装并转发到交易所；同时，监督并确保策略买卖的完整执行。
https://zhuanlan.zhihu.com/p/539757176
目前经市场验证，较为成功的量化交易策略有：
阿尔法对冲策略
投资者在市场交易中会面临系统性风险—Beta/β风险和非系统性风险—Alpha/α风险，
通过对系统性风险进行度量，将其分离，来获取超额绝对收益，
即阿尔法收益的策略称为阿尔法对冲策略。
海龟交易策略
海龟策略是趋势跟随型量化交易策略，
分别在入场条件、仓位控制、资金管理、止损止盈等各环节上设置参数，来进行自动化交易，该策略可以作为复杂交易策略的设计基础模板。
多因子选股策略
多因子选股策略是通过找到某些和收益率相关的指标参数，根据该指标来构建股票组合，
如果股票组合跑赢市场指数，则继续做多，同时做空期指，赚取阿尔法收益，
如果跑输，则做多期指，做空当前股票组合，赚取反向阿尔法收益。是目前量化选股中的一个重要模型。
双均线策略
双均线策略，基本思路是分别建立m天移动平均线，n天移动平均线，两条均线必定会产生交点。
如果m>n，n天平均线“上穿越”m天均线点则为买入点，反之则为卖出点。
该策略通过基于不同天数均线的交叉点，抓住股票的强势和弱势时刻，来进行自动化量化交易。
跨品种套利策略
该策略的基本思路是利用两种不同种类，
但相互关联的指数期货产品之间的差价进行交易，
互相关联是指有相互替代性或受到同一供求因素影响，
比如相关商品间套利或原料与成品间的套利。
该策略对于市场而言，可以帮助发生扭曲的市场价格恢复正常水平，以及增加市场流动性。
跨期套利策略
与跨品质套利策略类似，跨期套利策略也是适用于期货的量化交易策略，跨期套利是通过在同一交易所进行同一指数、不同交割月的期货合约交易来套利获益。
指数增强策略
该策略适用于指数型投资者，基金管理人通过使用该策略来保持自己推荐的投资组合中各项特征参数高于标的指数的回报水平，以保持自己良好的投资业绩。
网格交易策略
该策略是利用市场震荡来获利的一种主动型交易策略，
其基本思路为利用投资标的在预设值的网格区间内反复震荡的价格差异中，反复进行加仓减仓操作，比如标对象价格突破网格时加仓，回到网格时减仓，以此来达到投资收益最大化。
行业轮动策略
该策略旨在根据不同行业不同品牌的强势时间，自动在不同行业间轮流切换以达到投资收益最大化。
高频交易策略
高频交易策略可以帮助投资者在极短的市场变化中赚取收益，
计算机可以根据设定的程序实时跟踪市场走势，自动在设定的价格差间进行买入或卖出操作，通过大量交易次数，从价格波动中赚取大量收益。
R-Breaker策略
R-Breaker 是一种日内交易策略，
根据前一个交易日的收盘价、最高价和最低价数据，借助特定的数学模型，
建立六个价位，从高到低分别为：
突破买入价、
观察卖出价、
反转卖出价、
反转买入价、
观察买入价和突破卖出价，
这六个价位即为当前交易的不同操作触发点，
投资者可以通过调整模型中的参数来调节各价位间的差距，以更改自动操作触发条件。
该策略被Future Thruth杂志评为最赚钱的策略之一。
WonderTrader
https://zhuanlan.zhihu.com/p/593018989
WtStudio
https://gitee.com/wondertrader/wtpy/tree/master
天勤量化 tqsdk 期货
天勤量化期货上,投资者可以进行股指期货交易。股指期货是一种衍生品,通过购买或卖出股指期货合约,投资者可以对股指未来的走势进行投资。
https://blog.csdn.net/popboy29/article/details/132725878
https://www.shinnytech.com/tianqin/
https://doc.shinnytech.com/tqsdk/latest/quickstart.html
安装天勤
pip install tqsdk -U -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host=pypi.tuna.tsinghua.edu.cn
from tqsdk import TqApi, TqAuth
api = TqApi(web_gui=True, auth=TqAuth("17604349919", "Hackaming@010527"))
quote = api.get_quote("SHFE.ni2206")
# print (quote.last_price, quote.volume)
klines = api.get_kline_serial("SHFE.ni2206", 10)
while True:
api.wait_update()
print("最后一根K线收盘价", klines.close.iloc[-1])
print (quote.datetime, quote.last_price)
穿云箭集群量化
https://blog.csdn.net/hepu8/article/details/130773617
掘金
miniqmt
https://blog.csdn.net/DDDKKKGS/article/details/135627199
https://zhuanlan.zhihu.com/p/668844536
query_stock_positions
数据
期货
股票
回测
模拟
实盘
交易接口 软件程序–> 券商 --> 交易所
交易所：
在A股，目前指的就是沪深京，三个交易所。
交易所是交易指令真正执行的场所，但一般投资者其实并不是直接对接交易所交易。
券商：
有很多，大部分都叫XX证券，我们在这些证券公司开通账户，委托证券公司代理我们的交易，这也是券商存在的最大作用。
软件程序：
不管是传统的同花顺、东财炒股软件，还是现在QMT/Ptrade这些量化软件，其实无非就是一个软件程序，
最终它们要把交易指令下发给用户的券商、再由券商下发指令给交易所，好理解吧。
东财/同花顺：老牌的金融数据提供商，目前也都有自己的量化平台和接口，它们最大的优势是数据能力，全面多样化，但应该都是需要收费的。
聚宽/BigQuant：基于云端的量化平台，它们最大的优势是回测能力，再实盘交易这一块，与一家特定的券商合作，一般是按你在他们平台使用的资源多少收费。
QMT/Ptrade：基于客户端的量化软件，它们在实盘交易上，具备一定的优势，直接与各券商合作，只要再对应的券商开户并达到一定的资金量，就可以终身免费使用。这里再说一下QMT和Ptrade的区别，它们分别是由两家不同的公司开发的，QMT是迅投开发，Ptrade是恒生电子开发。最核心的一点，QMT的策略程序运行在本地，而Ptrade则运行在云端。
QMT具备免费、本地化、实盘交易能力强等优势
miniQMT模式 国金QMT 有门槛
我们不需要再在QMT软件中编写代码，只需下载迅投官方提供的xtquant包，即可在任何支持Python的环境中，引入xtquant包，与miniQMT客户端建立连接，在QMT软件外，完成量化策略的编写。
xtquant包只提供了数据获取（xtdata）和 实盘交易（xttrade），并不提供回测功能，所以，若想做回测，需要自己使用比如backtrader这样的工具去做。
股市 Finance
期货
基金
A股
美股
WonderTrader
通达信
QMT量化策略
同花顺
科创板
概念股
https://zhuanlan.zhihu.com/p/562878605?utm_id=0
AlgoPlus
jqdataSDK
聚宽出品的数据本地化SDK。说是本地化，是相对于它的在线计算平台而言的。实际上这个SDK还是一个在线数据收发概念。即你获得的数据，都无法保存（或者你需要自行设计数据结构来保存）。我们在本教程中，主要使用这个数据源。
Tushare
https://tushare.pro/
同花顺 SuperMind
http://quant.10jqka.com.cn/view/
易方达
买卖股票：
股票交易是指投资者购买（买入）或出售（卖出）股票的行为。投资者通过证券交易所或其他交易平台进行股票交易。
市场供需决定价格：
股票价格是由市场供需关系决定的。当需求大于供应时，股票价格上涨；当供应大于需求时，股票价格下跌。因此，股票市场的价格波动受多种因素的影响，包括公司业绩、宏观经济状况、政治因素等。
交易中介：
股票交易需要通过证券交易所或经纪公司等中介机构进行。这些机构提供交易平台和服务，以便投资者能够买卖股票并进行交易结算。
交易订单：
投资者下达买入或卖出股票的订单。买入订单表示投资者愿意以特定价格购买股票，而卖出订单表示投资者愿意以特定价格出售股票。交易所或经纪公司会将这些订单进行撮合，形成交易。
交易费用：
股票交易通常涉及交易费用，包括佣金、交易税等。这些费用会影响交易的成本和收益，投资者需要考虑到这些费用因素。
交易风险：
股票交易存在风险，股价可能波动，投资者可能获利也可能亏损。投资者需要根据自己的风险承受能力和投资目标制定交易策略，并进行风险管理。
信息披露：
证券市场有信息披露制度，上市公司需要及时披露相关信息，以便投资者了解公司的财务状况和经营情况，从而作出投资决策。
投资策略：
投资者可以根据自己的投资目标和风险偏好选择不同的投资策略，如价值投资、成长投资、技术分析等，以获取投资收益。
北证A股交易规则 T+1
今日买入的股票下个交易日才能卖出。
交易时间：
北交所和深沪证券交易所的交易时间相同
开盘时间为9:15-9:25，
连续竞价时间为
9:30-11:30
13:00-14:57
集合竞价的收盘时间为14:57-15:00。
最低交易申报数量：
最低交易申报数量为100股
科创板至少为200股
单笔申报股数 ：
单笔申报股数不少于10万股可以进行大宗交易，
大宗交易的报告时间为
每个交易日的9:15至11:30和13:00至15:30，大宗交易的成交确认时间为15:00-15:30。
2、新股申购规则：新股申购不需要股票市值，只要账户中有现金即可，申购新股后系统会先冻结资金，等到中签公布后资金才解冻。
3、新股上市首日无涨跌幅，但设有临时停牌机制，即：上市首日涨跌幅较开盘价达到30%和60%时各停牌10分钟，下个交易日起实施30%涨跌幅限制。
4、申报规则：最低申报为100股，按1股递增，卖出不足100股需一次性卖出。
北交所股票代码8开头，其中82开头的股票表示优先股；83和87开头的股票表示普通股票、88开头的股票表示公开发行的。
根据《北京证券交易所投资者适当性管理办法（试行）》规定，个人投资者参与北交所股票开通权限需要：20个交易日日均资产50万元以上，同时具备2年以上的证券投资经验。
深圳证券交易所交易规则 深A
股票代码通常以00开头
投资者可以通过集中竞价、大宗交易、协议转让等方式进行股票买卖。
A股 T+1
港交所交易规则 T + 0
A的股票代码通常以00开头
当天买入当天就可以卖出，且不限交易次数。
开市前时段、早市、午市、收市竞收四个时间段
开市前时段为9:30-10:00，
早市为10:00-12:30，
午市为14:30-16:00，
收市竞收时段为16:00-16:10。
交易数量限制
每笔交易数量必须为一个买卖单位或者其整倍数。
在港股交易中，一个买卖单位的股数是不确定的，
由上市公司决定，400股、500股、1000股都有可能。
港股交易中不设涨跌幅限制
结算交收规则
实行T+2的交收方式，
交收时间为每个交易日之后的
第2个工作日下午3:45之前。
缴纳费用
投资者参与股票交易需要支付佣金、交易所费用、政府费用、转手过户费等费用。
港股交易市场要比内地交易市场成熟，更快反映国际市场情况。在港股交易首先要进行开户，可以开通港股通或者开通港股账户。投资者开通港股通账户，只有在A股和港股都开市的时期才可以进行交易。投资者开通港股账户，只要在港股开市的时间内就可以交易。
如果投资者资金充裕，满足开通港股通的条件，且年投资总金额超过5万美元，选择开通港股通更好。如果投资者的资金量不足，那么开通港股账户更好，更划算。如果投资者想要在更大的投资范围内选择股票投资并且参与港股打新，或者想要长期的进行港股交易，那么选择开通港股账户更好。
上海证券交易所 沪A
沪A的股票代码则以6开头
热点概念
固态电池
A股
美股
富途牛牛
https://support.futunn.com/topic30?lang=zh-cn&from_platform=1
https://openapi.futunn.com/futu-api-doc/
可视化 Futu OpenD
港股
ETF
期貨
BTC
https://bitcoin.org/en/
琥珀金
Electrum 的重点是速度和简单性，资源使用率低。它使用远程服务器来处理比特币系统最复杂的部分，并允许您从秘密短语中恢复您的钱包。
炒币 头部交易所
OKX欧易交易所
udst
币安
https://www.binance.com/
火币
Coinbase
以其自动化交易功能而闻名
WonderTrader
财经新闻 市场动态 爬虫
复测数据 预测
量化交易 周期持有
交易方法
依赖于严格定义的规则和数学模型，而非人的主观判断。
借助大量的金融数据和技术分析工具来执行交易，以期获得更好的交易结果。
https://zhuanlan.zhihu.com/p/679115361
银河证券 95551
一个月四个周
每周五个交易日
400 * 4*5 = 8000
卖出价格= (盈利目标400 + 投资金额) % （持有的股票数量=投资金额/买入价格)
涨幅=(卖出价格−买入价格)%买入价格 x 100%
冲锋策略 400
折中策略 200
保本策略 10000
10-25 块
10000 本金
akshare 免费 A股量化行情pythonSDK
使用手册
https://akshare.akfamily.xyz/data/stock/stock.html#id21
量化初级 – akshare获得股票代码，最简策略
https://blog.csdn.net/sinat_37574187/article/details/125460556
backtrader策略库：bt内选股的多因子选股策略
https://zhuanlan.zhihu.com/p/556802919
上海证券交易所·股票市场总貌
stock_sse_summary_df = ak.stock_sse_summary()
print(stock_sse_summary_df)
项目 股票 主板 科创板
0 流通股本 45544.24 44256.54 1287.7
1 总市值 484251.47 430463.13 53788.34
2 平均市盈率 12.53 11.73 30.63
3 上市公司 2272 1701 571
4 上市股票 2311 1740 571
5 流通市值 445953.3 409107.91 36845.4
6 报告时间 20240429 20240429 20240429
8 总股本 49190.21 47053.21 2136.99
深圳证券交易所·证券类别统计
深圳证券交易所
stock_szse_summary_df = ak.stock_szse_summary(date="20230619")
print(stock_szse_summary_df)
证券类别 数量 成交金额 总市值 流通市值
0 股票 2284 4.647749e+11 2.706514e+13 2.104546e+13
1 主板A股 460 9.775950e+10 7.864787e+12 6.943990e+12
2 主板B股 46 8.626816e+07 4.759658e+10 4.706385e+10
3 中小板 960 2.013526e+11 1.130741e+13 8.669555e+12
4 创业板A股 818 1.655765e+11 7.845345e+12 5.384854e+12
5 基金 551 1.362524e+10 2.417277e+11 2.417277e+11
深圳证券交易所-市场总貌-地区交易排序
stock_szse_area_summary_df = ak.stock_szse_area_summary(date="202203")
print(stock_szse_area_summary_df)
序号 地区 总交易额 占市场 股票交易额 基金交易额 债券交易额
0 1 上海 6.599168e+12 17.144 4.043329e+12 1.248538e+11 2.430985e+12
1 2 深圳 4.783964e+12 12.428 3.003823e+12 1.199498e+11 1.659669e+12
2 3 北京 3.631714e+12 9.435 2.225152e+12 8.615759e+10 1.319881e+12
深圳证券交易所-统计资料-股票行业成交数据
stock_szse_sector_summary_df = ak.stock_szse_sector_summary(symbol="当年", date="202304")
print(stock_szse_sector_summary_df)
项目名称 项目名称-英文 交易天数 成交金额-人民币元 成交金额-占总计 成交股数-股数 成交股数-占总计 成交笔数-笔 成交笔数-占总计
0 合计 Total 78 42553245754902 100.00 3251804937420 100.00 3377008803 100.00
1 农林牧渔 Agriculture 78 470914405936 1.11 35244529475 1.08 37852101 1.12
2 采矿业 Mining 78 472908130832 1.11 43607012958 1.34 44599378 1.32
上海证券交易所-数据-股票数据-成交概况-股票成交概况-每日股票情况
每日概况
stock_sse_deal_daily_df = ak.stock_sse_deal_daily(date="20221111")
print(stock_sse_deal_daily_df)
单日情况 股票 主板A 主板B 科创板 股票回购
0 市价总值 4.622035e+05 3.996071e+05 1.009780e+03 6.158670e+04 0.00
1 平均市盈率 1.273000e+01 1.152000e+01 5.650000e+00 4.789000e+01 NaN
2 成交量 4.100800e+02 3.919500e+02 4.000000e-01 1.773000e+01 0.40
东方财富-个股-股票信息
stock_individual_info_em_df = ak.stock_individual_info_em(symbol="600819")
print(stock_individual_info_em_df)
item value
0 总市值 337468917463.220032
1 流通市值 337466070320.25
2 行业 银行
3 上市时间 19910403
4 股票代码 000001
5 股票简称 平安银行
6 总股本 19405918198.0
7 流通股 19405754475.0
东方财富 行情报价
stock_bid_ask_em_df = ak.stock_bid_ask_em(symbol="600819")
print(stock_bid_ask_em_df)
item value
0 sell_5 1.049000e+01
1 sell_5_vol 1.147100e+06
2 sell_4 1.048000e+01
3 sell_4_vol 1.035700e+06
4 sell_3 1.047000e+01
5 sell_3_vol 1.489100e+06
6 sell_2 1.046000e+01
7 sell_2_vol 1.608400e+06
8 sell_1 1.045000e+01
9 sell_1_vol 2.339000e+05
10 buy_1 1.044000e+01
11 buy_1_vol 3.690000e+05
12 buy_2 1.043000e+01
13 buy_2_vol 8.359000e+05
14 buy_3 1.042000e+01
15 buy_3_vol 6.016000e+05
16 buy_4 1.041000e+01
17 buy_4_vol 7.381000e+05
18 buy_5 1.040000e+01
19 buy_5_vol 1.301900e+06
20 最新 1.045000e+01
21 均价 1.043000e+01
22 涨幅 4.800000e-01
23 涨跌 5.000000e-02
24 总手 8.726630e+05
25 金额 9.102786e+08
26 换手 4.500000e-01
27 量比 4.400000e-01
28 最高 1.047000e+01
29 最低 1.037000e+01
30 今开 1.038000e+01
31 昨收 1.040000e+01
32 涨停 1.144000e+01
33 跌停 9.360000e+00
34 外盘 4.715810e+05
35 内盘 4.010820e+05
东方财富网-沪深京 A 股-实时行情数据
https://quote.eastmoney.com/center/gridlist.html#hs_a_board
stock_zh_a_spot_em_df = ak.stock_zh_a_spot_em()
print(stock_zh_a_spot_em_df)
序号 代码 名称 最新价 ... 涨速 5分钟涨跌 60日涨跌幅 年初至今涨跌幅
0 1 838171 N邦德 8.95 ... -0.22 0.34 -69.04 -69.04
1 2 688150 莱特光电 31.66 ... 0.00 0.00 43.58 43.58
2 3 688011 新光光电 25.85 ... 0.00 0.00 -12.67 -21.21
3 4 688071 华依科技 38.87 ... 0.00 0.00 -21.24 -40.92
4 5 688280 精进电动-UW 12.90 ... 0.00 0.00 0.86 -15.41
东方财富网-沪 A 股-实时行情数据
stock_sh_a_spot_em_df = ak.stock_sh_a_spot_em()
print(stock_sh_a_spot_em_df)
序号 代码 名称 最新价 ... 涨速 5分钟涨跌 60日涨跌幅 年初至今涨跌幅
0 1 688150 莱特光电 31.66 ... 0.00 0.00 43.58 43.58
1 2 688011 新光光电 25.85 ... 0.00 0.00 -12.67 -21.21
2 3 688071 华依科技 38.87 ... 0.00 0.00 -21.24 -40.92
东方财富网-深 A 股-实时行情数据
stock_sz_a_spot_em_df = ak.stock_sz_a_spot_em()
print(stock_sz_a_spot_em_df)
序号 代码 名称 最新价 ... 涨速 5分钟涨跌 60日涨跌幅 年初至今涨跌幅
0 1 300926 博俊科技 24.66 ... 0.00 0.00 13.43 4.14
1 2 300153 科泰电源 9.21 ... 0.00 -0.11 -4.06 -9.17
2 3 300812 易天股份 17.24 ... 0.06 -0.06 -13.89 -20.26
东方财富网-京 A 股-实时行情数据
stock_bj_a_spot_em_df = ak.stock_bj_a_spot_em()
print(stock_bj_a_spot_em_df)
序号 代码 名称 最新价 涨跌幅 ... 流通市值 涨速 5分钟涨跌 60日涨跌幅 年初至今涨跌幅
0 1 838171 N邦德 8.95 27.86 ... 172364470 -0.22 0.34 -69.04 -69.04
1 2 838030 德众汽车 5.10 10.15 ... 445198655 1.19 0.39 0.39 -18.01
2 3 836239 长虹能源 46.25 6.47 ... 2279499793 0.00 0.11 -17.13 -43.54
3 4 839946 华阳变速 4.17 6.38 ... 231527103 0.24 0.48 -14.20 -37.76
东方财富网-新股-实时行情数据
stock_new_a_spot_em_df = ak.stock_new_a_spot_em()
print(stock_new_a_spot_em_df)
序号 代码 名称 最新价 ... 涨速 5分钟涨跌 60日涨跌幅 年初至今涨跌幅
0 1 688327 C云从-UW 32.30 ... 3.23 3.03 110.15 110.15
1 2 688045 必易微 71.40 ... 0.00 -0.04 29.47 29.47
2 3 301191 菲菱科思 80.92 ... 0.00 0.00 12.39 12.39
3 4 301183 东田微 38.27 ... 0.16 -0.47 66.97 66.97
东方财富网-创业板-实时行情
import akshare as ak
stock_cy_a_spot_em_df = ak.stock_cy_a_spot_em()
print(stock_cy_a_spot_em_df)
序号 代码 名称 最新价 ... 涨速 5分钟涨跌 60日涨跌幅 年初至今涨跌幅
0 1 300114 中航电测 18.29 ... 0.00 0.00 69.35 78.27
1 2 300895 铜牛信息 38.84 ... 0.00 0.00 41.86 40.06
2 3 300520 科大国创 23.36 ... 0.00 0.00 18.22 47.29
东方财富网-科创板-实时行情
import akshare as ak
stock_kc_a_spot_em_df = ak.stock_kc_a_spot_em()
print(stock_kc_a_spot_em_df)
序号 代码 名称 最新价 ... 涨速 5分钟涨跌 60日涨跌幅 年初至今涨跌幅
0 1 688155 先惠技术 110.40 ... 0.00 0.00 -2.64 -3.16
1 2 688707 振华新材 73.00 ... 0.00 0.97 19.28 45.62
2 3 688121 卓然股份 22.60 ... 0.58 0.44 -9.35 -41.22
新浪财经-沪深京 A 股数据,
重复运行本函数会被新浪暂时封 IP, 建议增加时间间隔
stock_zh_a_spot_df = ak.stock_zh_a_spot()
print(stock_zh_a_spot_df)
代码 名称 最新价 涨跌额 ... 最低 成交量 成交额 时间戳
0 bj430017 星昊医药 15.41 1.15 ... 14.02 8411380.0 127141645.0 15:30:01
1 bj430047 诺思兰德 18.17 0.67 ... 17.45 4167518.0 75391105.0 15:30:01
2 bj430090 同辉信息 4.10 0.31 ... 3.75 22609069.0 90900380.0 15:30:01
雪球-行情中心-个股
stock_individual_spot_xq_df = ak.stock_individual_spot_xq(symbol="SPY")
print(stock_individual_spot_xq_df.dtypes)
item value
0 代码 SH600000
1 52周最高 7.8653
2 流通股 29352176848
3 跌停 5.86
4 最高 6.6
5 流通值 193430845428.0
6 最小交易单位 100
7 涨跌 0.08
8 每股收益 1.32
9 昨收 6.51
10 成交量 53186496
11 周转率 0.18
12 52周最低 6.47
13 名称 浦发银行
14 交易所 SH
15 市盈率(动) 5.184
16 基金份额/总股本 29352176848
17 净资产中的商誉 0.747665
18 均价 6.558
19 涨幅 1.23
20 振幅 1.69
21 现价 6.59
22 今年以来涨幅 -0.45
23 发行日期 942163200000
24 最低 6.49
25 资产净值/总市值 193430845428.0
26 股息(TTM) 0.32
27 股息率(TTM) 4.856
28 货币 CNY
29 每股净资产 20.64
30 市盈率(静) 3.78
31 成交额 348808283.0
32 市净率 0.319
33 涨停 7.16
34 市盈率(TTM) 4.999
35 今开 6.49
东方财富-沪深京 A 股 每日行情 日频率历史数据 行情首页
https://quote.eastmoney.com/concept/sh603777.html?from=classic
stock_zh_a_hist_df = ak.stock_zh_a_hist(symbol="000001", period="daily", start_date="20170301", end_date='20210907', adjust="hfq")
print(stock_zh_a_hist_df)
日期 开盘 收盘 最高 最低 成交量
0 2015-01-22 4.28 5.14 5.14 4.28 1285
1 2015-01-23 5.65 5.65 5.65 5.65 475
2 2015-01-26 6.22 6.22 6.22 6.22 270
3 2015-01-27 6.84 6.84 6.84 6.84 452
4 2015-01-28 7.52 7.52 7.52 7.52 889
... ... ... ... ... ... ...
2114 2024-04-02 11.88 11.81 11.97 11.72 146763
2115 2024-04-03 12.01 12.30 12.48 11.93 318241
2116 2024-04-08 12.52 13.50 13.50 12.36 486781
2117 2024-04-09 13.35 13.08 13.41 12.94 348220
新浪财经-沪深京 A 股 数据 历史数据按日频率更新
stock_zh_a_daily_hfq_df = ak.stock_zh_a_daily(symbol="sz000001", start_date="19910403", end_date="20231027", adjust="hfq")
print(stock_zh_a_daily_hfq_df)
date open high ... amount outstanding_share turnover
0 1991-04-03 49.00 49.00 ... 5.000000e+03 3.710000e+07 0.000003
1 1991-04-04 48.76 48.76 ... 1.500000e+04 3.710000e+07 0.000008
2 1991-04-05 48.52 48.52 ... 1.000000e+04 3.710000e+07 0.000005
3 1991-04-08 48.04 48.04 ... 1.000000e+04 3.710000e+07 0.000005
4 1991-04-09 47.80 47.80 ... 1.900000e+04 3.710000e+07 0.000011
腾讯证券-日频-股票历史数据; 历史数据按日频率更新
stock_zh_a_hist_tx_df = ak.stock_zh_a_hist_tx(symbol="sz000001", start_date="20200101", end_date="20231027", adjust="hfq")
print(stock_zh_a_hist_tx_df)
date open close high low amount
0 2020-01-02 1880.18 1904.07 1912.76 1869.33 1530231.87
1 2020-01-03 1911.67 1937.73 1951.85 1909.50 1116194.81
2 2020-01-06 1919.27 1925.79 1955.11 1908.42 862083.50
3 2020-01-07 1932.30 1934.48 1948.59 1912.76 728607.56
4 2020-01-08 1918.19 1881.27 1923.62 1878.01 847824.12
新浪财经-沪深京 A 股股票或者指数的分时数据
目前可以获取 1, 5, 15, 30, 60 分钟的数据频率, 可以指定是否复权
stock_zh_a_minute_df = ak.stock_zh_a_minute(symbol='sh600751', period='1', adjust="qfq")
print(stock_zh_a_minute_df)
day open high low close volume
0 2020-06-17 14:49:00 3.05 3.05 3.04 3.04 133200
1 2020-06-17 14:50:00 3.05 3.05 3.04 3.04 131900
2 2020-06-17 14:51:00 3.04 3.05 3.04 3.04 332700
东方财富网 行情首页 沪深京 A 股 每日分时行情 stock_zh_a_hist_min_em
该接口只能获取近期的分时数据，注意时间周期的设置
注意：该接口返回的数据只有最近一个交易日的有开盘价，其他日期开盘价为 0
stock_zh_a_hist_min_em_df = ak.stock_zh_a_hist_min_em(symbol="000001", start_date="2024-03-20 09:30:00", end_date="2024-03-20 15:00:00", period="1", adjust="")
print(stock_zh_a_hist_min_em_df)
时间 开盘 收盘 最高 最低 涨跌幅
0 2024-02-23 09:35:00 10.52 10.51 10.59 10.49 -0.47
1 2024-02-23 09:40:00 10.52 10.52 10.54 10.51 0.10
2 2024-02-23 09:45:00 10.53 10.54 10.54 10.51 0.19
3 2024-02-23 09:50:00 10.54 10.54 10.57 10.53 0.00
4 2024-02-23 09:55:00 10.53 10.53 10.55 10.52 -0.09
... ... ... ... ... ... ...
1531 2024-04-10 14:40:00 12.96 12.90 12.97 12.89 -0.46
1532 2024-04-10 14:45:00 12.90 12.91 12.94 12.89 0.08
1533 2024-04-10 14:50:00 12.91 12.88 12.93 12.88 -0.23
1534 2024-04-10 14:55:00 12.88 12.88 12.90 12.88 0.00
1535 2024-04-10 15:00:00 12.88 12.90 12.90 12.88 0.16
东财财富-分时数据
stock_intraday_em_df = ak.stock_intraday_em(symbol="000001")
print(stock_intraday_em_df)
时间 成交价 手数 买卖盘性质
0 09:15:00 10.60 11 中性盘
1 09:15:09 10.57 1547 中性盘
2 09:15:18 10.57 1549 中性盘
3 09:15:27 10.57 1549 中性盘
4 09:15:36 10.57 1552 中性盘
新浪财经-日内分时数据
stock_intraday_sina_df = ak.stock_intraday_sina(symbol="sz000001", date="20240321")
print(stock_intraday_sina_df)
symbol name ticktime price volume prev_price kind
0 sz000001 平安银行 09:25:00 10.45 437400 0.00 U
1 sz000001 平安银行 09:30:00 10.44 29100 10.45 D
2 sz000001 平安银行 09:30:03 10.45 356400 10.44 U
3 sz000001 平安银行 09:30:06 10.45 65500 10.45 D
4 sz000001 平安银行 09:30:09 10.46 35800 10.45 U
东方财富-股票行情-盘前数据
stock_zh_a_hist_pre_min_em_df = ak.stock_zh_a_hist_pre_min_em(symbol="000001", start_time="09:00:00", end_time="15:40:00")
print(stock_zh_a_hist_pre_min_em_df)
时间 开盘 收盘 最高 最低 成交量 成交额 最新价
0 2023-12-11 09:15:00 9.30 9.30 9.30 9.30 0 0.0 9.300
1 2023-12-11 09:16:00 9.25 9.28 9.28 9.25 0 0.0 9.300
2 2023-12-11 09:17:00 9.28 9.28 9.28 9.28 0 0.0 9.300
同花顺-数据中心-资金流向-行业资金流
stock_fund_flow_industry_df = ak.stock_fund_flow_industry(symbol="即时")
print(stock_fund_flow_industry_df)
序号 行业 行业指数 行业-涨跌幅 流入资金 ... 净额 公司家数 领涨股 领涨股-涨跌幅 当前价
0 1 钢铁 1518.11 1.73% 67.35 ... 17.44 36 八一钢铁 10.06% 5.58
1 2 医疗器械服务 12584.10 1.18% 178.79 ... 16.98 120 热景生物 20.00% 174.13
2 3 半导体及元件 6446.56 0.30% 105.85 ... -1.98 116 明微电子 20.00% 114.20
同花顺-数据中心-资金流向-个股资金流
stock_fund_flow_individual_df = ak.stock_fund_flow_individual(symbol="即时")
print(stock_fund_flow_individual_df)
序号 行业 行业指数 涨跌幅 ... 公司家数 领涨股 涨跌幅 当前价
0 1 300061 旗天科技 6.90 ... 4.63亿 -3656.13万 8.89亿 1.30亿
1 2 300171 东富龙 28.49 ... 1.68亿 4488.23万 3.80亿 6876.22万
2 3 2248 华东数控 6.17 ... 1.20亿 -1952.27万 2.20亿 752.59万
3 4 300325 ST德威 1.73 ... 8562.60万 7795.99万 2.49亿 8953.17万
东方财富-个股人气榜-热门关键词
import akshare as ak
stock_hot_keyword_em_df = ak.stock_hot_keyword_em(symbol="SZ000665")
print(stock_hot_keyword_em_df)
时间 股票代码 概念名称 概念代码 热度
0 2022-02-28 12:00:00 SZ000665 元宇宙概念 BK1009 2138
1 2022-02-28 12:00:00 SZ000665 广电 BK0904 1082
2 2022-02-28 12:00:00 SZ000665 云计算 BK0579 411
3 2022-02-28 12:00:00 SZ000665 虚拟现实 BK0722 152
4 2022-02-28 12:00:00 SZ000665 彩票概念 BK0671 131
5 2022-02-28 12:00:00 SZ000665 转债标的 BK0528 51
6 2022-02-28 12:00:00 SZ000665 华为概念 BK0854 36
7 2022-02-28 12:00:00 SZ000665 智慧城市 BK0628 31
8 2022-02-28 12:00:00 SZ000665 预盈预增 BK0571 13
9 2022-02-28 12:00:00 SZ000665 超清视频 BK0859 1
东方财富-行情中心-当日板块异动详情
stock_board_change_em_df = ak.stock_board_change_em()
print(stock_board_change_em_df)
板块名称 ... 板块具体异动类型列表及出现次数
0 融资融券 ... [{'t': 8201, 'ct': 565}, {'t': 8217, 'ct': 515...
1 创业板综 ... [{'t': 8201, 'ct': 272}, {'t': 8217, 'ct': 211...
2 预亏预减 ... [{'t': 8193, 'ct': 185}, {'t': 8201, 'ct': 166...
3 国企改革 ... [{'t': 8201, 'ct': 207}, {'t': 8217, 'ct': 190...
4 广东板块 ... [{'t': 8201, 'ct': 201}, {'t': 8193, 'ct': 186...
东方财富-行情中心-盘口异动数据
stock_changes_em_df = ak.stock_changes_em(symbol="大笔买入")
print(stock_changes_em_df)
时间 代码 名称 板块 相关信息
0 14:55:46 300820 英杰电气 大笔买入 31500
1 14:55:45 002593 日上集团 大笔买入 768700
2 14:55:34 300282 三盛教育 大笔买入 400000
3 14:55:16 300987 川网传媒 大笔买入 29000
4 14:54:58 300987 川网传媒 大笔买入 30400
东方财富网-行情中心-涨停板行情-涨停股池
stock_zt_pool_em_df = ak.stock_zt_pool_em(date='20210525')
print(stock_zt_pool_em_df)
序号 代码 名称 涨跌幅 最新价 ... 最后封板时间 炸板次数 涨停统计 连板数 所属行业
0 1 002282 博深股份 10.021322 10.32 ... 092500 0 1/1 1 机械行业
1 2 002976 瑞玛工业 10.014800 22.30 ... 092500 0 1/1 1 金属制品
2 3 002131 利欧股份 10.112359 2.94 ... 092503 0 2/2 2 电子信息
3 4 603048 浙江黎明 9.996365 30.26 ... 092506 0 3/3 3 汽车行业
4 5 002270 华明装备 10.000000 10.67 ... 093000 0 2/2 2 专用设备
5 6 002943 宇晶股份 9.993490 33.79 ... 093145 0 7/6 4 专用设备
6 7 605222 起帆电缆 10.006998 31.44 ... 145507 8 2/2 2 输配电气
7 8 600262 北方股份 9.978308 15.21 ... 093612 1 1/1 1 机械行业
8 9 001267 汇绿生态 9.966777 6.62 ... 093330 0 1/1 1 园林工程
东方财富网-行情中心-涨停板行情-昨日涨停股池
stock_zt_pool_previous_em_df = ak.stock_zt_pool_previous_em(date='20240415')
print(stock_zt_pool_previous_em_df)
序号 代码 名称 涨跌幅 最新价 ... 振幅 昨日封板时间 昨日连板数 涨停统计 所属行业
0 1 001202 炬申股份 -5.521886 14.03 ... 18.585859 093957 1 2/1 物流行业
1 2 603822 嘉澳环保 -5.987780 23.08 ... 8.472506 131416 1 2/1 化学制品
2 3 001333 光华股份 -8.636837 17.56 ... 9.781478 130703 1 2/1 化学制品
东方财富网-行情中心-涨停板行情-强势股池
stock_zt_pool_strong_em_df = ak.stock_zt_pool_strong_em(date='20210521')
print(stock_zt_pool_strong_em_df)
序号 代码 名称 涨跌幅 最新价 ... 是否新高 量比 涨停统计 入选理由 所属行业
0 1 300588 熙菱信息 20.046619 10.30 ... 1 4.502030 1/1 1 电子信息
1 2 300546 雄帝科技 20.013803 17.39 ... 1 2.140777 1/1 1 专用设备
2 3 300745 欣锐科技 18.975740 22.07 ... 1 8.078884 0/0 1 汽车行业
东方财富网-行情中心-涨停板行情-炸板股池
stock_zt_pool_zbgc_em_df = ak.stock_zt_pool_zbgc_em(date='20210525')
print(stock_zt_pool_zbgc_em_df)
序号 代码 名称 涨跌幅 最新价 ... 首次封板时间 炸板次数 涨停统计 振幅 所属行业
0 1 600328 中盐化工 5.445544 10.65 ... 093053 2 2/1 6.336634 化工行业
1 2 002580 圣阳股份 3.139718 6.57 ... 093206 2 2/1 7.692308 输配电气
2 3 600152 维科技术 3.860072 8.61 ... 093416 1 0/0 9.529553 电子元件
乐咕乐股网-赚钱效应分析数据
stock_market_activity_legu_df = ak.stock_market_activity_legu()
print(stock_market_activity_legu_df)
item value
0 上涨 1198.0
1 涨停 26.0
2 真实涨停 22.0
3 st st*涨停 1.0
4 下跌 3879.0
5 跌停 333.0
6 真实跌停 268.0
7 st st*跌停 77.0
8 平盘 37.0
9 停牌 2.0
10 活跃度 23.42%
11 统计日期 2024-04-15 15:00:00
行业板块
https://akshare.akfamily.xyz/data/stock/stock.html#id341
同花顺-板块-行业板块-成份股数据 行业名称 stock_board_industry_cons_ths
stock_board_industry_cons_ths_df = ak.stock_board_industry_cons_ths(symbol="半导体及元件")
print(stock_board_industry_cons_ths_df)
序号 代码 名称 现价 涨跌幅 涨跌 涨速 换手 量比 振幅 成交额 流通股 流通市值 市盈率
0 1 688018 乐鑫科技 96.14 6.42 5.80 0.15 1.60 1.37 7.24 1.21亿 0.81亿 77.67亿 57.02
1 2 688220 翱捷科技 39.16 4.73 1.77 0.08 1.47 0.91 5.11 1.27亿 2.25亿 87.96亿 --
2 3 300604 长川科技 32.35 4.69 1.45 -0.09 3.40 0.99 5.66 5.00亿 4.59亿 148.44亿 11471.00
3 4 688126 沪硅产业 13.59 4.46 0.58 0.15 0.39 1.33 5.15 1.42亿 27.20亿 369.69亿 200.14
4 5 603290 斯达半导 153.20 4.36 6.40 -0.05 2.73 1.95 6.63 7.03亿 1.71亿 261.93亿 28.77
.. ... ... ... ... ... ... ... ... ... ... ... ... ... ...
202 203 301297 富乐德 20.87 -3.02 -0.65 0.10 5.59 0.67 4.37 1.63亿 1.38亿 28.88亿 82.98
203 204 688582 芯动联科 33.82 -3.37 -1.18 0.00 4.96 1.16 5.23 0.83亿 0.50亿 16.78亿 81.79
204 205 688525 佰维存储 48.75 -3.75 -1.90 0.06 7.84 1.07 11.04 9.36亿 2.49亿 121.26亿 --
205 206 688515 裕太微 74.42 -5.02 -3.93 0.00 4.00 1.00 7.90 1.36亿 0.46亿 34.06亿 --
206 207 301369 联动科技 47.29 -5.48 -2.74 -0.02 10.00 1.01 11.59 1.15亿 0.24亿 11.47亿 174.09
东方财富-沪深板块-行业板块-板块成份
https://data.eastmoney.com/bkzj/BK1027.html
stock_board_industry_cons_em_df = ak.stock_board_industry_cons_em(symbol="小金属")
print(stock_board_industry_cons_em_df)
序号 代码 名称 最新价 涨跌幅 涨跌额 成交量 成交额 振幅 最高 最低 今开 昨收 换手率 市盈率-动态 市净率
0 1 300127 银河磁体 18.92 19.97 3.15 367018 6.594722e+08 21.56 18.92 15.52 15.60 15.77 15.90 37.98 4.27
1 2 605376 博迁新材 20.99 10.01 1.91 24459 5.011881e+07 9.64 20.99 19.15 19.15 19.08 0.93 320.64 3.38
2 3 600392 盛和资源 11.80 9.97 1.07 827214 9.294965e+08 11.65 11.80 10.55 10.62 10.73 4.72 98.06 2.34
3 4 002167 东方锆业 9.30 9.93 0.84 2687032 2.365323e+09 13.59 9.31 8.16 8.17 8.46 39.18 -715.83 4.77
4 5 301141 中科磁业 55.98 7.45 3.88 89274 4.856288e+08 17.14 58.98 50.05 51.19 52.10 31.85 97.58 3.94
5 6 300835 龙磁科技 26.97 7.15 1.80 94602 2.487362e+08 11.36 27.68 24.82 24.82 25.17 11.54 37.25 3.10
6 7 300224 正海磁材 12.19 6.93 0.79 355580 4.246341e+08 11.49 12.50 11.19 11.25 11.40 4.36 22.34 2.80
7 8 600259 广晟有色 34.51 6.38 2.07 189931 6.408476e+08 7.58 34.76 32.30 32.59 32.44 5.76 57.09 3.18
8 9 000831 中国稀土 32.10 6.36 1.92 899449 2.823908e+09 7.55 32.21 29.93 30.10 30.18 9.17 203.51 6.57
9 10 300748 金力永磁 17.01 4.74 0.77 600333 1.004273e+09 10.90 17.58 15.81 16.00 16.24 5.30 40.58 3.26
东方财富网-数据中心-沪深港通持股-板块排行 stock_hsgt_board_rank_em
https://akshare.akfamily.xyz/data/stock/stock.html#id117
https://data.eastmoney.com/hsgtcg/bk.html
stock_hsgt_board_rank_em_df = ak.stock_hsgt_board_rank_em(symbol="北向资金增持行业板块排行", indicator="今日")
print(stock_hsgt_board_rank_em_df)
序号 名称 最新涨跌幅 北向资金今日持股-股票只数 北向资金今日持股-市值 北向资金今日持股-占板块比 北向资金今日持股-占北向资金比 ... 北向资金今日增持估计-占板块比 北向资金今日增持估计-占北向资金比 今日增持最大股-市值 今日增持最大股-占总市值比 今日减持最大股-市值 今日减持最大股-占总市值比 报告时间
0 1 电子元件 1.16 72 5.654316e+10 0.049485 0.030887 ... 0.000733 0.000458 汇川技术 世运电路 深南电路 大恒科技 2024-04-09
1 2 电池 6.73 50 1.100197e+11 0.065813 0.060099 ... 0.000483 0.000441 宁德时代 鹏辉能源 璞泰来 利元亨 2024-04-09
2 3 消费电子 1.81 52 4.837509e+10 0.034215 0.026425 ... 0.000415 0.000321 工业富联 京泉华 深科技 传艺科技 2024-04-09
3 4 银行 -0.14 42 1.694945e+11 0.015424 0.092587 ... 0.000040 0.000240 兴业银行 苏农银行 农业银行 无锡银行 2024-04-09
4 5 化学制品 2.68 69 3.868156e+10 0.037171 0.021130 ... 0.000379 0.000215 巨化股份 德方纳米 天赐材料 东方材料 2024-04-09
.. .. ... ... ... ... ... ... ... ... ... ... ... ... ... ...
81 82 文化传媒 0.71 67 2.341843e+10 0.025788 0.012792 ... -0.000870 -0.000431 电广传媒 电广传媒 分众传媒 智度股份 2024-04-09
82 83 煤炭行业 0.77 28 3.490307e+10 0.018142 0.019066 ... -0.000450 -0.000473 盘江股份 盘江股份 兖矿能源 新集能源 2024-04-09
83 84 汽车整车 -0.59 22 4.741486e+10 0.027492 0.025901 ... -0.000549 -0.000517 江铃汽车 江铃汽车 比亚迪 赛力斯 2024-04-09
84 85 软件开发 1.30 103 3.491462e+10 0.025166 0.019072 ... -0.000900 -0.000682 柏楚电子 柏楚电子 软通动力 汉王科技 2024-04-09
85 86 酿酒行业 1.09 30 2.138214e+11 0.053001 0.116801 ... -0.000372 -0.000819 山西汾酒 今世缘 贵州茅台 口子窖 2024-04-09
概念板块
https://akshare.akfamily.xyz/data/stock/stock.html#id331
同花顺-板块-概念板块-概念 同花顺-概念时间表 stock_board_concept_name_ths
stock_board_concept_name_ths_df = ak.stock_board_concept_name_ths()
print(stock_board_concept_name_ths_df)
日期 概念名称 成分股数量 网址 代码
0 2024-04-03 同花顺出海50 50 http://q.10jqka.com.cn/gn/detail/code/309127/ 309127
1 2024-03-25 AI语料 33 http://q.10jqka.com.cn/gn/detail/code/309126/ 309126
2 2024-03-20 铜缆高速连接 24 http://q.10jqka.com.cn/gn/detail/code/309125/ 309125
3 2024-03-12 高股息精选 243 http://q.10jqka.com.cn/gn/detail/code/309124/ 309124
4 2024-03-04 AI PC 13 http://q.10jqka.com.cn/gn/detail/code/309121/ 309121
.. ... ... ... ... ...
601 None 苹果概念 None http://q.10jqka.com.cn/gn/detail/code/300309/ 300309
602 None PM2.5 None http://q.10jqka.com.cn/gn/detail/code/300134/ 300134
637 None 石墨烯 None http://q.10jqka.com.cn/gn/detail/code/300337/ 300337
713 None 新能源汽车 None http://q.10jqka.com.cn/gn/detail/code/300008/ 300008
746 None 玉米 None http://q.10jqka.com.cn/gn/detail/code/301572/ 301572
东方财富网-数据中心-沪深港通持股-个股排行 stock_hsgt_hold_stock_em
https://akshare.akfamily.xyz/data/stock/stock.html#id118
https://data.eastmoney.com/hsgtcg/list.html
stock_em_hsgt_hold_stock_df = ak.stock_hsgt_hold_stock_em(market="北向", indicator="今日排行")
print(stock_em_hsgt_hold_stock_df)
序号 代码 名称 今日收盘价 今日涨跌幅 今日持股-股数 今日持股-市值 今日持股-占流通股比 今日持股-占总股本比 今日增持估计-股数 今日增持估计-市值 今日增持估计-市值增幅 今日增持
估计-占流通股比 今日增持估计-占总股本比 所属板块 日期
0 1 601899 紫金矿业 17.01 -1.68 155926.08 2652302.54 7.59 5.92 3227.79 55207.52 2.11 1.55 1.21 贵金属 2024-04-09
1 2 600690 海尔智家 26.14 -0.95 60507.65 1581670.03 9.59 6.41 835.77 22016.08 1.40 1.32 0.88 家电行业 2024-04-09
2 3 600988 赤峰黄金 18.88 -0.63 6321.78 119355.20 3.80 3.80 1019.52 19174.08 19.23 6.06 6.06 贵金属 2024-04-09
3 4 600489 中金黄金 13.43 -2.75 14791.29 198647.09 3.05 3.05 1371.90 18498.56 10.22 2.76 2.76 贵金属 2024-04-09
4 5 603993 洛阳钼业 8.48 -1.85 78528.15 665918.67 4.45 3.64 2135.10 18222.62 2.79 1.19 0.98 小金属 2024-04-09
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
2884 2885 002594 比亚迪 212.08 0.04 9253.46 1962473.82 7.95 3.18 -72.82 -15490.24 -0.78 -0.63 -0.25 汽车整车 2024-04-09
2885 2886 300394 天孚通信 156.10 -2.35 1587.89 247869.43 4.39 4.02 -101.59 -15798.47 -6.01 -2.73 -2.50 通信设备 2024-04-09
2886 2887 002027 分众传媒 6.98 0.87 155645.41 1086404.94 10.78 10.78 -2362.62 -16357.12 -1.50 -1.64 -1.64 文化传媒 2024-04-09
2887 2888 300308 中际旭创 164.90 0.21 7978.85 1315713.14 10.64 9.94 -163.04 -26650.45 -2.00 -2.16 -2.02 通信设备 2024-04-09
2888 2889 601888 中国中免 82.01 0.17 12027.79 986398.69 6.16 5.81 -357.78 -29528.21 -2.89 -1.85 -1.74 旅游酒店 2024-04-09
东方财富网-数据中心-个股资金流向 stock_individual_fund_flow
https://data.eastmoney.com/zjlx/detail.html
stock_individual_fund_flow_df = ak.stock_individual_fund_flow(stock="600094", market="sh")
print(stock_individual_fund_flow_df)
日期 收盘价 涨跌幅 主力净流入-净额 主力净流入-净占比 超大单净流入-净额 超大单净流入-净占比 大单净流入-净额 大单净流入-净占比 中单净流入-净额 中单净流入-净占比 小单净流
入-净额 小单净流入-净占比
0 2023-10-12 3.11 -0.32 2633861.0 5.70 1853843.0 4.01 780018.0 1.69 -544927.0 -1.18 -2088933.0 -4.52
1 2023-10-13 3.09 -0.64 188496.0 0.42 523589.0 1.18 -335093.0 -0.75 -853583.0 -1.92 665090.0 1.50
2 2023-10-16 3.07 -0.65 -2852156.0 -6.49 -910314.0 -2.07 -1941842.0 -4.42 1425586.0 3.24 1426570.0 3.25
3 2023-10-17 3.09 0.65 -3902112.0 -8.85 -256994.0 -0.58 -3645118.0 -8.26 1028159.0 2.33 2873953.0 6.52
4 2023-10-18 3.06 -0.97 46456.0 0.13 1524768.0 4.37 -1478312.0 -4.23 4334042.0 12.41 -4380498.0 -12.54
.. ... ... ... ... ... ... ... ... ... ... ... ... ...
115 2024-04-01 3.20 0.00 7288878.0 9.89 10577106.0 14.36 -3288228.0 -4.46 2148234.0 2.92 -9437111.0 -12.81
116 2024-04-02 3.30 3.13 7033474.0 6.73 3047698.0 2.91 3985776.0 3.81 133211.0 0.13 -7166686.0 -6.85
117 2024-04-03 3.39 2.73 5470290.0 6.50 5261628.0 6.25 208662.0 0.25 4114291.0 4.89 -9584581.0 -11.39
118 2024-04-08 3.73 10.03 51340178.0 22.22 32953581.0 14.26 18386597.0 7.96 -23732148.0 -10.27 -27608031.0 -11.95
119 2024-04-09 4.10 9.92 -31808181.0 -6.43 15573861.0 3.15 -47382042.0 -9.58 22050262.0 4.46 9757919.0 1.97
东方财富-沪深京 A 股日频率数据
历史数据按日频率更新, 当日收盘价请在收盘后获取
新浪财经-行情中心-沪深股市-次新股
stock_zh_a_new_df = ak.stock_zh_a_new()
print(stock_zh_a_new_df)
同花顺-成份股-行业代码
stock_board_cons_ths_df = ak.stock_board_cons_ths(symbol="881121")
print(stock_board_cons_ths_df)
序号 代码 名称 现价 涨跌幅 涨跌 涨速 换手 量比 振幅 成交额 流通股 流通市值 市盈率
0 1 688018 乐鑫科技 96.14 6.42 5.80 0.15 1.60 1.37 7.24 1.21亿 0.81亿 77.67亿 57.02
1 2 688220 翱捷科技 39.16 4.73 1.77 0.08 1.47 0.91 5.11 1.27亿 2.25亿 87.96亿 --
2 3 300604 长川科技 32.35 4.69 1.45 -0.09 3.40 0.99 5.66 5.00亿 4.59亿 148.44亿 11471.00
3 4 688126 沪硅产业 13.59 4.46 0.58 0.15 0.39 1.33 5.15 1.42亿 27.20亿 369.69亿 200.14
4 5 603290 斯达半导 153.20 4.36 6.40 -0.05 2.73 1.95 6.63 7.03亿 1.71亿 261.93亿 28.77
.. ... ... ... ... ... ... ... ... ... ... ... ... ... ...
202 203 301297 富乐德 20.87 -3.02 -0.65 0.10 5.59 0.67 4.37 1.63亿 1.38亿 28.88亿 82.98
203 204 688582 芯动联科 33.82 -3.37 -1.18 0.00 4.96 1.16 5.23 0.83亿 0.50亿 16.78亿 81.79
204 205 688525 佰维存储 48.75 -3.75 -1.90 0.06 7.84 1.07 11.04 9.36亿 2.49亿 121.26亿 --
205 206 688515 裕太微 74.42 -5.02 -3.93 0.00 4.00 1.00 7.90 1.36亿 0.46亿 34.06亿 --
206 207 301369 联动科技 47.29 -5.48 -2.74 -0.02 10.00 1.01 11.59 1.15亿 0.24亿 11.47亿 174.09
Pytdx
第一种方法是使用pytdx。大家知道通达信是主要的行情数据供应商和股票分析软件供应商。
许多证券公司的股票软件，都是基于通达信进行二次开发的。通达信软件早年还提供了插件，供用户获取行情数据。
Pytdx就是基于通达信的协议
https://rainx.gitbooks.io/pytdx/content/
综合交易模型-----通达信函数使用教程，提供源代码
https://zhuanlan.zhihu.com/p/667213093
探秘TdxTradeServer：一个强大的金融交易接口服务器
https://blog.csdn.net/gitblog_00012/article/details/137420944
https://gitee.com/ctosoft/StockClient
安装pytdx
pip install pytdx -U -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host=pypi.tuna.tsinghua.edu.cn
tdx ETF
https://zhuanlan.zhihu.com/p/458889137?utm_id=0&wd=&eqid=e0f41b380000730b000000036461fa9b
提供数据种类包括：
market category name short_name
0 1 1 临时股 TP
1 4 12 郑州商品期权 OZ
2 5 12 大连商品期权 OD
3 6 12 上海商品期权 OS
4 7 12 中金所期权 OJ
5 8 12 上海个股期权 QQ
6 9 12 深圳个股期权 SQ
7 10 4 基本汇率 FE
8 11 4 交叉汇率 FX
9 12 5 国际指数 WI
10 13 3 国际贵金属 GO
11 14 3 伦敦金属 LM
12 15 3 伦敦石油 IP
13 16 3 纽约商品 CO
14 17 3 纽约石油 NY
15 18 3 芝加哥谷 CB
16 19 3 东京工业品 TO
17 20 3 纽约期货 NB
18 27 5 香港指数 FH
19 28 3 郑州商品 QZ
20 29 3 大连商品 QD
21 30 3 上海期货 QS
22 31 2 香港主板 KH
23 33 8 开放式基金 FU
24 34 9 货币型基金 FB
25 35 8 券商理财产品 LC
26 36 9 券商货币产品 LB
27 37 11 全球指数(静态) FW
28 38 10 宏观指标 HG
29 39 3 马来期货 ML
30 40 11 中国概念股 CH
31 41 11 美股知名公司 MG
32 43 1 B股转H股 HB
33 44 1 股转系统 SB
34 46 11 上海黄金 SG
35 47 3 中金所期货 CZ
36 48 2 香港创业板 KG
37 49 2 香港基金 KT
38 50 3 渤海商品 BH
39 56 8 阳光私募基金 TA
40 57 8 券商集合理财 TB
41 58 9 券商货币理财 TC
42 60 3 主力期货合约 MA
43 62 5 中证指数 ZZ
44 70 5 扩展板块指数 UZ
45 71 2 港股通 GH
46 102 5 国证指数 GZ
引入
from pytdx.hq import TdxHq_API
创建对象 api = TdxHq_API()
if api.connect('119.147.212.81', 7709):
# ... same codes...
api.disconnect()
当然，我们也支持with 语法,可以省略disconnect()语句
with api.connect('119.147.212.81', 7709):
# some codes
接口一般返回list结构，如果需要转化为pandas Dataframe接口，可以使用 api.to_df 进行转化
data = api.get_security_bars(9, 0, '000001', 0, 10) #返回普通list
data = api.to_df(api.get_security_bars(9, 0, '000001', 0, 10)) # 返回DataFrame
获取股票行情 api.get_security_quotes([(0, ‘000001’), (1, ‘600300’)])
可以获取多只股票的行情信息
0代表中小板，1代表主板的股票，2代表查看北交所
需要传入一个列表，每个列表由一个市场代码，
一个股票代码构成的元祖构成 [ (市场代码1， 股票代码1)，(市场代码2， 股票代码2) … (市场代码n， 股票代
码n) ]
'market': 股票市场代码，这里是1。
'code': 股票代码，这里是'600819'。
'active1': 第一个活跃值，这里是2202。
'price': 当前价格，这里是4.9。
'last_close': 上一个收盘价，这里是4.8。
'open': 今日开盘价，这里是4.78。
'high': 今日最高价，这里是4.95。
'low': 今日最低价，这里是4.78。
'servertime': 服务器时间，这里是'14:59:58.600'。
'reversed_bytes0' 到 'reversed_bytes9': 一系列反转字节数据，可能用于内部处理，具体含义需要查看数据解析的上下文。
'vol': 成交量，这里是92711。
'cur_vol': 当前成交量，这里是1209。
'amount': 成交金额，这里是45492908.0。
's_vol': 卖出量，这里是45654。
'b_vol': 买入量，这里是47057。
'bid1': 第一买入价，这里是4.89。
'ask1': 第一卖出价，这里是4.9。
'bid_vol1': 第一买入量，这里是996。
'ask_vol1': 第一卖出量，这里是2253。
'bid2' 到 'ask5': 分别是第2到第5买入价和卖出价，以及对应的买入量和卖出量。
'active2': 第二个活跃值，这里是2202。
获取k线 get_security_bars(9,0,‘000001’,100,800)
第一个数字表示周期：
K线种类
0 5分钟K线
1 15分钟K线
2 30分钟K线
3 1小时K线
4 日K线
5 周K线
6 月K线
7 1分钟
8 1分钟K线
9 日K线
10 季K线
11 年K线
第二个数字表示市场：
市场代码 0:深圳，1:上海
第三串数字表示证券代码：
第四、五串数字
表示开始取值的位置和取值的个数：
（从当前往前面取值，如上面的100表示，从距离最新数据100的位置开始取值，像前取800个），
100这个位置的数字没有要求，可以一千一万，800这个数字有要求，
小于等于800.也就是一次最多取800个K线数据。
结合第四第五串数据就可以取到所有数据了
open: 开盘价
close: 收盘价
high: 最高价
low: 最低价
vol: 成交量（手）
amount: 成交额（元）
year: 年份
month: 月份
day: 日
hour: 小时
minute: 分钟
datetime: 日期和时间
open close high low vol amount year month day hour minute datetime
0 4.34 4.30 4.41 4.23 129980.0 55854656.0 2024 3 4 15 0 2024-03-04 15:00
1 4.30 4.23 4.31 4.21 110566.0 47126136.0 2024 3 5 15 0 2024-03-05 15:00
2 4.21 4.35 4.39 4.20 114480.0 49442088.0 2024 3 6 15 0 2024-03-06 15:00
3 4.34 4.34 4.52 4.31 123691.0 54414708.0 2024 3 7 15 0 2024-03-07 15:00
4 4.36 4.77 4.77 4.31 205348.0 95731512.0 2024 3 8 15 0 2024-03-08 15:00
获取市场股票数量
0 - 深圳， 1 - 上海
api.get_security_count(0)
获取股票列表 api.get_security_list(1, 0)
参数：市场代码, 起始位置 如： 0,0 或 1,100
'code': 股票代码。
'volunit': 成交量单位，这里是100。
'decimal_point': 小数点位数，这里是2。
'name': 股票名称。
'pre_close': 前一交易日收盘价
获取指数k线 api.get_index_bars(9,1, ‘000001’, 1, 2)
K线种类
0 5分钟K线 1 15分钟K线 2 30分钟K线 3 1小时K线 4 日K线
5 周K线
6 月K线
7 1分钟
8 1分钟K线 9 日K线
10 季K线
11 年K线
market -> 市场代码 0:深圳，1:上海
stockcode -> 证券代码;
start -> 指定的范围开始位置;
count -> 用户要请求的 K 线数目，最大值为 800
'open': 开盘价。
'close': 收盘价。
'high': 最高价。
'low': 最低价。
'vol': 成交量。
'amount': 成交金额。
'year': 年份。
'month': 月份。
'day': 日期。
'hour': 小时。
'minute': 分钟。
'datetime': 日期时间。
'up_count': 上涨股票数量。
'down_count': 下跌股票数量。
查询分时行情 api.get_minute_time_data(1, ‘600300’)
参数： 市场代码， 股票代码， 如： 0,000001 或 1,600300
price vol
0 0.01 48
1 0.49 49
2 1.06 12
3 6.15 1
4 6.19 14999792
.. ... ...
235 3464.17 0
236 3474.45 0
237 3484.48 1
238 3504.97 1
239 3526.31 0
查询历史分时行情 api.get_history_minute_time_data(TDXParams.MARKET_SH, ‘600300’, 20161209)
参数：市场代码， 股票代码，时间 如： 0,000001,20161209 或 1,600300,20161209
在引入 TDXParams 之后， （from pytdx.params import TDXParams） 我们可以使用 TDXParams.MARKET_SH , TDXParams.MARKET_SZ 常量来代替 1 和 0 作为参数
查询分笔成交 api.get_transaction_data(TDXParams.MARKET_SZ, ‘000001’, 0, 30)
参数：市场代码， 股票代码，起始位置， 数量 如： 0,000001,0,10
time price vol num buyorsell
0 14:55 5.08 55 7 1
1 14:55 5.08 120 3 1
2 14:55 5.09 20 1 0
3 14:55 5.09 37 3 0
4 14:55 5.09 280 14 0
26 14:56 5.09 84 3 2
27 14:56 5.09 10 3 1
28 14:57 5.09 14 2 1
29 15:00 5.09 4718 198 2
查询历史分笔成交 api.get_history_transaction_data(TDXParams.MARKET_SZ, ‘000001’, 0, 10, 20170209)
参数：市场代码， 股票代码，起始位置，日期 数量 如： 0,000001,0,10,20170209
查询公司信息目录 api.get_company_info_category(TDXParams.MARKET_SZ, ‘000001’)
参数：市场代码， 股票代码， 如： 0,000001 或 1,600300
name filename start length
0 最新提示 600819.txt 0 10782
1 公司概况 600819.txt 10782 17500
2 财务分析 600819.txt 28282 36991
3 股东研究 600819.txt 65273 33897
4 股本结构 600819.txt 99170 3461
5 资本运作 600819.txt 102631 12309
6 业内点评 600819.txt 114940 32857
7 行业分析 600819.txt 752215 7298
8 公司大事 600819.txt 147797 399433
9 研究报告 600819.txt 547230 31056
10 经营分析 600819.txt 578286 22189
11 主力追踪 600819.txt 600475 15737
12 分红扩股 600819.txt 616212 59523
13 高层治理 600819.txt 675735 21625
14 龙虎榜单 600819.txt 697360 38820
15 关联个股 600819.txt 736180 16035
读取公司信息详情 api.get_company_info_content(0, ‘000001’, ‘000001.txt’, 0, 100)
参数：市场代码， 股票代码, 文件名, 起始位置， 数量, 如：0,000001,000001.txt,2054363,9221
☆公司概况☆ ◇600819 耀皮玻璃 更新日期：2024-03-31◇ 港澳资讯 灵通V8.0
★本栏包括【1.基本资料】【2.发行上市】【3.上市定价预测】【4.关联企业】★
【1.基本资料】
┌────────┬────────────────────┬────────┬────────────────────┐
├────────┼──────────────────────────────────────────────────┤
｜公司简介 ｜上海耀皮玻璃集团股份有限公司（原名：上海耀华皮尔金顿玻璃股份有限公司）（简称“公司”）成立于1983年11｜
【2.发行上市】
┌─────────────┬──────────────┬───────────────┬──────────────┐
｜网上发行日期 ｜ -｜上市日期 ｜ 1994-01-28｜
├─────────────┼──────────────┼───────────────┼──────────────┤
【3.上市定价预测】
暂无数据
【4.关联企业】
截止日期：2023-12-31 共23家
｜ ｜司 ｜ ｜ ｜ ｜ ｜ ｜
｜ 2023-06-30 ｜天津耀皮汽车玻璃有限公司 ｜子公司 ｜ -｜ -｜ -｜制造业 ｜
｜ 2023-06-30 ｜桂林皮尔金顿安全玻璃有限公｜子公司 ｜ -｜ -｜ -｜制造业 ｜
｜ ｜司 ｜ ｜ ｜ ｜ ｜ ｜
｜ 2023-06-30 ｜天津日板安全玻璃有限公司 ｜子公司 ｜ -｜ -｜ -｜制造业 ｜
｜ 2023-06-30 ｜江苏耀皮家电玻璃有限公司 ｜子公司 ｜ -｜ -｜ -｜制造业 ｜
└──────┴─────────────┴──────┴────┴──────┴──────┴────────────┘
读取除权除息信息 api.get_xdxr_info(1, ‘600300’)
参数：市场代码， 股票代码， 如： 0,000001 或 1,600300
31 2019 6 28 1 除权除息 0.300 0.0 0.0 0.0 None NaN NaN NaN NaN None None
32 2020 8 7 1 除权除息 0.670 0.0 0.0 0.0 None NaN NaN NaN NaN None None
33 2021 8 11 1 除权除息 0.580 0.0 0.0 0.0 None NaN NaN NaN NaN None None
34 2022 7 14 1 除权除息 0.350 0.0 0.0 0.0 None NaN NaN NaN NaN None None
35 2023 7 10 1 除权除息 0.050 0.0 0.0 0.0 None NaN NaN NaN NaN None None
读取财务信息 api.get_finance_info(0, ‘000001’)
参数：市场代码， 股票代码， 如： 0,000001 或 1,600300
market code liutongguben province industry updated_date ipo_date zongguben guojiagu faqirenfarengu farengu bgu hgu zhigonggu zongzichan liudongzichan gudingzichan wuxingzichan gudongrenshu liudongfuzhai changqifuzhai zibengongjijin jingzichan zhuyingshouru zhuyinglirun yingshouzhangkuan yingyelirun touzishouyu jingyingxianjinliu zongxianjinliu cunhuo lirunzonghe shuihoulirun jinglirun weifenpeilirun meigujingzichan baoliu2
0 1 600819 7.474161e+08 16 48 20240330 19940128 9.349161e+08 12300000.0 1.518616e+08 4.756046e+10 187500000.0 0.0 -1299.999952 8.013902e+10 3.697314e+10 3.337398e+10 3.875354e+09 53058.0 2.825313e+10 1.148363e+10 1.215625e+10 3.369259e+10 5.587742e+10 4.902822e+10 6.177200e+09 -1.447611e+09 1.971100e+07 5.497082e+09 -1.311819e+09 1.346703e+10 -1.450832e+09 -1.612710e+09 -1.252327e+09 7.391846e+09 3.604 12.0
读取k线信息 api.get_k_data(‘000001’,‘2017-07-03’,‘2017-07-10’)
参数：市场代码， 开始时间， 结束时间
open close high low vol amount date code
date
2024-01-03 5.16 5.16 5.20 5.10 69379.0 35689896.0 2024-01-03 600819
2024-01-04 5.16 5.12 5.16 5.08 59804.0 30614662.0 2024-01-04 600819
2024-01-05 5.15 5.07 5.19 5.04 66341.0 33962988.0 2024-01-05 600819
2024-01-08 5.07 5.02 5.09 5.00 47688.0 24067464.0 2024-01-08 600819
2024-01-09 5.00 5.10 5.16 4.99 76225.0 38773352.0 2024-01-09 600819
... ... ... ... ... ... ... ... ...
2024-03-29 4.63 4.68 4.71 4.62 85365.0 39890352.0 2024-03-29 600819
2024-04-01 4.67 5.15 5.15 4.67 230229.0 114503408.0 2024-04-01 600819
2024-04-02 5.30 5.08 5.50 5.03 646838.0 337988032.0 2024-04-02 600819
2024-04-03 5.05 5.00 5.14 4.95 310574.0 155888112.0 2024-04-03 600819
2024-04-08 5.05 5.25 5.38 4.97 548042.0 282472000.0 2024-04-08 600819
读取板块信息 api.get_and_parse_block_info(TDXParams.BLOCK_SZ)
参数： 板块文件名称，可以取的值限于
# 板块相关参数
BLOCK_SZ = "block_zs.dat"
BLOCK_FG = "block_fg.dat"
BLOCK_GN = "block_gn.dat"
BLOCK_DEFAULT = "block.dat"
api.get_and_parse_block_info("block.dat")
# 或者用我们定义好的params
blockname block_type code_index code
0 精选指数 2 0 399001
1 精选指数 2 1 399005
2 精选指数 2 2 399006
3 精选指数 2 3 399106
4 精选指数 2 4 399300
... ... ... ... ...
10568 环渤海 2 35 601989
10569 环渤海 2 36 601995
10570 环渤海 2 37 601998
10571 环渤海 2 38 603392
行情服务器列表
为了方便连接服务器，我把一些常用的服务器列表整理到到 hosts.py 文件中. 在程序中可以通过
from pytdx.config.hosts import hq_hosts
0 长城国瑞电信1 218.85.139.19 7709
1 长城国瑞电信2 218.85.139.20 7709
2 长城国瑞网通 58.23.131.163 7709
3 上证云成都电信一 218.6.170.47 7709
4 上证云北京联通一 123.125.108.14 7709
.. ... ... ...
99 华林 202.96.138.90 7709
100 华林 218.106.92.182 7709
101 华林 218.106.92.183 7709
102 华林 220.178.55.71 7709
103 华林 220.178.55.86 7709
获取流量统计信息 api.get_traffic_stats()
{'first_pkg_send_time': datetime.datetime(2017, 9, 13, 13, 42, 3, 596519),
'recv_bytes_per_second': 116.0,
'recv_pkg_bytes': 2759,
'recv_pkg_num': 18,
'send_bytes_per_second': 15.0,
'send_pkg_bytes': 368,
'send_pkg_num': 9,
'total_seconds': 23.716146}
backtrader回测框架包
https://blog.csdn.net/halps/article/details/127170996
pip install backtrader -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host=pypi.tuna.tsinghua.edu.cn
基于Python的量化回测框架，功能丰富，操作方便。其优点是运行速度快，支持pandas的矢量运算；
内置多种技术指标计算，还支持股票分析技术指标库talib；
支持参数自动寻优运算；支持多品种（股票、期货、期权、外汇和数字货币）、
多策略、多周期（Ticks、秒、分、日、周、月和年）的回测和交易；
支持PyFlio、empyrica分析模块库、alphalens多因子分析模块库等；
扩展灵活，可以集成TensorFlow、PyTorch和Keras等机器学习、神经网络分析模块。
深度机器学习
主要包括：
框架（Cerebro）、
数据加载（Data Feed）、
交易策略（Strategies）、
技术指标（Indicators）、
订单（Orders）、
观察者（Observers）、
测量评估（Analyzers）、
经纪人（Broker）、
实盘交易（Live Trading）、
结果可视化（Plotting）等部分
数据类型
backtrader回测的数据类型是由一系列的点组成的Lines，
通常包括以下类别的数据：
Open（开盘价）、High（最高价）、Low（最低价）、 Close（收盘价）、Volume（成交量）、
OpenInterest（未平仓权益）。
Data Feeds（数据加载）、Indicators（技术指标）和Strategies（策略）都会生成 Lines。
价格数据中的所有的开盘价按时间组成一条 Line，因此一组含有以上6个类别的价格数据，共有6条 Lines。
如果算上DateTime（时间，可以看作是一组数据的主键），一共有7条 Lines。
一条Line数据的下标为0表示访问当前时刻数据，-1表示访问最后一个数据。
因此，在回测过程中，无需知道已经处理了多少条/分钟/天/月，”0”一直指向当前值，下标 -1 来访问最后一个值。
交易策略（Strategy）
该模块是回测系统最核心的部分，需要设计交易决策，得出买入/卖出信号。
策略类代码包含重要的参数和用于执行策略的功能，要定义的参数或函数名如下：
（1）params：全局参数，可选，用于更改交易策略中变量/参数的值，可用于参数调优。
（2）log：日志，可选，用于记录策略的执行日志，可以打印出该函数提供的日期时间和txt变量。
（3）__init__：用于初始化交易策略，在其中声明的任何指标都会在next()方法调用之前进行计算。
部分python操作符不支持，需要使用bt内置函数来处理，
例如bt.And, bt.Or, bt.All, bt.Any等。
（4）notify_order，可选，
用于跟踪交易订单（order）的状态。
order具有提交，接受，买入/卖出执行和价格，已取消/拒绝等状态。
（5）notify_trade，可选，
用于跟踪交易的状态，任何已平仓的交易都将报告毛利和净利润。
（6）next，必选，
用于制定交易策略的函数，策略模块最核心的部分。
技术 趋势跟踪 指标（Indicators）
分析价格的动量和趋势的变化
实际上，策略的构建都需要指标来实现，该部分包括很多已经实现的指标，下面是一些比较常用的指标：
Average
指定周期的算术平均值。
SimpleMovingAverage(SMA)：简单移动平均
WeightedAverage：加权移动平均
MACD （(Moving Average Convergence Divergence）：滑动平均
ExponentialMovingAverage(EMA)：指数移动平均
RSI_SMA/RSI_EMA 相对强弱指标(Relative Strength Index)：
https://blog.csdn.net/m0_61549740/article/details/138652860
衡量证券自身内在强度的指标，用于判断股票买方力量与卖方力量的强弱，进而预测价格走势
RSI大于50越多，表明股票上涨的力量超过下跌的力量越大。
RSI小于50越多，表明股票下跌的力量超过上涨的力量越大。
韦尔斯·威尔德(Wells Wilder)指出，通过运用月周期28天的一半来计算RSI的值进行预测是有效的，
他推荐14日为时间跨度。
一些常用的看盘软件设有6日RSI，12日RSI，24日RSI三个RSI指标
“黄金交叉”与“死亡交叉”
BollingerBands(BOLL)：布林线
DoubleExponentialMovingAverage(DEMA)：双指数移动平均
WilliamsR(WR)：威廉指标
在指标中也集成了TA-Lib库，实际使用中发现无法正常调用，不知道是不是跟我没有安装该库有关。
另外，还可以通过继承Indicator或其它已存在的指标类来实现自定义指标，方便用户加入自己开发的指标。
# 继承自bt.Indicator或其他已存在的指标类
class DummyInd(bt.Indicator):
# 定义持有的lines，至少需要1个line
lines = ('dummyline',)
# params参数可选
params = (('value', 5),)
# plotinfo可选，用来控制绘图行为
plotinfo = dict(subplot=False)
# __init__方法或next方法必选
def __init__(self):
self.lines.dummyline = bt.Max(0.0, self.params.value)
订单（Orders）
将策略中逻辑做出的决策转换为适合经纪人执行操作的消息，通常在交易策略中调用。
经纪人（Broker）
通过设置回测的初始自己、佣金费率、税收费率、滑点率等交易条件，模拟不同的订单类型，
并根据现金检查订单，计算每次交易的现金和权益，保存交易数据。
策略评估（Analyzers）
用于分析交易策略的利润和风险，分析交易系统的绩效。
实盘交易（Live Trading）
从1.5.0开始支持实盘数据和实时交易。具体请参考：Live Trading。
观察者（Observers）
用于记录交易过程，包括现金、权益、费用以及交易动作、买卖订单等数据。
结果可视化（Plotting）
通过图形的方式显示交易测量回测的结果，绘图显示的结果包括三部分类型：现金及权益、交易损益、买卖动作。
绘图设置通过plotinfo来设置，
其参数主要有：
plot(是否绘图，默认为True)，
subplot(是否单独窗口绘图，默认为True，MA类指标该参数为False)，
plotname(指标图名，默认为指标类名)，
plotabove(绘图位置在数据上方，默认为False)，
plotlinelabels， plotymargin， plotyticks，plothlines， plotyhlines， plotforce。
注意：由于技术指标的不同，可视化结果中所包含的数据可能不同，因此需要根据技术指标来选择其所支持的参数进行设置。
系统流程
backtrader内部通过对数据和指标的处理执行策略，并记录所有的交易过程和数据输出给用户
backtrader的入口为Cerebro类，该类将所有输入(Data Feeds)、执行 (Stratgegies)、观察者(Observers)、评价(Analyzers) 和文档 (Writers)整合起来，实现回测以及交易，并返回结果和图表。
（1）创建实例
cerebro = bt.Cerebro() # 创建回测系统实例
（2）关联输入数据
cerebro.adddata(data) # 将数据加载至回测系统
（3）关联交易策略
cerebro.addstrategy(BollStrategy,nk=14,m=2,printlog=True)
（4）关联其他可选功能
addwriter()：指定交易过程和数据保存的方式。
addanalyzer()：增加策略评估。
addobserver()：增加观察者。
addobservermulti()
（5）指定经纪人
broker = MyBroker()
cerebro.broker = broker
可以根据不同类型的交易对象设置经纪人模型。
（6）接收消息
接收回测消息有三种方式：在Cerebro类的实例中通过addnotifycallback(callback)增加回调函数、在Strategy子类中重载notify_store()方法、继承Cerebro类并重载notify_store()方法
（7）执行回测并返回结果
result=cerebro.run(maxcpus=1)
（8）记录交易信息
这个功能是通过观察者（Observers）实现，有三种类型：
经纪人观察者（Broker）保存现金和权益信息。交易观察者（Trades）记录交易的有效性。买卖观察者（Buy/Sell）记录所有交易执行的操。
（9）绘图显示
cerebro.plot()
绘图显示底层实际上是调用Matplotlib包实现的。
BRAR 情绪指标计算
BRAR 是一种情绪指标，用于衡量特定金融市场中的买卖情绪。
它代表着买入意愿相对于卖出意愿的比率。
AR
一种技术指标，代表“人气指标”（AR，Attention Rate）。AR指标用于衡量特定时间段内股票市场的人气或关注度，这可以提供对市场情绪的一种衡量。
BR
一种技术指标，代表着“买卖气指标”（Buy/Sell Pressure）。BR指标通常用于股票市场的技术分析，旨在衡量买卖双方的力量对价格变动的影响。BR指标的计算涉及到最高价、最低价和收盘价的变动，以及特定周期内的累积运算。
BRAR (情绪指标）
用法
1.BR行情(买卖气指标) AR能量
BR行情>400，暗示行情过热，应反向卖出；
AR能量>180，能量耗尽，应卖出；
BR行情<40 ，行情将起死回生，应买进；
AR能量<40 ，能量已累积爆发力，应买进；
3.BR 由300 以上的高点下跌至50以下的水平,低于AR 时,为绝佳买点；
4.BR、AR、CR、VR 四者合为一组指标群，须综合搭配使用。
REF 函数表示对某一周期前的数据进行引用。N 代表计算周期。
BR:SUM(MAX(0,HIGH-REF(CLOSE,1)),N)/SUM(MAX(0,REF(CLOSE,1)-LOW),N)*100;
AR:SUM(HIGH-OPEN,N)/SUM(OPEN-LOW,N)*100;
rolling函数介绍
rolling 函数通常与其他函数（如 mean、sum、std 等）一起使用，以计算滚动统计量，例如滚动均值、滚动总和等。
以下是 rolling 函数的基本语法：
DataFrame.rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)
window: 用于计算统计量的窗口大小。
min_periods: 每个窗口最少需要的非空观测值数量。
center: 确定窗口是否居中，默认为 False。
win_type: 窗口类型，例如 None、boxcar、triang 等，默认为 None。
on: 在数据帧中执行滚动操作的列，默认为 None，表示对整个数据帧执行操作。
axis: 执行滚动操作的轴，默认为 0，表示按列执行操作。
closed: 确定窗口的哪一端是闭合的，默认为 None。
市场货币投资
行业变动 领头羊 跟风羊
https://blog.csdn.net/szszszzhs/article/details/129556599
https://zhuanlan.zhihu.com/p/170600740
深度学习 预测走势
https://blog.csdn.net/qq_45856698/article/details/130789312
https://zhuanlan.zhihu.com/p/669215299
https://zhuanlan.zhihu.com/p/681961263
https://zhuanlan.zhihu.com/p/478716973
深度神经网络模型 预测走势
https://blog.csdn.net/qq_28566521/article/details/103123320
机器学习与量化交易 分类任务
Julyedu.com 感谢 白嫖的 七月在线 专注数据领域的在线教育
01 自动化交易综述
时间序列分析
策略建模及其优化方法
策略评价与回测
风险管理
交易策略的实现
交易策略的执行
BP(Back Proppagation)算法
误差反向传播(Error Back Propagation, BP)算法。
学习过程由信号的正向传播与误差的反向传播两个过程组成。
Algorithmic Trading Without Bullshit 算法交易综述
Algorithmic Trading利用自动化平台，执行预先设置的一系列规则完成交易行为。
提出假设 移动平均数 神经网络
SVM是一种监督学习算法,它可以用于分类和回归分析。
时间序列分析
建立模型
回测验证
执行交易
交易策略的来源 Strategy
1.市场微观结构研究(for HFT mostly) 微观市场尺度
ORDER BookS 下单 bid ask symbol 数量 limit price撮合价格
预测下一个 tick
2.基金结构套利(fund structure arbitrage)
3.机器学习/人工智能 函数模型
线性回归模型
历史数据 X 二维向量 x1 x2
新的输入 training
学习算法
模型 w向量权重
模型
输出
SVM
DNN
RF
NB 朴素贝叶斯(Naïve Bayes, NB)算法
Price/MA指标训练集
决策边界
线性分类器
Four paradigms of machine learning
Connectionism 联结主义 神经网络 连接加权 线性变换
Symbolism 形象符号主义 不规则 决策树 可解释
Frequentists
Bayesian 贝叶斯
A (super) Brief History of A.l
58-69 NNs, logics 逻辑主义
7OS WINTER 寒冬
80-95 NNS 黑盒
95-10 SVMs and statistical learning 数据背景
10s-current
06-11
hinton教授
Ruslan Salakhutdinov
Stephen Muggleton
Machine Learning in a nutshell
Data
Model & Objective Function
Optimization 寻找函数极值
统计学概率论
监督学习
Machine Learning & Trading
Limit Order Book Modeling 高频微观尺度
Price-based Classification Models 基于价格 分类 MA5 MACD
Text-based Classification Models 自然语言文本爬取 噪声大 风控
Reinforcement Learning 强化学习
4 Key Factors that makes magic happens
Good Model and Efficient Training Algorithms ML
Hardware( GPU/CPU)
(high quality) DATA
Platform(keras/tensorflow/sklearn)
ML(Machine Learning)、DP(Deep Learning)
深度学习
CNN for spatial data(空间次序) 卷积神经
LSTM for temporal data(时间次序)
隐马尔可夫模型 （Hidden Markov Model，HMM ）是一种统计模型，用于描述一个含有隐含未知参数的马尔可夫过程。
强化学习
envir
agent
policy
reward
action
cs231N
自然语言处理
文本 编码器 上下文 向量 语义定义 语义关联
新闻编码 标记 神经网络
非监督学习
特征工程 定义X输入向量 指标 MA5
特征选择 feature
训练分类器
建立
交易策略的评估
- 策略基本假设
- Sharp Ratio
- 杠杆
- 频率
- 风险
- W/L
- 模型复杂度
VC Dimension:全称是Vapnik-Chervonenkis dimension。其用来衡量一个模型的复杂度 - 最大亏损(Maxium drawdown)
- Benchmarking
何谓回测?
将交易策略在历史数据中进行合理验证的过程
回测的意义1.策略筛选2.策略优化3.策略验证
错误的回测方法
很多情况下，回测结果不错，实盘交易不尽如人意，造成的偏差原因主要有:
1.乐观主义偏差。(special look back region)
时间旅行。
程序Bug
2. Train/Val/Test set 训练 验证 测试
3. 幸存者误差
sklearn
pandas
事件驱动
#event driven
while True:
new_even = get new_event()
if new event.something=="whatever"
do_something()
if new event.something== "all right"
do_something_else()
tick(50) #wait 50 milliseconds
Event
Event Queue
DataHandler
Strategy
Portfolio
ExecutionHandler
Backtest
02 python实战量化模型
数据清洗
数据可视化
特征提取 统计 平均值 方差 采样
anaconda
ipython notebook
linux/mac
Python 的数据类型
str,float,bool,int,long
数据结构:tuple,list,dictionary,etc
https://learnxinyminutes.com/docs/python/
numpy
利用numpy进行各类线性代数的运算:
创建矩阵，向量，etc
熟练掌握矩阵的索引
书籍《利用python进行数据分析》第四章
pandas 高效表格csv神器
数据io
dataframe 统计指标
索引
Stackoverflow
sklearn
线性回归模型
http://scikit-learn.org/stable/auto_examples/index.html
CAPM Model
金融
资本资产定价模型（Capital Asset Pricing Model 简称 CAPM ）
绝对值 abs(a%)+abs(b%)+ abs(c%)=100%
Market Portfolio
SP500
沪深三百
Etc
股票i t时刻 return收益
ri(t)= beta¡* rm(t)+ alpha¡(t)
线性模型
整个市场 r收益 乘以 系数 bata + t时刻关于这个股票的alpha¡ 值
CAPM says
E(alpha(t)) = 0
Linear scaled return of the market, with some noise at mean 0.
市场的线性比例收益率，平均值为0。
个股的收益 跟 大盘 成线性关系
正态分布 随机采样 均值为零
扰动噪声
线性拟合 求 beta 是多少
Some graphical interpretations
rm 整个市场 ri 个股
斜率 beta¡
截距 alpha¡
线性代数
线性回归 那条线
金融基石
被动式管理 vs 主动式管理基金
被动式管理:复制大盘指数，持有
主动式管理:选择个股，频繁交易
r(t)= beta¡*rm(t)+ alpha¡(t)
关键分歧:
Alpha 是否是随机噪声，alpha的期望值是否为零
wi 权重
同等变换
scatter plot 散点图
E(alpha)=0 期望 平均数
选择好的beta值。
牛市:大beta
熊市:小beta
如果市场有效假说成立，我们无法预测股市，也选不出来合适的beta
价格套利理论 (APT)
r¡(t)= beta¡* rm(t)+ alpha;(t)
Beta 不是常数，而是一个变量。
Beta=w*r
板块关系值
两只股票的例子
Stock A: +1% mkt,beta =1.0
Stock B: -1% mkt ,beta b=2.0
Long A, short B.
技术分析 vs 基本面分析
历史数据:
。价格，交易量
计算指标(features)
。启发式选择(经验，机器学习)
x feature 指标
遗传算法
技术分析何时works?
多个指标的非线性组合(机器学习)
短时 微观尺度
异类监测
贝叶斯 信心
Trading time horizon
技术分析 vs 基本面分析
Momentum动量线 深度学习 随机梯度下降
随机梯度下降(Stochastic Gradient Descent, SGD)是梯度下降算法的一个扩展
mom[t]=price[t]/(price[t-n])-1
SMA:Simple MovingAverage.(smooth,laggged)… 可以看作一种滤波器
BB(bollingerbands)BOLL指标:决策边界是两个标准差
均值 平滑版 股价
鲁棒性
robust
满足分布
Normalization
SMA -0.5 +0.5
Mom -0.5，+0.5
BB-1，十1
Norm =(value-mean)/values.std()
方差 权重
统计学错误规划
监督学习
f的复杂度
KNN
y 平均 最近邻
维度灾难
高纬度
变成线性
rulu Fool CNN
权值连接也是线性
MSE
线性模型拟合
新数据测试集合的误差
方差
bias-variance trade-off.
The Elements of statistical Learning
03 Learn python the hard way
神经网络 预测分类
投资组合
个股相关性
建立数据库的意义
·建模
·模型建立
模型评估
模型回测
风险控制
·交易
·目的:能存，能取
数据的获取
http://tushare.org/index.html
Yahoo Finance
http://fnance.yahoo.com
Google Finance
https://www.google.com/finance
QuantQuote
https://www.quantquote.com (S&P500 EOD data only)
EODData
http://eoddata.com(requires registration)
存储方式
CSV
NOSQL
SQL
数据格式
·交易所信息
·数据来源
Ticker/symbol
·价格
企业行为(stock splits/dividend adjustments)
·国家假日
容易出错的地方
企业行为
“spikes’:用spike filter 滤波器 噪音
缺失数据
sudo apt-get install mysql-server
mysql-u root -p
mysql> CREATE DATABASE money_master;
mysql> USE money_master;
mysql> CREATE USER 'user'@'localhost' IDENTIFIED BY 'password';
mysql> GRANT ALL PRIVILEGES ON money_master.* To 'user'@'localhost';
mySql> FLUSH PRIVILEGES;
设计股票EOD数据的表
。Exchange
。DataVendor
.Symbol
DailyPrice
CREATE TABLE exchange
'id' int NOT NULL AUTO_INCREMENT
'abbrev'varchar(32)NOT NULL,
'name'varchar(255)NOT NULL,
'city'varchar(255)NULL,
'country' varchar(255)NULL,
'currency' varchar(64)NULL,
'timezone_offset' time NULL,
'created_date' datetime NOT NULL,
'last_updated_date' datetime NOT NULL,PRIMARY KEY('id')
ENGINE=InNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;
CREATE TABLE data_vebdor
'id' int NOT NULL AUTO_INCREMENT,
'name' varchar(64)NOT NULL,
'website_url' varchar(255)NULL,
'support_email'varchar(255)NULL,
'created_date' datetime NOT NULL,
'last_updated date' datetime NOT NULL,
PRIMARY KEY('id')
ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;
CREATE TABLE daily_price (
'id' int NOT NULL AUTO_INCREMENT,
'data_vendor_id' int NOT NULL,
'symbol_id' int NOT NULL,
'price_date' datetime NOT NULL,
'created_date' datetime NOT NULL,
'last_updated_date' datetime NOT NULL,
'fopen_price' decimal(19,4)NULL,
'high_price' decimal(19,4)NULL,
'low_price' decimal(19,4)NULL,
'close_price'decimal(19,4)NULL,
'adj_close_price' decimal(19,4)NULL,
'volume' bigint NULL,
PRIMARY KEY('id'),
KEY 'index_data_vendor_id'('data_vendor_id'),
KEY 'index_exchange_id'('exchange_id')
ENGINE=InnODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;
python同数据库连接
sudo apt-get install libmysqlclient-dev
pip install mysqlclient
http://tushare.org/index.html
http://tushare.org/trading.html
参考http://tushare.org/storing.html
聚类 Kernel 核 相似度
二维嵌入
http://scikit-learn.org/stable/auto_examples/applications/plot_stock_market.html#tstock-market
时间序列分析 投资组合 不是 随机游走 平稳 可以统计套利
Mean Reversion and Ornstein-Uhlenbeck process
dXt = θ(μ - Xt)dt + σ dWt
θ回归 速率
μ 均值
σ 方差
时间序列价格的波动 正比于 价格与均值的 差 + 高斯噪声
企业 除权
均值回归
动量分析
随机游走 没法统计
ADF Test 查看 是否平稳 是否为0 是否 满足均值回归
Δy=a+βt+ rγt-1 + ôΔ¼-1+·…+ôp-1Δy-p+1+€t
Calculate the test statistic, DF, which is used in the decision to reject the null hypothesisUse the distribution of the test statistic (calculated by Dickey and Fuller), along with thecritical values, in order to decide whether to reject the null hypothesis
Unit roots in autoregressive and autoregressive-moving average time series
https://blog.csdn.net/m0_57656758/article/details/127291414
web.datareader “AMZN”
统计模型应用–均值回复
import statsmodels
pip install statsmodels -i https://pypi.tuna.tsinghua.edu.cn/simple
https://blog.csdn.net/qq_43264202/article/details/119602260
https://zhuanlan.zhihu.com/p/663805378
Hurst Exponent
(| log(t + τ)- log(t)|?) ~ т2H
H < 0.5 - The time series is mean reverting 均值回复
H=0.5 - The time series is a Geometric Brownian Motion
H>0.5 - The time series is trending
https://filippomb.github.io/python-time-series-handbook/notebooks/06/unit-root-hurst.html
离散值
卡尔曼滤波
贝叶斯回归 高斯回归
从单一股票到投资组合
Cointegrated Augmented Dickey-Fuller Test
y(t)= βæ(t) + e(t)
https://www.quantstart.com/
Residual Networks ResNet– Deep Learning
残差值
T-Statistic、T-test、p-value
Machine learning:A different Approach
·Y = f(x)+ e
Logistic regression 分类
SVM 分类回归 最好的界面
Random Forest 分类 回归
LSTM Both 特殊神经网络 高级 RNN 隐马尔可夫模型HMM 都可以 记忆性
连续数据 / 离散模型 dynamic linear system
ML
sklearn 跑 调
ML—线性回归系列(四)—lasso
多种线性回归算法(OLS/PLS/Lasso/Ridge)模型
X feature data --> f() + 高斯噪声 Model
模型背后设计原理
计量经济学 特征工程
迭代
递归
矩阵 特征值
归一化 数据
正则化 模型
tensorflow 神经网络
Keras是一个由Python编写的开源人工神经网络库，可以作为Tensorflow、Microsoft-CNTK和Theano的高阶应用程序接口，进行深度学习模型的设计、调试、评估、应用和可视化。
04 用Python进行金融数据分析
线性回归模型 核方法
岭回归
From OLS to kernel machines and beyond
·Ordinary Least Square OLS 最小二乘
Ridge
·LassO
Kernels
Cross-validation
Hands on: sklearn
机器学习
移动平均线
数据挖掘 规则
图表背后的 隐藏关系
图片字母识别 svm
广告推荐
自动驾驶
背后数学原理 鲁棒性 普适性
监督
非监督
强化学习 马尔可夫决策过程(MDP) markov desicion process
Action reward 最大
监督学习
indicator MA5 分类 偏向涨跌
具体price 值 回归 下一刻价值
指标 历史记录 矩阵
聚类 归类
没有监督信息
高维 流型 低维嵌入embeding
降维
把特征变换 减少时间
范式 提高特征质量
大数据 随机梯度下降 线性的 分类 回归器
降维技术 PCA, t-SNE
机器学习 - 逐步回归 统计学
x_train.shape
输入的训练集 为输入
计算 训练出 最优组合 模型参数
表现性能最好
真实集 测试集
局部线性嵌入算法
机器学习 | Kaggle鸢尾花数据集Iris训练
手写数字识别 60000 个 28*28 的 矩阵
MNIST
预测集 测试集 训练集
监督学习
函数类
OLS
Regression Shrinkage andSelection via the Lasso
高级线性方法
08 自动交易系统的搭建 2000个
Scikit-learn（以前称为scikits.learn，也称为sklearn）是针对Python 编程语言的免费软件机器学习库。它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度提升，k均值和DBSCAN，并且旨在与Python数值科学库NumPy和SciPy联合使用。
Random Forest 随机森林 2001
RFR是一种集成学习方法,通过组合多个决策树模型进行预测,以提高预测准确性。
https://www.163.com/dy/article/J3TMM09O055689OP.html
用于分类和回归任务
自助采样（Bootstrap sampling）
ExtraTreesRegressor 完全随机树 04-06
抗击过拟合 界面问题
将数据集划分为训练集和测试集
损失函数
均方误差（Mean Squared Error，MSE）作为评估指标
反映估计量与被估计量之间差异程度的一种度量。设t是根据子样确定的总体参数θ的一个估计量，(θ-t)2的数学期望，称为估计量t的均方误差。它等于σ2+b2，其中σ2与b分别是t的方差与偏倚。
大数据分析
预测大盘走向 权重参数
银河证券 – 财富星 – 每日收评 – 观点 #### 投顾文章
财联社 – 投资日历 – 日历潜伏 （潜力股票走势挖掘） #### 事件驱动
AI读资金 （股份比例） #### 主力是否加入
财联社 – 大涨股解读 – 涨停梯形图 #### 主力趋向
财联社 – 涨停宝 – 涨停全景图 #### 成分选股
工程机械
财联社 – 今日风口 – 涨停全景图 #### 成分选股
工程机械 柳工 000528
核污染 德尔未来 002631
通达信 – 行业关联
龙虎看盘
机构买入 #### 机构 营业部 游资 都去了哪个票
异常波动 #### 票变动
龙虎预测 #### 票价值走向
今日涨停版
跟买胜率 (跟随主力)
银河证券 -- 盯盘助手
银河证券 -- 条件下单 -- 定价买卖
通信达 -- 首页 -- 热门行业 -- 板块
通信达 -- 自选 -- 预警 -- MACD买入点 -- 源码
-- 自选分析 -- 关注排名 -- 热股分析
通信达 -- 首页 -- 涨停专题 -- 涨停原因
通信达 -- 交易 -- 模拟
通信达 -- 市场 -- 增值功能 -- AI优选 -- 战绩榜 -- 持仓战绩
# 通信达 -- 北上掘金
# 通信达 -- 资金流向
频繁交易 多买国家背书股票
留三分之一的钱解套牢
多股低价对冲
大盘绿 热门板块 强劲股 结合实际市场买入
大盘红卖出
买入策略
月K在上涨
周K 日K 末尾点在中位数 以下
日均线 末尾点 在5日 分时 低位
最大期望
中等收入
起始盈利
及时止损
继续观望
最大失望
智能仓位管理
MACD走势
序号, 代码, 名称, 最新价,
涨跌幅, 涨跌额,
成交量, 成交额, 振幅,
最高, 最低, 今开, 昨收,
量比,
换手率, 市盈率-动态, 市净率, 总市值, 流通市值,
涨速, 5分钟涨跌,
60日涨跌幅, 年初至今涨跌幅
本文需要的python 库
pip install akshare --upgrade --user -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pytdx -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple
-i https://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install TensorFlow -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install backtrader -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install jupyter -i https://pypi.tuna.tsinghua.edu.cn/simple
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/ # 清华镜像源
jupyter notebook
https://zhuanlan.zhihu.com/p/33105153
jupyter notebook --generate-config
486
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
