股票交易规则

已于 2022-04-27 21:54:42 修改
阅读量812 收藏 2
点赞数
分类专栏： 股票 文章标签： 股票
于 2022-04-22 22:35:53 首次发布
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/xyz9353/article/details/124356303
版权

交易时间

股票交易时要遵循 价格优先 时间优先，但如果同价又同时报价，那大单优先

具体交易时间规定：
每周一至周五，每天上午9:30至11:30，下午13:00至15:00，法定假期除外。

A股

上海交易所
集合竞价（开盘时）：上午9:15——9:25

  • 9:15——9:20 可以挂单也可撤单
  • 9:20——9:25 只可以挂单不可以撤单
  • 9:25 以成交量最大的价格为开盘价。

连续竞价（开盘后）：上午9:30——11:30，下午13:00——15:00

深圳交易所
集合竞价（开盘时）：上午9:15——9:25
集合竞价（收盘时）：14：57 —— 15：00
交易时间：
在这里插入图片描述

我们知道我大A股正常的交易时间是上午9:30-11:30和下午1:00-3:00是连续竞价的时间，在这时间投资者可以随时下达交易指令，按照价格优先和时间优先的顺序即时成交；上午9:15:-9:25和下午14:57-15:00是集合竞价时间，在这段时间只接受委托，最后按能达成最大成交量的一个价格成交。

上午集合竞价具体又分9:15-9:20即可挂单，又可撤单，所以此时的挂单比较虚，不具有实际参考价值；9:20-9:25只能挂单不能撤单，最能反应真实的市场情况。

股票价格涨跌幅限制：
为了防止过度投机，股票交易规则还规定了股票价格涨跌幅限制。根据现行制度规定，无论买入或卖出，股票（含A、B股）、基金类证券在1个交易日内的交易价格相对上一交易日收市价格的涨跌幅度不得超过10%，其中ST股票和*ST股票价格涨跌幅度不得超过5%。

涨跌幅限制价格的计算公式为：涨跌幅限制价格=前收盘价×(1±涨跌幅限制比例)

股票T1交易制度：
当天买入的股票，当天不能卖出，到下一个交易日才能卖出，当天卖出股票的资金当天无法取出，第二个交易日才能取出。

港股

交易费用

A股

港股

小鱼儿2020
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
股票交易接口、a股交易接口、股票交易接口api
03-22
- T+1交易制度：A股采用T+1交易规则，即当日买入的股票只能在下一个交易日卖出。 - 限涨跌停：A股有每日涨跌幅限制，接口需处理异常情况。 - 手续费计算：接口需要处理包括佣金、印花税、过户费在内的交易费用...
股票交易数据
09-17
股票交易数据是金融市场分析的重要组成部分，它记录了股票在不同时间点的价格变化、交易量等信息，对于投资者、分析师以及研究者来说具有极高的价值。这些数据通常包含多个维度，如开盘价、收盘价、最高价、最低价、...
2. 股票交易规则
weixin_30736301的博客
10-05 203
1. 股票市场运行架构： 2. 基本规则： 　　交易方式：有电脑PC交易，移动交易，电话委托等等，交易单位为“手”，一手=100股（如果购买必须购买100的整数倍） 　　单向交易：低买高卖 　　股票当前涨跌幅：10%,也就是说单天最大只能涨10%，单天最大只能跌10%，标记为ST类股票为5%，新股上市第一天不限涨跌幅 　　T+1交易制度：当天买入第二天才能卖出 3. 交易时间： ...
股票交易原则与成交顺序
点知家的博客
12-12 2071
成交原则 “价格优先、时间优先”通俗来说，如果许多股民同时买卖一个股票，谁输入价格高谁优先成交，在股民输入价格相同的情况下，则按照先来后到的顺序成交，即谁先输入买单，谁先成交。根据交易原则，我们明确了交易所撮合成交的交易顺序(1)价格优先：较高价格买进申报优先于较低价格买进申报，较低价格卖出申报优先于较高价格卖出申报；(2)时间优先：买卖方向、价格相同的，先申报者优先于后申报者。先后顺序按交易主机接受申报的时间确定。
期货-股票交易规则
每一个不曾起舞的日子，都是对人生的辜负。
09-02 725
交易时间 港股：9:00~9:20 集合竞价，9:3012:00，13:0016:00 持续交易，16:00~16:10 随机收市竞价 沪股：9:00~9:25 集合竞价，9:3011:30，13:0015:00 持续交易，11:30~12:00 交易申报 深股：9:00~9:25 集合竞价，9:3011:30，13:0014:57 持续交易，11:30~12:00 交易申报，14:57~15:00 集合竞价 股指期货：9:25~9:29 集合竞价，9:3011:30，13:0015:00 持续交易 国债
股票模拟交易php,股票模拟图,股票交易记录生成器
weixin_33503998的博客
03-22 2638
模拟炒股就是根据股票的交易规则，基于一种虚拟的平台，实现股票买卖的一种炒股手段。模拟炒股系统是一种利用互联网技术，根据股市实盘交易规则设计的模拟仿真操作的系统。股票投资者通过模拟炒股系统可以进行系统的锻炼或学习操盘技术。模拟股票买卖的规则同证交所规定基本一致，包括：不能透支及买空卖空、T+1(当天买入的股票不能抛出)、撮合成交按照价格优先时间优先的原则、与沪深交易所相同的交易时间和券种，没有新股申...
股票交易系统
2302_80105876的博客
06-17 1257
双线程，控制台程序设置，股票，光标设置，股票波动模拟，qsort排序
股票网格交易策略
热门推荐
江州司马
04-06 1万+
什么是网格交易 定义 设定价值中枢，利用“底仓+档位”的模式对投资标的进行机械式操作，下跌时，进行分档买入，上涨时，进行分档卖出。网格法由于不依赖人为的思考,完全是一种程序行为,像渔网一样,利用行情的波动在网格区间内低买高卖，可以合理控制仓位，避免追涨杀跌,拥有较强的抗风险能力 标的选择： ①选择股票： 由于网格交易法追求的是不断的行情波动,行情波动越厉害,收益率越高,哪怕股票不涨,只在...
python股票交易系统实现_python实现股票自动交易,自动量化交易软件
weixin_39628160的博客
02-04 8227
Q2：想编写一个股票自动交易软件，可以读取通达信实时数据，操作券商交易软件自动下单，要学哪些知识、语言？首先需要学习股票知识，再就是学会JAVA和.NETQ3：怎样用 Python 写一个股票自动交易的程序你就是想找个软件或者券商的接口去上传交易指令，你前期的数据抓取和分析可能python都写好了，所以差这交易指令接口最后一步。对于股票的散户，正规的法子是华宝，国信，兴业这样愿意给接口的券商，但貌...
股票自动交易助手源码.zip
04-09
股票自动交易助手源码是一个用于自动化执行股票交易策略的程序，它可以帮助投资者在预设的条件触发时自动买卖股票，从而提高交易效率和减少人为错误。这个源码可能包含多种编程语言实现，如Python、Java或C#，并可能...
均线模型量化股票交易.docx
05-30
均线模型量化股票交易 在股票交易中，均线模型是一种常用的技术指标，通过移动平均线（MA）来分析股票价格的波动趋势，找出交易信号并进行模拟交易。下面我们将详细介绍均线模型的简单介绍、特性、在日 K 线图中的...
股票自动交易VB源代码
10-29
在金融领域，尤其是股票交易中，自动化交易系统可以提高效率，减少人为错误，并能够根据预设规则进行快速响应。 自动交易系统的核心功能包括： 1. **数据获取**：系统首先需要实时或定时获取股票市场数据，如开盘...
ubuntu20.04安装教程.docx
07-09
安装 Ubuntu 20.04（Focal Fossa）的步骤如下所示。确保在开始安装之前备份重要数据，以防万一。 1. 下载 Ubuntu 20.04 镜像文件 访问 Ubuntu 官网（https://ubuntu.com/download/desktop）下载 Ubuntu 20.04 的镜像文件。根据你的计算机架构选择合适的版本（通常是 64 位的）。 2. 制作启动盘 你可以使用以下两种方法制作 Ubuntu 的启动盘： 使用 Rufus 制作启动盘（适用于 Windows）： 下载并安装 Rufus。 插入空白 USB 驱动器。 打开 Rufus，选择你下载的 Ubuntu 镜像文件。 点击 "开始" 制作启动盘。 使用 Etcher 制作启动盘（跨平台）： 下载并安装 Etcher。 打开 Etcher，选择 Ubuntu 镜像文件和你的 USB 驱动器。 点击 "Flash!" 制作启动盘。 3. 安装 Ubuntu 20.04 制作完成后，将 USB 启动盘插入到需要安装 Ubuntu 的计算机上，然后按照以下步骤进行安装： 启动计算机：在 BIOS 设置
贵阳市建筑物矢量数据（Shp格式+带高度）.txt
最新发布
07-09
因文件较多，数据存放网盘，txt文件内包含下载链接及提取码，永久有效。失效会第一时间进行补充。
学校安全责任追究制度.docx
07-09
学校安全责任追究制度
述职报告（08）PPT模板.pptx
07-09
述职报告（08）PPT模板.pptx
GPT人工智能方案-1
07-09
### GPT人工智能方案 #### 一、项目背景 近年来，人工智能（AI）技术快速发展，尤其是自然语言处理（NLP）领域的突破使得AI在各种应用场景中得到了广泛的应用。GPT（Generative Pre-trained Transformer）是由OpenAI开发的一种语言模型，它能够生成高质量的自然语言文本。为了在企业和开发者中推广和应用这一技术，我们提出了一个基于GPT的AI方案。 #### 二、目标用户 1. **企业客户**：希望在客服、内容创作、数据分析等方面应用AI技术以提升效率和质量。 2. **开发者**：需要集成高质量的自然语言生成能力到他们的应用中。 3. **科研人员**：进行NLP相关研究和开发。 #### 三、功能模块 1. **文本生成**： - 根据给定的提示生成自然语言文本。 - 支持多种生成模式，包括文章撰写、对话生成、代码生成等。 2. **文本分析**： - 进行情感分析、主题提取等文本处理任务。 - 提供文本摘要和关键字提取功能。 3. **对话系统**： - 构建智能对话系统，支持多轮对话和上下文理解
写出一个符合中国股票交易规则的股票强化学习代码
05-25
由于股票交易涉及到大量的数据和复杂的市场变化，因此在使用强化学习来进行股票交易时，需要考虑到以下几个方面： 1. 状态空间的定义：需要定义状态空间，即用哪些变量来表示当前的市场状态，比如股价、市场波动、交易量等。 2. 动作空间的定义：需要定义动作空间，即能够进行哪些交易操作，比如买入、卖出、持有等。 3. 奖励函数的设计：需要设计奖励函数，即如何评估每次交易的收益和风险，以便让智能体学习到正确的交易策略。 基于以上几点，下面给出一个简单的符合中国股票交易规则的强化学习代码，以供参考： ```python import numpy as np import random class StockTradingEnv: def __init__(self, data, initial_balance): self.data = data self.n_step = len(data) self.initial_balance = initial_balance self.balance = initial_balance self.position = 0 self.stock_price_history = [] self.reward_history = [] self.action_history = [] self.state_history = [] self.transaction_fee = 0.0025 self.lot_size = 100 def reset(self): self.balance = self.initial_balance self.position = 0 self.reward_history = [] self.action_history = [] self.state_history = [] self.stock_price_history = [] return self._get_state(0) def _get_state(self, t): state = (self.data[t], self.position, self.balance) self.state_history.append(state) return state def _take_action(self, action, t): if action == 0: # buy stock_price = self.data[t] transaction_cost = stock_price * self.lot_size * self.transaction_fee if self.balance >= stock_price * self.lot_size + transaction_cost: self.position += self.lot_size self.balance -= stock_price * self.lot_size + transaction_cost self.action_history.append('buy') else: self.action_history.append('hold') elif action == 1: # sell stock_price = self.data[t] transaction_cost = stock_price * self.lot_size * self.transaction_fee if self.position >= self.lot_size: self.position -= self.lot_size self.balance += stock_price * self.lot_size - transaction_cost self.action_history.append('sell') else: self.action_history.append('hold') else: # hold self.action_history.append('hold') def step(self, action, t): self._take_action(action, t) stock_price = self.data[t] self.stock_price_history.append(stock_price) reward = self._get_reward(action, t) self.reward_history.append(reward) done = (t == self.n_step - 1) if done: return None, reward, done else: next_state = self._get_state(t + 1) return next_state, reward, done def _get_reward(self, action, t): reward = 0 if action == 0: # buy reward -= self.data[t] * self.lot_size * self.transaction_fee elif action == 1: # sell reward += self.data[t] * self.lot_size * (1 - self.transaction_fee) else: # hold pass return reward def render(self): print('当前余额：', self.balance) print('当前持仓：', self.position) print('当前股价：', self.data[t]) print('当前动作：', self.action_history[-1]) def generate_random_action(self): return random.randint(0, 2) ``` 在上述代码中，`StockTradingEnv` 类是股票交易环境的定义，它包含了股票数据、初始资金、每次交易的成本等信息。在环境中，我们可以通过 `reset()` 函数来重置环境，通过 `step()` 函数来执行一个动作并获得奖励和下一个状态。此外，`render()` 函数可以用来显示当前的交易状态。 在训练智能体时，我们可以使用类似以下的代码： ```python env = StockTradingEnv(data, initial_balance) n_episodes = 1000 max_steps = len(data) for episode in range(n_episodes): state = env.reset() episode_reward = 0 for step in range(max_steps): action = agent.act(state) next_state, reward, done = env.step(action, step) agent.remember(state, action, reward, next_state, done) episode_reward += reward state = next_state if done: break agent.train() ``` 在训练过程中，我们需要定义智能体的 `act()` 函数来根据当前状态选择一个动作，并将其存储到记忆库中。在每一轮训练结束后，我们使用 `train()` 函数来更新智能体的策略。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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