from qiniu import Auth, put_file,BucketManager,build_batch_delete

import os

import fire



access_key = os.getenv('qiniu_access_key')

secret_key = os.getenv('qiniu_secret_key')



bucket_name = '' # 你的空间名称



HOST ='[url]http://xximg.xxx.com/{}'[/url]  # 可以不用填



TEMPLATE = '\n![{}]({})\n\n\n'



def upload(file,category=''):



    #构建鉴权对象

    q = Auth(access_key, secret_key)

    #要上传的空间



    #上传后保存的文件名

    key = category +'/' + os.path.split(file)[1]

    #生成上传 Token，可以指定过期时间等

    token = q.upload_token(bucket_name, key) # 永不过期



    #要上传文件的本地路径

    ret, info = put_file(token, key, file, version='v1') 

    print(ret)

    print(info)

    return HOST.format(ret['key'])



def bulk_upload(path,category=''):

    with open('qiniu_image.md','a+') as fp:

        for file in os.listdir(path):

            full_path = os.path.join(path,file)

            if os.path.isfile(full_path):



                host_url = upload(full_path,category)

                fp.write(TEMPLATE.format(host_url,host_url))





def get_file_info(prefix,limit = 10):

    q = Auth(access_key, secret_key)

    bucket = BucketManager(q)



    delimiter = None

    marker = None

    ret, eof, info = bucket.list(bucket_name, prefix, marker, limit, delimiter)



    # assert len(ret.get('items')) is not None

    url_list=[]

    for item in ret.get('items',):

        url_list.append(item['key'])

    # print(url_list)

    # print(len(url_list))

    return url_list,len(url_list)



def bulk_delete(prefix,limit=None):

    url_list,lens = get_file_info(prefix,limit=limit)

    q = Auth(access_key, secret_key)

    bucket = BucketManager(q)

    ops = build_batch_delete(bucket_name, url_list)

    ret, info = bucket.batch(ops)

    print(info)

    print(ret)



def delete_one(key):

    q = Auth(access_key, secret_key)

    #初始化BucketManager

    bucket = BucketManager(q)

    #你要测试的空间， 并且这个key在你空间中存在

    # key = 'python-logo.png'

    #删除bucket_name 中的文件 key

    ret, info = bucket.delete(bucket_name, key)

    print(info)

    print(ret)

    # assert ret == {}





def bulk_delete_ones(prefix):

    url_list,lens = get_file_info(prefix,limit=10)

    for url in url_list:

        delete_one(url)

        # print(url)



def main(path,category):



    if os.path.isdir(path):



         bulk_upload(path,category)

    elif os.path.isfile(path):

         upload(path,category)

    else:

         raise ValueError('文件不存在')



    get_file_info()

    bulk_delete('resource')

    bulk_delete_ones('resource')

    delete_one('resource/data_beauty.png')



if __name__ == '__main__':

    fire.Fire(main)

中国互联，两天套利收益3712元，我却很难过
最近一段时间，网络科技股遭遇了大幅调整。
三只主流互联网基金中（中概互联513050，中国互联164906，恒生互联513330），中国互联164906，跌幅超大，半年左右时间，从高点2.6元，跌到当前的1.36元，跌幅为48.8%。（21.7.28）
现在没必要讨论是否应该抄底的问题，想抄底的人，早就买在半山腰了。现在更应该想的是，已经持有这些基金的人，怎么尽快摆脱困境。
相比另外两只ETF基金，中国互联是LOF基金，可以通过套利减少亏损。2021年7月23日，1.598元，卖出15500股，申购成本1.5元，去除手续费，收益1472元。
2021年7月26日，1.504元，卖出17500股，申购成本1.374元，去除手续费，收益2240元。
两天套利收益3712元，我却难过的想哭
为什么这样说？因为申购套利份额三天到账，每天只能使用1/3的仓位参与。1/3仓位，参与套利，这两天少亏了3712元，另外2/3的仓位，实实在在的下跌，至少亏了 3712x2=7424元。
事实上就是如此，7万多元的底仓，已经亏损了8000多元，如果没做套利，真实的亏损，是12000元。
从这件事情上，我们可以得到如下启示：
1，三天跌去20%，6个月跌掉将近50%，这是普通投资者不能接受的。尽量少参与QDII基金，外围市场更加不稳定，风险偏大。如果想投资QDII基金，首选有套利机制的LOF
2，QDII基金要严格控制仓位占比，不要超过总仓位的20%，并且，不要在同一个价格大笔买入，最好用定投，或者越跌越买的方法，分批建仓。
3，在这几天的大跌中，可转债的跌幅相对较小，不足指数跌幅的1/4。作为稳健的投资者，今后应该提高可转债的配置比例。这里也顺便说一下，对三只中概互联网基金，后市的看法。
最悲观的时刻也许已经过去，反弹之后，将迎来二次探底，重新进入上升通道，需要三个月或者更长的时间。
站在当前的角度，已经跌去了这么多，相信这些互联网龙头企业，未来会有不错的业绩表现，此时的投资价值，已经大大提高。
没有仓位的投资者，远离风险，不去抄底买入，是正确的，但已经有持仓的投资者，更不应该在如此低的位置卖出。切记！
本文仅供参考，并非投资建议
 

import pyecharts.options as opts

from pyecharts.charts import Bar, Line



x_data = ["1月", "2月", "3月", "4月", "5月", "6月", "7月", "8月", "9月", "10月", "11月", "12月"]



bar = (

    Bar(init_opts=opts.InitOpts(width="1600px", height="800px"))

    .add_xaxis(xaxis_data=x_data)

    .add_yaxis(

        series_name="蒸发量",

        y_axis=[

            2.0,

            4.9,

            7.0,

            23.2,

            25.6,

            76.7,

            135.6,

            162.2,

            32.6,

            20.0,

            6.4,

            3.3,

        ],

        label_opts=opts.LabelOpts(is_show=False),

    )

    .add_yaxis(

        series_name="降水量",

        y_axis=[

            2.6,

            5.9,

            9.0,

            26.4,

            28.7,

            70.7,

            175.6,

            182.2,

            48.7,

            18.8,

            6.0,

            2.3,

        ],

        label_opts=opts.LabelOpts(is_show=False),

    )

    .extend_axis(

        yaxis=opts.AxisOpts(

            name="温度",

            type_="value",

            min_=0,

            max_=25,

            interval=5,

            axislabel_opts=opts.LabelOpts(formatter="{value} °C"),

        )

    )

    .set_global_opts(

        tooltip_opts=opts.TooltipOpts(

            is_show=True, trigger="axis", axis_pointer_type="cross"

        ),

        xaxis_opts=opts.AxisOpts(

            type_="category",

            axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),

        ),

        yaxis_opts=opts.AxisOpts(

            name="水量",

            type_="value",

            min_=0,

            max_=250,

            interval=50,

            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),

            axistick_opts=opts.AxisTickOpts(is_show=True),

            splitline_opts=opts.SplitLineOpts(is_show=True),

        ),

    )

)

line = (

    Line()

    .add_xaxis(xaxis_data=x_data)

    .add_yaxis(

        series_name="平均温度",

        yaxis_index=1,

        y_axis=[2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2],

        label_opts=opts.LabelOpts(is_show=False),

    )

)

bar.overlap(line).render_notebook()

券商   同花顺登录   股票    股票是否免5          转债免五 转债最低                     

宏信   不支持       万1    免5，最低0.1元       沪：百万分之2，深：十万分之4 0.01      





 基金免五   基金最低         两融利率

 万1        0.1              6.8%起

def initialize(context):

    # 初始化此策略

    # 设置我们要操作的股票池, 这里我们只操作一支股票

    g.security = '600570.SS'

    set_universe(g.security)

    #每天9:23分运行集合竞价处理函数

    run_daily(context, aggregate_auction_func, time='9:23')  



def aggregate_auction_func(context):

    stock = g.security

    #最新价

    snapshot = get_snapshot(stock)

    price = snapshot[stock]['last_px']

    #涨停价

    up_limit = snapshot[stock]['up_px']

    #如果最新价不小于涨停价，买入

    if float(price) >= float(up_limit):

        order(g.security, 100, limit_price=up_limit)

    

def handle_data(context, data):

    pass

def initialize(context):

    # 初始化此策略

    # 设置我们要操作的股票池, 这里我们只操作一支股票

    g.security = '600570.SS'

    set_universe(g.security)

    pass

    

#当五日均线高于十日均线时买入，当五日均线低于十日均线时卖出

def handle_data(context, data):

    security = g.security



    #得到十日历史价格

    df = get_history(10, '1d', 'close', security, fq=None, include=False)

	

    # 得到五日均线价格

    ma5 = round(df['close'][-5:].mean(), 3)

    

    # 得到十日均线价格

    ma10 = round(df['close'][-10:].mean(), 3)



    # 取得昨天收盘价

    price = data[security]['close']



    # 得到当前资金余额

    cash = context.portfolio.cash

    

    # 如果当前有余额，并且五日均线大于十日均线

    if ma5 > ma10:

        # 用所有 cash 买入股票

        order_value(security, cash)

        # 记录这次买入

        log.info("Buying %s" % (security))

        

    # 如果五日均线小于十日均线，并且目前有头寸

    elif ma5 < ma10 and get_position(security).amount > 0:

        # 全部卖出

        order_target(security, 0)

        # 记录这次卖出

        log.info("Selling %s" % (security))

def initialize(context):

    # 初始化此策略

    # 设置我们要操作的股票池, 这里我们只操作一支股票

    g.security = '600570.SS'

    set_universe(g.security)

    #每3秒运行一次主函数

    run_interval(context, func, seconds=3)

      

#盘前准备历史数据

def before_trading_start(context, data):

    history = get_history(10, '1d', 'close', g.security, fq='pre', include=False)

    g.close_array = history['close'].values

    

#当五日均线高于十日均线时买入，当五日均线低于十日均线时卖出

def func(context):

    

    stock = g.security

    

    #获取最新价

    snapshot = get_snapshot(stock)

    price = snapshot[stock]['last_px']

    

    # 得到五日均线价格

	days = 5

    ma5 = get_MA_day(stock, days, g.close_array[-4:], price)   

    # 得到十日均线价格

	days = 10

    ma10 = get_MA_day(stock, days, g.close_array[-9:], price)



    # 得到当前资金余额

    cash = context.portfolio.cash

    

    # 如果当前有余额，并且五日均线大于十日均线

    if ma5 > ma10:

        # 用所有 cash 买入股票

        order_value(stock, cash)

        # 记录这次买入

        log.info("Buying %s" % (stock))

        

    # 如果五日均线小于十日均线，并且目前有头寸

    elif ma5 < ma10 and get_position(stock).amount > 0:

        # 全部卖出

        order_target(stock, 0)

        # 记录这次卖出

        log.info("Selling %s" % (stock))    



#计算实时均线函数

def get_MA_day(stock,days,close_array,current_price):

    close_sum = close_array[-(days-1):].sum()

    MA = (current_price + close_sum)/days

    return MA



def handle_data(context, data):

    pass

def f_expma(N,m,EXPMA1,price):

    a = m/(N+1)

    EXPMA2 = a * price + (1 - a)*EXPMA1

    return EXPMA2 #2为后一天值



#定义macd函数，输入平滑系数参数、前一日值，输出当日值

def macd(N1,N2,N3,m,EXPMA12_1,EXPMA26_1,DEA1,price):

    EXPMA12_2 = f_expma(N1,m,EXPMA12_1,price)

    EXPMA26_2 = f_expma(N2,m,EXPMA26_1,price)

    DIF2 = EXPMA12_2 - EXPMA26_2

    a = m/(N3+1)

    DEA2 = a * DIF2 + (1 - a)*DEA1

    BAR2=2*(DIF2-DEA2)

    return EXPMA12_2,EXPMA26_2,DIF2,DEA2,BAR2



def initialize(context):

    global init_price

    init_price = None

    # 获取沪深300股票

    g.security = get_index_stocks('000300.SS')

    #g.security = ['600570.SS']

    # 设置我们要操作的股票池, 这里我们只操作一支股票

    set_universe(g.security)



def handle_data(context, data):

    # 获取历史数据，这里只获取了2天的数据，如果希望最终MACD指标结果更准确最好是获取

    # 从股票上市至今的所有历史数据，即增加获取的天数

    close_price = get_history(2, '1d', field='close', security_list=g.security)

    #如果是停牌不进行计算

    for security in g.security:

        if data[security].is_open >0:

            global init_price,EXPMA12_1,EXPMA26_1,EXPMA12_2,EXPMA26_2,DIF1,DIF2,DEA1,DEA2

            if init_price is None:

                init_price = close_price[security].mean()#nan和N-1个数，mean为N-1个数的均值

                EXPMA12_1 = init_price

                EXPMA26_1 = init_price

                DIF1 = init_price

                DEA1 = init_price

            # m用于计算平滑系数a=m/(N+1)

            m = 2.0

            #设定指数平滑基期数

            N1 = 12

            N2 = 26

            N3 = 9

            EXPMA12_2,EXPMA26_2,DIF2,DEA2,BAR2 = macd(N1,N2,N3,m,EXPMA12_1,EXPMA26_1,DEA1,close_price[security][-1])

            # 取得当前价格

            current_price = data[security].price

            # 取得当前的现金

            cash = context.portfolio.cash

            # DIF、DEA均为正，DIF向上突破DEA，买入信号参考

            if DIF2 > 0 and DEA2 > 0 and DIF1 < DEA1 and DIF2 > DEA2:

                # 计算可以买多少只股票

                number_of_shares = int(cash/current_price)

                # 购买量大于0时，下单

                if number_of_shares > 0:

                    # 以市单价买入股票，日回测时即是开盘价

                    order(security, +number_of_shares)

                    # 记录这次买入

                    log.info("Buying %s" % (security))

            # DIF、DEA均为负，DIF向下突破DEA，卖出信号参考

            elif DIF2 < 0 and DEA2 < 0 and DIF1 > DEA1 and DIF2 < DEA2 and get_position(security).amount > 0:

                # 卖出所有股票,使这只股票的最终持有量为0

                order_target(security, 0)

                # 记录这次卖出

                log.info("Selling %s" % (security))

            # 将今日的值赋给全局变量作为下一次前一日的值

            DEA1 = DEA2

            DIF1 = DIF2

            EXPMA12_1 = EXPMA12_2

            EXPMA26_1 = EXPMA26_2

    def initialize(context):

 2    # 初始化此策略

 3    # 设置我们要操作的股票池, 这里我们只操作一支股票

 4    g.security = '600570.SS'

 5    set_universe(g.security)

 6    pass

 7

 8 #当五日均线高于十日均线时买入，当五日均线低于十日均线时卖出

 9 def handle_data(context, data):

10    security = g.security

11

12    #得到十日历史价格

13    df = get_history(10, '1d', 'close', security, fq=None, include=False)

14

15    # 得到五日均线价格

16    ma5 = round(df['close'][-5:].mean(), 3)

17

18    # 得到十日均线价格

19    ma10 = round(df['close'][-10:].mean(), 3)

20

21    # 取得昨天收盘价

22    price = data[security]['close']

23

24    # 得到当前资金余额

25    cash = context.portfolio.cash

26

27    # 如果当前有余额，并且五日均线大于十日均线

28    if ma5 > ma10:

29        # 用所有 cash 买入股票

30        order_value(security, cash)

31        # 记录这次买入

32        log.info("Buying %s" % (security))

33

34    # 如果五日均线小于十日均线，并且目前有头寸

35    elif ma5 < ma10 and get_position(security).amount > 0:

36        # 全部卖出

37        order_target(security, 0)

38        # 记录这次卖出

39        log.info("Selling %s" % (security))

    def f_expma(N,m,EXPMA1,price):

 2    a = m/(N+1)

 3    EXPMA2 = a * price + (1 - a)*EXPMA1

 4    return EXPMA2 #2为后一天值

 5

 6 #定义macd函数，输入平滑系数参数、前一日值，输出当日值

 7  def macd(N1,N2,N3,m,EXPMA12_1,EXPMA26_1,DEA1,price):

 8    EXPMA12_2 = f_expma(N1,m,EXPMA12_1,price)

 9    EXPMA26_2 = f_expma(N2,m,EXPMA26_1,price)

10    DIF2 = EXPMA12_2 - EXPMA26_2

11    a = m/(N3+1)

12    DEA2 = a * DIF2 + (1 - a)*DEA1

13    BAR2=2*(DIF2-DEA2)

14    return EXPMA12_2,EXPMA26_2,DIF2,DEA2,BAR2

15

16  def initialize(context):

17    global init_price

18    init_price = None

19    # 获取沪深300股票

20    g.security = get_index_stocks('000300.SS')

21    #g.security = ['600570.SS']

22    # 设置我们要操作的股票池, 这里我们只操作一支股票

23    set_universe(g.security)

24

25  def handle_data(context, data):

26    # 获取历史数据，这里只获取了2天的数据，如果希望最终MACD指标结果更准确最好是获取

27    # 从股票上市至今的所有历史数据，即增加获取的天数

28    close_price = get_history(2, '1d', field='close', security_list=g.security)

29    #如果是停牌不进行计算

30    for security in g.security:

31        if data[security].is_open >0:

32            global init_price,EXPMA12_1,EXPMA26_1,EXPMA12_2,EXPMA26_2,DIF1,DIF2,DEA1,DEA2

33            if init_price is None:

34                init_price = close_price[security].mean()#nan和N-1个数，mean为N-1个数的均值

35                EXPMA12_1 = init_price

36                EXPMA26_1 = init_price

37                DIF1 = init_price

38                DEA1 = init_price

39            # m用于计算平滑系数a=m/(N+1)

40            m = 2.0

41            #设定指数平滑基期数

42            N1 = 12

43            N2 = 26

44            N3 = 9

45            EXPMA12_2,EXPMA26_2,DIF2,DEA2,BAR2 = macd(N1,N2,N3,m,EXPMA12_1,EXPMA26_1,DEA1,close_price[security][-1])

46            # 取得当前价格

47            current_price = data[security].price

48            # 取得当前的现金

49            cash = context.portfolio.cash

50            # DIF、DEA均为正，DIF向上突破DEA，买入信号参考

51            if DIF2 > 0 and DEA2 > 0 and DIF1 < DEA1 and DIF2 > DEA2:

52                # 计算可以买多少只股票

53                number_of_shares = int(cash/current_price)

54                # 购买量大于0时，下单

55                if number_of_shares > 0:

56                    # 以市单价买入股票，日回测时即是开盘价

57                    order(security, +number_of_shares)

58                    # 记录这次买入

59                    log.info("Buying %s" % (security))

60            # DIF、DEA均为负，DIF向下突破DEA，卖出信号参考

61            elif DIF2 < 0 and DEA2 < 0 and DIF1 > DEA1 and DIF2 < DEA2 and get_position(security).amount > 0:

62                # 卖出所有股票,使这只股票的最终持有量为0

63                order_target(security, 0)

64                # 记录这次卖出

65                log.info("Selling %s" % (security))

66            # 将今日的值赋给全局变量作为下一次前一日的值

67            DEA1 = DEA2

68            DIF1 = DIF2

69            EXPMA12_1 = EXPMA12_2

70            EXPMA26_1 = EXPMA26_2

auth = pika.PlainCredentials(user,password)

connection = pika.BlockingConnection(pika.ConnectionParameters(host,port,'/',auth))

auth = pika.PlainCredentials(user,password)

connection = pika.BlockingConnection(pika.ConnectionParameters(host=host,port=port,virtual_host='/',credentials=auth))