Ptrade回测模式下获取实时的分钟数据：只能使用handle_data，数据不能用get_snapshot
好久没有使用Ptrade做分钟级别的回测了。
发现有点蛋疼，记录一下。
因为回测模式下，不能使用run_interval 函数；
而run_daily模式，只能在固定时间运行，无法分钟级别。
所以只能使用 handle_data
而在handle_data 里面获取当前的分钟价格数据，也无法使用 get_snapshot ，get_gear_price,函数。
所以只能使用handle_data(Context,data) 里面的data里。
而handle_data 里面的data数据，使用方法如下：
获取数据结果：
用同花顺，对了一下结果，是满足的了。
收起阅读 »
发现有点蛋疼，记录一下。
因为回测模式下，不能使用run_interval 函数；
而run_daily模式，只能在固定时间运行，无法分钟级别。
所以只能使用 handle_data
而在handle_data 里面获取当前的分钟价格数据，也无法使用 get_snapshot ，get_gear_price,函数。
所以只能使用handle_data(Context,data) 里面的data里。
而handle_data 里面的data数据，使用方法如下：
import datetime
target_list = [
'600000.SS',
'000333.SZ'
]
def execution(context, data):
now = context.current_dt.strftime('%H:%M')
for code in target_list:
tick_info = data[code]
price = tick_info['price']
print('now: {} code : {} price:{}'.format(now,code ,price))
# 标准
def initialize(context):
log.info("公众号：可转债量化分析 ---- start ----")
def handle_data(context, data):
execution(context, data)
获取数据结果：
2024-09-20 14:42:00 - INFO - now: 14:42 code : 000333.SZ price:66.22
2024-09-20 14:43:00 - INFO - now: 14:43 code : 000333.SZ price:66.26
2024-09-20 14:44:00 - INFO - now: 14:44 code : 000333.SZ price:66.19
2024-09-20 14:45:00 - INFO - now: 14:45 code : 000333.SZ price:66.2
2024-09-20 14:46:00 - INFO - now: 14:46 code : 000333.SZ price:66.19
2024-09-20 14:47:00 - INFO - now: 14:47 code : 000333.SZ price:66.18
2024-09-20 14:48:00 - INFO - now: 14:48 code : 000333.SZ price:66.14
2024-09-20 14:49:00 - INFO - now: 14:49 code : 000333.SZ price:66.25
2024-09-20 14:50:00 - INFO - now: 14:50 code : 000333.SZ price:66.19
2024-09-20 14:51:00 - INFO - now: 14:51 code : 000333.SZ price:66.18
2024-09-20 14:52:00 - INFO - now: 14:52 code : 000333.SZ price:66.19
2024-09-20 14:53:00 - INFO - now: 14:53 code : 000333.SZ price:66.2
2024-09-20 14:54:00 - INFO - now: 14:54 code : 000333.SZ price:66.19
2024-09-20 14:55:00 - INFO - now: 14:55 code : 000333.SZ price:66.25
2024-09-20 14:56:00 - INFO - now: 14:56 code : 000333.SZ price:66.27
2024-09-20 14:57:00 - INFO - now: 14:57 code : 000333.SZ price:66.28
2024-09-20 14:58:00 - INFO - now: 14:58 code : 000333.SZ price:66.28
2024-09-20 14:59:00 - INFO - now: 14:59 code : 000333.SZ price:66.28
2024-09-20 15:00:00 - INFO - now: 15:00 code : 000333.SZ price:66.06
用同花顺，对了一下结果，是满足的了。
收起阅读 »
QMT的handlebar设置成一分钟周期的时候，运行是3秒一次的
平时很少用handlebar驱动。
刚好有个策略是一分钟周期运行的，所以就用了handle驱动。
结果发现，经常查询重复买入。
调试后发现，原来这个handlebar是3m触发一次的。
如果要一分钟运行一次，还是用
ContextInfo.run_time("execution", INTERVAL_STRING, running_time)
INTERVAL_STRING 用1分钟表示。
示例代码：
一分钟打印当前时间：
公众号：
收起阅读 »
刚好有个策略是一分钟周期运行的，所以就用了handle驱动。
结果发现，经常查询重复买入。
调试后发现，原来这个handlebar是3m触发一次的。
如果要一分钟运行一次，还是用
ContextInfo.run_time("execution", INTERVAL_STRING, running_time)
INTERVAL_STRING 用1分钟表示。
示例代码：
一分钟打印当前时间：
# -*-coding:gbk-*-
# 作者公众号：可转债量化分析
import datetime
import json
import redis
####### 以下为固定配置，请勿随意修改 ##########
# 注意：程序需要在9：30前启动
START_TIME = '09:30' # 启动时间，可以修改为开盘任意时间9：30-14：57
STOCK_ACCOUNT = '' # 股票账户
INTERVAL_SECOND = 60 # 交易间隔
INTERVAL_STRING = "{}nSecond".format(INTERVAL_SECOND)
def today_date():
return datetime.datetime.now().strftime('%Y%m%d')
def init(ContextInfo):
now = datetime.datetime.now()
print('策略初始化 {}'.format(now))
now = datetime.datetime.now()
running_time = '{} {}'.format(today_date(), START_TIME)
print('策略初始化 {} , 程序启动时间 {}'.format(now, START_TIME))
ContextInfo.run_time("execution", INTERVAL_STRING, running_time)
def handlebar(ContextInfo):
pass
def execution(ContextInfo):
if not ContextInfo.is_last_bar():
return
now = datetime.datetime.now()
print(now)
公众号：
收起阅读 »
QMT/iQuant居然禁止redis获取股票行情数据，如何破解
QMT禁止redis获取股票行情数据，如何破解
因为QMT没有转债的规模，而国信iquant本身又把requests 库给封禁了，它无法通过requests 获取任何外部数据，比如访问东财，tushare都会提示访问超时。（后面发现它修改了requests的源码）
于是发现iquant的redis是内置库，不需要pip安装，所以第一时间就想到使用redis获取转债数据。
简单测试了一下，redis是可以获取数据的。比如随便丢一个字符到redis，然后QMT可以获取到这个字符数据
于是就把原来的策略里，使用requests 调用API的部分，改成redis。
可是运行后发现报错：
2024-09-10 10:05:19,851 [INFO] [0x00000e24] [msg service] msg: 0C:\iquant\python\新建策略文件.py_SH00030021
DataError:Sensitive Data Detected, Forbidden!
报错信息说的很明显，敏感信息检测到，禁止！
居然对redis的数据进行检验，很明显这部分是QMT对redis的源码进行了修改。
于是根据报错的提示，找到 目录：
D:\tool\gjzq_qmt_simulation\bin.x64\Lib\site-packages\redis，下面的client.py
找到对应的行：
的确有一个check_response 的函数用于检测 redis的内容，看正则表达式和变量命名（search_stock），类似股票代码的数据传输被阻止了，检测到之后直接raise Error，程序会停止的。
解决办法，也很简单，直接把这一段 代码删除就好了。
然后需要重启你的QMT，不然修改的代码不会生效。
然后重新运行的你的策略，发现一起正常了。
需要开通QMT和代写量化策略，可以关注公众号：
收起阅读 »
因为QMT没有转债的规模，而国信iquant本身又把requests 库给封禁了，它无法通过requests 获取任何外部数据，比如访问东财，tushare都会提示访问超时。（后面发现它修改了requests的源码）
于是发现iquant的redis是内置库，不需要pip安装，所以第一时间就想到使用redis获取转债数据。
简单测试了一下，redis是可以获取数据的。比如随便丢一个字符到redis，然后QMT可以获取到这个字符数据
于是就把原来的策略里，使用requests 调用API的部分，改成redis。
可是运行后发现报错：
2024-09-10 10:05:19,851 [INFO] [0x00000e24] [msg service] msg: 0C:\iquant\python\新建策略文件.py_SH00030021
DataError:Sensitive Data Detected, Forbidden!
报错信息说的很明显，敏感信息检测到，禁止！
居然对redis的数据进行检验，很明显这部分是QMT对redis的源码进行了修改。
于是根据报错的提示，找到 目录：
D:\tool\gjzq_qmt_simulation\bin.x64\Lib\site-packages\redis，下面的client.py
找到对应的行：
的确有一个check_response 的函数用于检测 redis的内容，看正则表达式和变量命名（search_stock），类似股票代码的数据传输被阻止了，检测到之后直接raise Error，程序会停止的。
解决办法，也很简单，直接把这一段 代码删除就好了。
然后需要重启你的QMT，不然修改的代码不会生效。
然后重新运行的你的策略，发现一起正常了。
需要开通QMT和代写量化策略，可以关注公众号：
收起阅读 »
国信iquant requests 爬虫 获取数据 还有使用 tushare，akshare 无法连接，提示超时
经过验证，比如把下面的代码放入到国信的iquant里运行
会报错，同时访问baidu.com 超时：
明显是国信的iquant内部设置了proxy，导致request出去的时候走了proxy。
所以连baidu都访问不了。
而tushare，akshare底层是周的爬虫 （requests）, 所以对于iquant，底层走http requests的库，或者获取数据的手段是失效了的。
不过也有其他的手段可以实现获取外部数据。
笔者亲测了redis可以访问外部的redis数据库，为啥用redis，因为iquant没有内置pymysql，需要自己安装，客户也不懂怎么安装，（到iquant的安装文件路径下的python 包路径下，运行 pip install pymysq）
而iquant内置了redis 的库，所以可以直接import redis
redis测试代码：
上面的代码是正常运行，不报错，就说明正常的了。
PS:
r = RedisCls() 只是封装了
r = redis.Redis 连接的ip和端口，密码 而已。
按照网上的redis连接教程使用就好了。
收起阅读 »
#encoding:gbk
import requests
def get_baidu():
url = 'https://www.baidu.com'
req = requests.get(url,headers={'User-Agent':'Mozilla/5.0'})
print(req.text)
def init(ContextInfo):
get_baidu()
def handlebar(ContextInfo):
pass
会报错，同时访问baidu.com 超时：
明显是国信的iquant内部设置了proxy，导致request出去的时候走了proxy。
所以连baidu都访问不了。
而tushare，akshare底层是周的爬虫 （requests）, 所以对于iquant，底层走http requests的库，或者获取数据的手段是失效了的。
不过也有其他的手段可以实现获取外部数据。
笔者亲测了redis可以访问外部的redis数据库，为啥用redis，因为iquant没有内置pymysql，需要自己安装，客户也不懂怎么安装，（到iquant的安装文件路径下的python 包路径下，运行 pip install pymysq）
而iquant内置了redis 的库，所以可以直接import redis
redis测试代码：
def base_usage():
print('start')
r = RedisCls()
data = {'name': 'zhangsan', 'age': 18}
key = 'test_key'
r.push(key, json.dumps(data))
print('push')
print(r.delete('key')) # reutrn 1 if delete success, else return 0
start_time = time.time()
ret_data = r.pop(key)
end_time = time.time()
print('cost time: ', end_time - start_time)
print(ret_data)
base_usage()
上面的代码是正常运行，不报错，就说明正常的了。
PS:
r = RedisCls() 只是封装了
r = redis.Redis 连接的ip和端口，密码 而已。
按照网上的redis连接教程使用就好了。
收起阅读 »
QMT如何获取持仓成本 盈亏比例
比如多次买入一个股票，每次买入不同的数量，如果中间又有分红除权，虽然可以通过自己写一个计算函数记录，但是会非常复杂。
那么QMT有没有内置的可以获取持仓成本的函数呢？
position 持仓对象 里面有一个字段：
m_dOpenPrice: 持仓成本
可以用来获取当前的持仓成本：
具体代码如下：
得到的输出结果：
扫码免费开通QMT：
收起阅读 »
那么QMT有没有内置的可以获取持仓成本的函数呢？
position 持仓对象 里面有一个字段：
m_dOpenPrice: 持仓成本
可以用来获取当前的持仓成本：
具体代码如下：
# encoding:gbk
ACCOUNT = 'xxxxxxx' # 填入你的QMT账户ID, 如果没有，可以联系我开通 QMT权限
def init(ContextInfo):
# hs300成分股中sh和sz市场各自流通市值最大的前3只股票
pass
def handlebar(ContextInfo):
# 计算当前主图的cci
position_info = get_trade_detail_data(ACCOUNT, 'stock', 'position')
for i in position_info:
print('股票', i.m_strInstrumentID, '持仓数',
i.m_nVolume, '持有成本', round(i.m_dOpenPrice, 2),
'持仓盈亏', round(i.m_dPositionProfit, 2),
'持仓盈亏比例', round(i.m_dProfitRate*100, 2)
)
得到的输出结果：
扫码免费开通QMT：
收起阅读 »
python Ptrade获取热门板块，连板股票 python代码
之前有人咨询，ptrade如何获取不同的概念板块个股。其实很容易，本身有获取板块信息的API函数：
Ptrade API文档：https://ptradeapi.com/#get_sort_msg
get_sort_msg – 获取板块、行业的涨幅排名
接口说明
该接口用于获取板块、行业的涨幅排名。
参数 sort_type_grp: 板块或行业的代码(list[str]/str)；
(暂时只支持XBHS.DY地域、XBHS.GN概念、XBHS.ZJHHY证监会行业、XBHS.ZS指数、XBHS.HY行业等)
示例代码：按概念板块涨幅倒序排名
上面代码在ptrade启动后一分钟拿到结果。不限制要求开盘时间的。其实Ptrade可以在24小时任意时刻启动。
get_sort_msg 返回的数据结构体如下：
具体字段的含义：
这个返回数据是实时的，可以用来选股，选择热门股，热门板块，涨停板块，昨日涨停，昨日连板板块。
比如上面运行结果里就有 昨日连板的板块个股，有9个，在rise_first_grp 字段里面：
需要开通Ptrade的读者朋友可以后天联系哦，提供不同券商ptrade，低门槛，低费率，还有技术支持群！
收起阅读 »
Ptrade API文档：https://ptradeapi.com/#get_sort_msg
get_sort_msg – 获取板块、行业的涨幅排名
get_sort_msg(sort_type_grp=None, sort_field_name=None, sort_type=1, data_count=100)
接口说明
该接口用于获取板块、行业的涨幅排名。
参数 sort_type_grp: 板块或行业的代码(list[str]/str)；
(暂时只支持XBHS.DY地域、XBHS.GN概念、XBHS.ZJHHY证监会行业、XBHS.ZS指数、XBHS.HY行业等)
示例代码：按概念板块涨幅倒序排名
import datetime
START_TIME = (datetime.datetime.now() + datetime.timedelta(minutes=1)).strftime('%H:%M')
def execution(context):
#获取XBHS.GN的概念排名信息
sort_data = get_sort_msg(sort_type_grp='XBHS.GN', sort_field_name='px_change_rate', sort_type=1, data_count=100)
for data in sort_data:
log.info('板块： {} '.format(data['prod_name']))
for sub_stock in data['rise_first_grp']:
log.info('{} 涨幅 ：{}'.format(sub_stock['prod_name'],sub_stock['px_change_rate']))
log.info('\n')
def initialize(context):
# 初始化策略
run_daily(context, execution, time=START_TIME) # 扫描
log.info("公众号：可转债量化分析\n")
def handle_data(context, data):
pass
上面代码在ptrade启动后一分钟拿到结果。不限制要求开盘时间的。其实Ptrade可以在24小时任意时刻启动。
get_sort_msg 返回的数据结构体如下：
具体字段的含义：
prod_code: 行业代码(str:str)；
prod_name: 行业名称(str:str)；
hq_type_code: 行业板块代码(str:str)；
time_stamp: 时间戳毫秒级(str:int)；
trade_mins: 交易分钟数(str:int)；
trade_status: 交易状态(str:str)；
preclose_px: 昨日收盘价(str:float)；
open_px: 今日开盘价(str:float)；
last_px: 最新价(str:float)；
high_px: 最高价(str:float)；
low_px: 最低价(str:float)；
wavg_px: 加权平均价(str:float)；
business_amount: 总成交量(str:int)；
business_balance: 总成交额(str:int)；
px_change: 涨跌额(str:float)；
amplitude: 振幅(str:int)；
px_change_rate: 涨跌幅(str:float)；
circulation_amount: 流通股本(str:int)；
total_shares: 总股本(str:int)；
market_value: 市值(str:int)；
circulation_value: 流通市值(str:int)；
vol_ratio: 量比(str:float)；
shares_per_hand: 每手股数(str:int)；
rise_count: 上涨家数(str:int)；
fall_count: 下跌家数(str:int)；
member_count: 成员个数(str:int)；
rise_first_grp: 领涨股票(其包含以下五个字段)(str:list[dict{str:int,str:str,str:str,str:float,str:float},...])；
prod_code: 股票代码(str:str)；
prod_name: 证券名称(str:str)；
hq_type_code: 类型代码(str:str)；
last_px: 最新价(str:float)；
px_change_rate: 涨跌幅(str:float)；
fall_first_grp: 领跌股票(其包含以下五个字段)(str:list[dict{str:int,str:str,str:str,str:float,str:float},...])；
prod_code: 股票代码(str:str)；
prod_name: 证券名称(str:str)；
hq_type_code: 类型代码(str:str)；
last_px: 最新价(str:float)；
px_change_rate: 涨跌幅(str:float)；
这个返回数据是实时的，可以用来选股，选择热门股，热门板块，涨停板块，昨日涨停，昨日连板板块。
比如上面运行结果里就有 昨日连板的板块个股，有9个，在rise_first_grp 字段里面：
需要开通Ptrade的读者朋友可以后天联系哦，提供不同券商ptrade，低门槛，低费率，还有技术支持群！
收起阅读 »
【保姆教程】使用ptrade做一个持仓监控提醒软件 （二）
接下来完成代码实现部分：
主要框架如下：
盘前我们先去读取数据库的数据：
格式很简单，就记录了代码和名字：
df = pd.read_sql('select * from tb_holding_stock_list', con=engine)
然后主要部分在 execution 这个监控函数这里。
send_message_via_wechat 这个函数是发送微信消息的。
然后基本完成了整体的代码编写，里面一些自定义的函数为了判断 下一次通知要等待多久。
因为不能因为同一个股票满足条件了，然后每隔3秒发一次微信消息。你手机会一直滴滴滴地响的。
而且很容易把其他刚出现的提示给覆盖了。
【保姆教程】使用ptrade做一个持仓监控提醒软件 （一）
收起阅读 »
主要框架如下：
盘前我们先去读取数据库的数据：
格式很简单，就记录了代码和名字：
df = pd.read_sql('select * from tb_holding_stock_list', con=engine)
def initialize(context):
# 初始化策略
engine = DBSelector().get_engine()
df = pd.read_sql('select * from tb_holding_stock_list', con=engine)
df['code']=df['code'].astype(str)
result = {}
for index, row in df.iterrows():
code = add_code_postfix(row['code'])
result[code] = {'name': row['name'], 'source': row['source']}
g.holding_stock_dict = result
g.holding_stock_list = list(result.keys())
g.__cache = Cache()
run_interval(context, execution, seconds=INTERVAL) # 扫描
def handle_data(context, data):
pass
def tick_data(context, data):
pass
def before_trading_start(context, data):
'''
盘前
'''
if DEBUG:
log.info('盘前运行开始', str(context.blotter.current_dt))
def after_trading_end(context, data):
'''
盘后
'''
if DEBUG:
log.info('盘后时间 ', str(context.blotter.current_dt))
然后主要部分在 execution 这个监控函数这里。
def execution(context):
tick_info = get_snapshot(g.holding_stock_list)
for code, tick in tick_info.items():
px_change_rate = tick['px_change_rate']
if px_change_rate > abs(HIT_TARGET):
if g.__cache.check(code):
# 通知
name = g.holding_stock_dict.get(code)['name']
source = g.holding_stock_dict.get(code)['source']
msg = '{}-{} 涨幅-{},{}'.format(code,
name, px_change_rate, source)
send_message_via_wechat(msg)
send_message_via_wechat 这个函数是发送微信消息的。
然后基本完成了整体的代码编写，里面一些自定义的函数为了判断 下一次通知要等待多久。
因为不能因为同一个股票满足条件了，然后每隔3秒发一次微信消息。你手机会一直滴滴滴地响的。
而且很容易把其他刚出现的提示给覆盖了。
【保姆教程】使用ptrade做一个持仓监控提醒软件 （一）
收起阅读 »
【保姆教程】使用ptrade做一个持仓监控提醒软件 （一）
背景：
因为有多个券商，比如银河，华宝，国金，国盛等。 而且也有家人的账户，可能一个银河就有5-6个账户。
所以如果持仓比较多的话，没有时间管得过来。 设置条件单比较繁琐，也不一定能管得过来。
要求：
把所有的持仓股Excel导出，输入的数据库（这里选择mysql），然后Ptrade读取了股票池，每隔3s扫描一次行情，如果遇到大涨或者大跌的个股，转债，ETF，就发送微信消息提醒（涨幅/跌幅大于7%）
这个是某个客户的简单需求。
后面就按照上面的需求做一个客户端，除了可以录入上述资料，还能提供web服务，输入，删除持仓股，做到实时更新。
最后提醒效果如下：
国金QMT的字样，用来区分我这个标的是哪一个券商的持仓。比如 有可能是 家人1-银河，家人2-国盛，这样的哈
下一篇：
【保姆教程】使用ptrade做一个持仓监控提醒软件 （二）
欢迎关注公众号：可转债量化分析
收起阅读 »
因为有多个券商，比如银河，华宝，国金，国盛等。 而且也有家人的账户，可能一个银河就有5-6个账户。
所以如果持仓比较多的话，没有时间管得过来。 设置条件单比较繁琐，也不一定能管得过来。
要求：
把所有的持仓股Excel导出，输入的数据库（这里选择mysql），然后Ptrade读取了股票池，每隔3s扫描一次行情，如果遇到大涨或者大跌的个股，转债，ETF，就发送微信消息提醒（涨幅/跌幅大于7%）
这个是某个客户的简单需求。
后面就按照上面的需求做一个客户端，除了可以录入上述资料，还能提供web服务，输入，删除持仓股，做到实时更新。
最后提醒效果如下：
国金QMT的字样，用来区分我这个标的是哪一个券商的持仓。比如 有可能是 家人1-银河，家人2-国盛，这样的哈
下一篇：
【保姆教程】使用ptrade做一个持仓监控提醒软件 （二）
欢迎关注公众号：可转债量化分析
收起阅读 »
python量化分析教程 | 最近几年A股养老基金整体盈亏情况分析
这几年A股股市走势有目共睹。跌的让人头晕目眩。
不仅是散户被深套，很多基金也都大幅亏损。甚至前阵子看到证券时报报道，养老目标基金都出现不是清盘的现象。
于是笔者好奇心驱使，想看看这些养老基金最近几年的盈利情况，会不会把长辈老人们的下半辈子养老金都亏空了。
作为一名授人以渔的公众号博主，不仅仅贴个收益率图出来这么简单的啦。如果只是想看数据，直接跳过前面的操作即可。
笔者手把手教大家做数据分析，学会后不仅仅只对养老基金这一类别的基金做分析，还可以对不同类型的基金做分析。
前提：电脑按照了python已经相关库（jupyter notebook，pandas，akshare）
数据源：天天基金网
打开东财的天天基金网（https://fund.eastmoney.com/），在基金搜索页面输入：养老
总共有515个与养老相关的公募基金。如果没显示全，点击下图里面的“点击展开更多”按钮
抓包就找到对应的URL地址了，如下：https://fundsuggest.eastmoney.com/FundSearch/api/FundSearchPageAPI.ashx?callback=jQuery18306906210160165065_1721823304653&m=1&key=养老&pageindex=0&pagesize=515&_=1721823360126
如果你想分析其他类型的主题基金，只需要把上面的url里面的key=养老，换成其他的就可以了，比如 key=芯片
浏览器输入上面的URL就可以拿到数据了。
简单起见，我就不写爬取数据的代码，直接复制粘贴浏览器返回的内容就好了。
然后把前面起始的jQuery18306906210160165065_1721823304653( 和最后的括号去掉，就得到一个json数据了。
（文末提供这个数据文件的获取方式）
接着写一个函数获取某个基金的当前收益率：目前就获取最近3年的收益率。
可以改动period='5年'， ’10年‘，’成立以来'，从而获取不同区间的收益率
接着把500多个基金遍历一遍就OK了。
然后去倒杯茶，慢慢等它跑完。
数据分析
把数据转为dataframe，按照收益率排名
也可以导出到excel
亏损最多的鹏华养老产业股票，最近3年亏损了-53%，不过它应该也不属于养老基金范畴，只是买的养老产业的股票。
而华夏养老2055五年持有混合(FOF)A 011745，这种才是标准的养老基金，这些养老基金大部分是FOF（它们持有标的是基金，而不是股票）
2021年成立，买入后还要锁定5年，期间不可卖出，老人们被套牢了也无法割肉了。成立以来亏损了-34%，近3年亏损了-41%。
于是笔者继续过滤一下，找出里面的全部FOF基金
得到下面的养老基金FOF全部数据
然后使用describe函数看看大体的涨跌幅情况：
总共有484个数据，平均涨幅为-8.38%
中位数是-6.13%。
涨幅最大的是4.85%，中欧预见平衡养老三年持有混合发起(FOF)Y
打开详情一看，原来是得益于成立得晚的缘故，而该基金是今年2月成立的。
最近3年沪深300指数跌了32%，而这个跌幅可以在485只养老基金里面排到了477名。聊以慰藉的是，绝大部分的养老基金在下跌行情下是跑赢了沪深300的。
绘制直方图
直方图可以一览数据得养老基金涨跌幅分布情况：
从图可以看到，大部分养老基金的涨跌幅落在-20到0之间。
亏损达到-30%以上的其实也不是很多。
整体来说，养老基金FOF比买入主流宽基波动要小一些，但并非保本的理财工具，对于风险接受能力低的老一辈朋友，需要慎重考虑的。
原文数据可在公众号：
可转债量化分析
获取
收起阅读 »
不仅是散户被深套，很多基金也都大幅亏损。甚至前阵子看到证券时报报道，养老目标基金都出现不是清盘的现象。
于是笔者好奇心驱使，想看看这些养老基金最近几年的盈利情况，会不会把长辈老人们的下半辈子养老金都亏空了。
作为一名授人以渔的公众号博主，不仅仅贴个收益率图出来这么简单的啦。如果只是想看数据，直接跳过前面的操作即可。
笔者手把手教大家做数据分析，学会后不仅仅只对养老基金这一类别的基金做分析，还可以对不同类型的基金做分析。
前提：电脑按照了python已经相关库（jupyter notebook，pandas，akshare）
数据源：天天基金网
打开东财的天天基金网（https://fund.eastmoney.com/），在基金搜索页面输入：养老
总共有515个与养老相关的公募基金。如果没显示全，点击下图里面的“点击展开更多”按钮
抓包就找到对应的URL地址了，如下：https://fundsuggest.eastmoney.com/FundSearch/api/FundSearchPageAPI.ashx?callback=jQuery18306906210160165065_1721823304653&m=1&key=养老&pageindex=0&pagesize=515&_=1721823360126
如果你想分析其他类型的主题基金，只需要把上面的url里面的key=养老，换成其他的就可以了，比如 key=芯片
浏览器输入上面的URL就可以拿到数据了。
简单起见，我就不写爬取数据的代码，直接复制粘贴浏览器返回的内容就好了。
然后把前面起始的jQuery18306906210160165065_1721823304653( 和最后的括号去掉，就得到一个json数据了。
js_data = {
"ErrCode": 0,
"ErrMsg": "0",
"Datas": [
{
"_id": "001171",
"CODE": "001171",
"NAME": "工银养老产业股票A",
"STOCKMARKET": "",
"NEWTEXCH": ""
},
......... # 省略若干
]
}（文末提供这个数据文件的获取方式）
接着写一个函数获取某个基金的当前收益率：目前就获取最近3年的收益率。
import akshare as ak
def get_fund_info(code,name):
fund_open_fund_info_em_df = ak.fund_open_fund_info_em(symbol=code, indicator="累计收益率走势",period="3年")
latest_perf = fund_open_fund_info_em_df.iloc[-1]['累计收益率']
return {'code':code,'profit':latest_perf,'name':name}
可以改动period='5年'， ’10年‘，’成立以来'，从而获取不同区间的收益率
接着把500多个基金遍历一遍就OK了。
fund_perf_list = []
for item in js_data['Datas']:
print('processing code {}'.format(item['CODE']))
try:
fund_perf_list.append(get_fund_info(item['CODE'],item['NAME']))
time.sleep(0.5)
except Exception as e:
print('error in processing code {}'.format(item['CODE']))
print(e)
然后去倒杯茶，慢慢等它跑完。
数据分析
把数据转为dataframe，按照收益率排名
import pandas as pd
df = pd.DataFrame(fund_perf_list)
rank_df = df.sort_values(by='profit')
也可以导出到excel
rank_df.to_excel('亏麻的养老基金.xlsx')
亏损最多的鹏华养老产业股票，最近3年亏损了-53%，不过它应该也不属于养老基金范畴，只是买的养老产业的股票。
而华夏养老2055五年持有混合(FOF)A 011745，这种才是标准的养老基金，这些养老基金大部分是FOF（它们持有标的是基金，而不是股票）
2021年成立，买入后还要锁定5年，期间不可卖出，老人们被套牢了也无法割肉了。成立以来亏损了-34%，近3年亏损了-41%。
于是笔者继续过滤一下，找出里面的全部FOF基金
fof_fund_df = rank_df[rank_df['name'].str.contains('FOF')]
得到下面的养老基金FOF全部数据
然后使用describe函数看看大体的涨跌幅情况：
总共有484个数据，平均涨幅为-8.38%
中位数是-6.13%。
涨幅最大的是4.85%，中欧预见平衡养老三年持有混合发起(FOF)Y
打开详情一看，原来是得益于成立得晚的缘故，而该基金是今年2月成立的。
最近3年沪深300指数跌了32%，而这个跌幅可以在485只养老基金里面排到了477名。聊以慰藉的是，绝大部分的养老基金在下跌行情下是跑赢了沪深300的。
绘制直方图
直方图可以一览数据得养老基金涨跌幅分布情况：
fof_fund_df.plot(kind='hist',bins=20,y='profit',width=2,grid=True)
从图可以看到，大部分养老基金的涨跌幅落在-20到0之间。
亏损达到-30%以上的其实也不是很多。
整体来说，养老基金FOF比买入主流宽基波动要小一些，但并非保本的理财工具，对于风险接受能力低的老一辈朋友，需要慎重考虑的。
原文数据可在公众号：
可转债量化分析
获取
收起阅读 »
vs code 插件推荐：标注某个代码位置，快速跳转回该位置
相信大部分会有这样的体验，在一个文件中，经常回修改某一个函数，比如A文件的B function。然后不断打开其他文件C，D，来回切换修改。
因为在修改的时候会在当前文件跳转到其他函数里面比如跳转到D function，又跳到F function。然后继续跳转到其他函数H function。
但是，后面如果要回去A 文件的B function，你就要点击回去A文件，然后再通过搜索A function名字，或者用滚动条一直滚动。
所以整个流程会很浪费时间。
vs code有个插件，叫做bookmarks。
就是为了解决上面的痛点。
只需要在你代码右键，选择 Bookmark，标注了。
该位置就会保存在 左侧的bookmark栏里。
后续你只需要点一下这个bookmark栏的这个地方，就会直接跳转到你标注的行的位置。
大大提升了效率！
插件地址：
https://marketplace.visualstudio.com/items?itemName=alefragnani.Bookmarks
收起阅读 »
因为在修改的时候会在当前文件跳转到其他函数里面比如跳转到D function，又跳到F function。然后继续跳转到其他函数H function。
但是，后面如果要回去A 文件的B function，你就要点击回去A文件，然后再通过搜索A function名字，或者用滚动条一直滚动。
所以整个流程会很浪费时间。
vs code有个插件，叫做bookmarks。
就是为了解决上面的痛点。
只需要在你代码右键，选择 Bookmark，标注了。
该位置就会保存在 左侧的bookmark栏里。
后续你只需要点一下这个bookmark栏的这个地方，就会直接跳转到你标注的行的位置。
大大提升了效率！
插件地址：
https://marketplace.visualstudio.com/items?itemName=alefragnani.Bookmarks
收起阅读 »
华宝证券 华宝期权宝 钱龙 客户端 无法下载的原因
本来想下载一个期权软件下来看看T型交易图。
结果在华宝的官网 找到下载链接，但一直报错：
似乎其他软件也是报错。
500报错，应该是服务器的原因。
然后把链接复制下来：
https://download.cnhbstock.com/download/qlqqb/qlqqbpc/qqbfz.exe
把链接的https 改成 http，
浏览器会提示：
结果就可以下载啦。
说实话，华宝这技术的确不咋地。
这个问题居然没有反馈，没有人去修复吗？
收起阅读 »
结果在华宝的官网 找到下载链接，但一直报错：
似乎其他软件也是报错。
500报错，应该是服务器的原因。
然后把链接复制下来：
https://download.cnhbstock.com/download/qlqqb/qlqqbpc/qqbfz.exe
把链接的https 改成 http，
浏览器会提示：
您的连接不是私密连接然后点击继续访问
攻击者可能会试图从 139.224.24.109 窃取您的信息（例如：密码、通讯内容或信用卡信息）。了解详情
NET::ERR_CERT_COMMON_NAME_INVALID
如果您想获得 Chrome 最高级别
结果就可以下载啦。
说实话，华宝这技术的确不咋地。
这个问题居然没有反馈，没有人去修复吗？
收起阅读 »
ptrade获取的历史数据最长到哪一年？ptrade如何获取上证指数
Ptrade获取日线，分钟线数据最长可以到2005年。
文档里面也有说明：
ptrade官网api接口文档：
https://ptradeapi.com/#
实测也是符合要求的：
ptrade如何获取上证指数， 代码是 000001.SS
ptrade获取上证指数2005年的数据：
需要低佣，低门槛开通ptrade的朋友，可以扫描关注关注号：
收起阅读 »
文档里面也有说明：
7、该接口只能获取2005年后的数据。
ptrade官网api接口文档：
https://ptradeapi.com/#
实测也是符合要求的：
ptrade如何获取上证指数， 代码是 000001.SS
test_data = data = get_price(security='000001.SS',start_date='20050201',end_date='20050630',frequency='1d')
ptrade获取上证指数2005年的数据：
需要低佣，低门槛开通ptrade的朋友，可以扫描关注关注号：
收起阅读 »
python自动生成网站sitemap.xml 代码
sitemap格式为：
然后我们要做的就是拿到我们页面上所有的链接地址，填充到这里：
只需要替换上面的http://30daydo.com/article/1 地址就可以了。这个你跟你的完整url规律生成，或者从数据库读取就好了。
然后生成一个文件，自动复制到文章目录就可以了。
完整源码：
https://github.com/Rockyzsu/sitemap_generator
欢迎star，有问题留言。
收起阅读 »
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9" xmlns:mobile="http://www.baidu.com/schemas/s ... gt%3B
<url>
<loc>http://30daydo.com/article/1</loc>
<mobile:mobile type="mobile"/>
<lastmod>2024-06-30</lastmod>
<changefreq>daily</changefreq>
<priority>0.8</priority>
</url>
</urlset>
然后我们要做的就是拿到我们页面上所有的链接地址，填充到这里：
<url>
<loc>http://30daydo.com/article/1</loc>
<mobile:mobile type="mobile"/>
<lastmod>2024-06-30</lastmod>
<changefreq>daily</changefreq>
<priority>0.8</priority>
</url>
只需要替换上面的http://30daydo.com/article/1 地址就可以了。这个你跟你的完整url规律生成，或者从数据库读取就好了。
然后生成一个文件，自动复制到文章目录就可以了。
完整源码：
https://github.com/Rockyzsu/sitemap_generator
欢迎star，有问题留言。
收起阅读 »
QMT获取持仓信息报错：AttributeError: 'NoneType' object has no attribute 'request_id'
这个是新手经常遇到的问题。读取持仓信息的时候报错：
代码如下：
原因就是不能init之前去读取
datax = get_position_infos() #这里error
这个函数再最开始的时候就被定义了。没有经过initial初始话函数，很多数据没有获取，从而导致的报错。
欢迎关注交流
收起阅读 »
代码如下：
原因就是不能init之前去读取
# encoding:gbk
'''
实盘可以执行
固定数量
'''
import datetime
ACCOUNT = ''
def init(ContextInfo):
ContextInfo.set_account(ACCOUNT)
def get_position_infos():
# 信用账户可用资金
position_infos = get_trade_detail_data(ACCOUNT, 'stock', 'position')
pos_dict={}
for pos in position_infos:
code = pos.m_strInstrumentID
if pos.m_nVolume > 0:
pos_dict[code] = pos.m_nVolume
return pos_dict
datax = get_position_infos() # 这里error
def handlebar(ContextInfo):
if ContextInfo.is_last_bar():
current = datetime.datetime.now().strftime('%H:%M:%S.%f')
print(datax)
datax = get_position_infos() #这里error
这个函数再最开始的时候就被定义了。没有经过initial初始话函数，很多数据没有获取，从而导致的报错。
欢迎关注交流
收起阅读 »
Ptrade成交回调函数无法执行的原因？ | ptrade bug
目前的ptrade有一个隐藏很深的bug。
就是回调函数里面有一个字段entrust_no.
这个字段是什么意思呢？ 是营业部的下单编号。比如你挂了一个委托单，就会有一个entrust_no, 比如 100001
这个编号对于一天的数据来说，是唯一不重复的，也就是一天内再不会出现100001。
而ptrade的成交回调依赖的是这个entrust_no， 如果系统里面已经触发过了一个entrust_no 为 100001的成交委托，那么如果又有一个重复的订单entrust_no 100001成交，那么，此时的ptrade的 成交回调函数是不会触发的！
那么上面说的一天内这个entrust_no是不会重复的。
可是，这个entrust_no挂单编号，在同一个营业部单元里，第二天会重复的，比如你第二天挂单也是entrust_no 100001，并且你的ptrade策略没有重启，也就是一直运行的话，那么如果碰巧你的下单entrust_no上昨天或者之前某一天（ptrade策略没有重启开始算起），entrust_no重复了的情况下。
此时的ptrade 成交回调函数 on_trade_repsonse 是不会执行的！！！
天坑！
收起阅读 »
就是回调函数里面有一个字段entrust_no.
这个字段是什么意思呢？ 是营业部的下单编号。比如你挂了一个委托单，就会有一个entrust_no, 比如 100001
这个编号对于一天的数据来说，是唯一不重复的，也就是一天内再不会出现100001。
而ptrade的成交回调依赖的是这个entrust_no， 如果系统里面已经触发过了一个entrust_no 为 100001的成交委托，那么如果又有一个重复的订单entrust_no 100001成交，那么，此时的ptrade的 成交回调函数是不会触发的！
那么上面说的一天内这个entrust_no是不会重复的。
可是，这个entrust_no挂单编号，在同一个营业部单元里，第二天会重复的，比如你第二天挂单也是entrust_no 100001，并且你的ptrade策略没有重启，也就是一直运行的话，那么如果碰巧你的下单entrust_no上昨天或者之前某一天（ptrade策略没有重启开始算起），entrust_no重复了的情况下。
此时的ptrade 成交回调函数 on_trade_repsonse 是不会执行的！！！
天坑！
收起阅读 »
python redis 是没有 blpush这个操作的
上面的redis代码里面：
报错：
问题在于这一句：
self.conn.blpush(key, value)
python redis里面是没有blpush这个操作的。
也就是没有阻塞插入这个动作。 比如一个list满了，就阻塞插入数据，在python redis里面是没有这个操作。
你可以用llen 先判读一下长度，然后再决定是否插入就可以了。
收起阅读 »
class RedisCls:
def __init__(self):
self.conn = self.getConn()
def getConn(self):
try:
r = redis.Redis(host=redisconfig['redis']['host'], port=redisconfig['redis']['port'], db=0,
decode_responses=True, password=redisconfig['redis']['password'], socket_connect_timeout=5)
except Exception as e:
print(e)
raise IOError('connect redis failed')
else:
return r
def get(self, key):
return self.conn.get(key)
def set(self, key, value):
return self.conn.set(key, value)
def pop(self, key):
print('==== pop data ====')
return self.conn.brpop(key)
def push(self, key, value):
print('==== push data ====')
self.conn.blpush(key, value)
报错：
AttributeError: 'Redis' object has no attribute 'blpush'. Did you mean: 'lpush'?
问题在于这一句：
self.conn.blpush(key, value)
python redis里面是没有blpush这个操作的。
也就是没有阻塞插入这个动作。 比如一个list满了，就阻塞插入数据，在python redis里面是没有这个操作。
你可以用llen 先判读一下长度，然后再决定是否插入就可以了。
收起阅读 »
迅投官网的实例代码好多问题，惨不忍睹
以前喜欢用C替代ContextInfo，现在改过去了，又有部分改的不完整。
还有更多的缩进的问题。
pep8的规范早已经不用tab来做缩进，而是用4个空格。
之前的文章里面也提到了，可以在qmt的配置文件里面改的。不过在UI上是不提供修改的地方。
http://www.30daydo.com/article/44602
收起阅读 »
QMT里定时任务运行时间操作定时任务的间隔，会怎么样？
代码很简单，就是在run_time这个定期运行的任务里面，定期1秒执行一次任务
当时任务运行时间超过1秒钟，比如上面的代码里面用time.sleep(3) 模拟这个超时，等待3秒。
在tick 实盘模式下运行，输出什么的？
答案如下：
每次的start和end之间间隔了3秒钟，然后下一次的start和上一次start的间隔也是在3秒钟，也就是当然时刻的定时任务没有执行完成，下一个时刻的定时任务不会被执行。
那么有人会要求，不想要被运行时间长的任务阻碍了当前的任务，要怎么操作呢？ 最简单的方式，加一个多线程就好了。
稍微改动一下上面的代码：
把要执行的任务，写成一个函数，然后使用threading.Thread去执行这个函数, t.star() 就是启动任务。
执行结果如上图，每次的start 间隔只有1秒，当时end是要等待3秒之后才打印出来。但end的输出不会阻塞当前的start输出，start稳定地1秒间隔输出一次，end也在当前start的3秒之后打印出来。
收起阅读 »
当时任务运行时间超过1秒钟，比如上面的代码里面用time.sleep(3) 模拟这个超时，等待3秒。
在tick 实盘模式下运行，输出什么的？
答案如下：
每次的start和end之间间隔了3秒钟，然后下一次的start和上一次start的间隔也是在3秒钟，也就是当然时刻的定时任务没有执行完成，下一个时刻的定时任务不会被执行。
那么有人会要求，不想要被运行时间长的任务阻碍了当前的任务，要怎么操作呢？ 最简单的方式，加一个多线程就好了。
稍微改动一下上面的代码：
把要执行的任务，写成一个函数，然后使用threading.Thread去执行这个函数, t.star() 就是启动任务。
执行结果如上图，每次的start 间隔只有1秒，当时end是要等待3秒之后才打印出来。但end的输出不会阻塞当前的start输出，start稳定地1秒间隔输出一次，end也在当前start的3秒之后打印出来。
收起阅读 »
国盛证券的Ptrade数据无论是回测还是实盘很有问题，前复权不正确，数据断崖
连基本的历史数据都无法保证数据正确。
举个例子，比如 煤炭ETF 515220，
在4月12日进行的除权，1股变2股，因此，所以4月12日之后的价格会是原来的1/2，如果做前复权，那么前面的价格也都是要根据当前的价格做复权处理。
结果国盛的ptrade的历史数据，取的是前复权数据，前复权数据，（重点强调），在4月12日的的时候就出现了断崖。也就是没有做复权的处理。
测试代码很简单：
获取历史数据用
get_history，取过去60天的前复权的数据。 然后就是断崖的数据。 已经确定是国盛的ptrade数据问题。因为我用上面的代码，在东莞证券，国金证券，湘财证券的ptrade上运行，均能得到正确的数据。
然后更为搞笑的，这么一个问题，反馈了，没有回应。无语。
收起阅读 »
举个例子，比如 煤炭ETF 515220，
在4月12日进行的除权，1股变2股，因此，所以4月12日之后的价格会是原来的1/2，如果做前复权，那么前面的价格也都是要根据当前的价格做复权处理。
结果国盛的ptrade的历史数据，取的是前复权数据，前复权数据，（重点强调），在4月12日的的时候就出现了断崖。也就是没有做复权的处理。
测试代码很简单：
def initialize(context):运行时间改成任意的就行。
run_daily(context, event, '09:38')
def handle_data(context, data):
pass
def event(context):
his60 = get_history(60, '1d', ['close'], ['515220.SS'], fq='pre', include=False)
print(his60)
获取历史数据用
get_history，取过去60天的前复权的数据。 然后就是断崖的数据。 已经确定是国盛的ptrade数据问题。因为我用上面的代码，在东莞证券，国金证券，湘财证券的ptrade上运行，均能得到正确的数据。
然后更为搞笑的，这么一个问题，反馈了，没有回应。无语。
收起阅读 »
不同券商的数据质量简单对比：国金QMT vs 国信QMT（iquant）
同一段代码，先在国信上跑回测，先获取可转债的1分钟的分笔数据，发现一些时间段里的成交额居然是0. （数据已经先下载好了）
点击打开大图
上面的amount字段（成交额），返回的是0。
看了一下对应的转债，没有停牌，是有正常数据交易的。
然后用国金的QMT记性交叉验证。同样的代码
点击打开大图
国金的是正常的。只是成交量的小数浮点位是不是有点多了？ 可能用的numy的默认9位，没有做处理而已。
【在写这个文章的时候发现国信的qmt的volume成交量是有数据的，那么其实可以用价格x成交量=成交额，间接获取成交额，大坑】
点击打开大图
附测试源码：
点击打开大图
上面的amount字段（成交额），返回的是0。
看了一下对应的转债，没有停牌，是有正常数据交易的。
然后用国金的QMT记性交叉验证。同样的代码
点击打开大图
国金的是正常的。只是成交量的小数浮点位是不是有点多了？ 可能用的numy的默认9位，没有做处理而已。
【在写这个文章的时候发现国信的qmt的volume成交量是有数据的，那么其实可以用价格x成交量=成交额，间接获取成交额，大坑】
点击打开大图
附测试源码：
# coding:gbk收起阅读 »
# 公众号:可转债量化分析
DEBUG = True
import time
def get_datetime(ContextInfo):
# 获取当前时间
index = ContextInfo.barpos
realtime = ContextInfo.get_bar_timetag(index)
date = timetag_to_datetime(realtime, "%Y-%m-%d %H:%M:%S")
if DEBUG:
print('当前日期 ', date)
return date
def init(ContextInfo):
print("==============start==========")
ContextInfo.start = '2024-03-27 10:00:00'
ContextInfo.end = '2024-03-29 10:00:00'
#
#ContextInfo.end = '2023-01-05'
#ContextInfo.start = '2023-01-16'
print('init')
def handlebar(ContextInfo):
# 回测的时候不需要
#if not ContextInfo.is_last_bar():
# print('return')
# return
get_datetime(ContextInfo)
print('handlebar')
data = ContextInfo.get_market_data(['quoter'], stock_code = ['123167.SZ'], skip_paused = True, period = 'tick', dividend_type = 'front')
#data = ContextInfo.get_market_data(['close'], stock_code = ['113567.SH'], skip_paused = True, period = '1d', dividend_type = 'front')
#print(type(data))
print(data)
def stop(ContextInfo):
print( 'strategy is stop !')
国金证券的融券数量多吗？什么是专项券源？
因为国金的两融开通太方便了，不用跑柜台。app就可以开通，而且融资利率低，5%。
那么融券呢？
今天特意问了下经理，他发了一个融券的表格给我。
目前国金里面一般开通了融资融券的投资者，可用的券源有290个左右，随借随还的。说实话，这个数量不算太多。
而且里面的个股，部分也只能融100股，几百股的。所以即使被你融到券，实际下来的绝对收益也不会太高。
不过它也有一个专项券源。
它有资金要求，前20个交易日日均资产不低于300万元，才能够申请。
发现里面的券，主要是深圳交易所的为主，占了90%以上。
而且专项券源里面的可融券数量也比普通券源的要多很多，几千股，上万股的。
公共券源 ：
实时可借 ，随时可融券卖出， 随借随还，融券卖出开仓后最快下一交易日方可归还融券负债 信用账户融券费率 按使用天数计息，算头不算尾
操作步骤： 融券卖出（所有客户端）
专项券源：
实时可借 ，审批划拨成功后当日专项融券卖出， 固定期限（一般28天以内），不可提前归还 ；
专项融券头寸占用费率 ： 按专项头寸合约期限计息，不论合约期限内客户是否使用券源，均需支付专项头寸合约占用利息，算头算尾
操作步骤：
第1步：专项融券头寸申请（佣金宝APP/国金太阳至强版）
第2步：专项融券卖出（佣金宝APP/国金太阳至强版）
收起阅读 »
那么融券呢？
今天特意问了下经理，他发了一个融券的表格给我。
目前国金里面一般开通了融资融券的投资者，可用的券源有290个左右，随借随还的。说实话，这个数量不算太多。
而且里面的个股，部分也只能融100股，几百股的。所以即使被你融到券，实际下来的绝对收益也不会太高。
不过它也有一个专项券源。
它有资金要求，前20个交易日日均资产不低于300万元，才能够申请。
发现里面的券，主要是深圳交易所的为主，占了90%以上。
而且专项券源里面的可融券数量也比普通券源的要多很多，几千股，上万股的。
公共券源 ：
实时可借 ，随时可融券卖出， 随借随还，融券卖出开仓后最快下一交易日方可归还融券负债 信用账户融券费率 按使用天数计息，算头不算尾
操作步骤： 融券卖出（所有客户端）
专项券源：
实时可借 ，审批划拨成功后当日专项融券卖出， 固定期限（一般28天以内），不可提前归还 ；
专项融券头寸占用费率 ： 按专项头寸合约期限计息，不论合约期限内客户是否使用券源，均需支付专项头寸合约占用利息，算头算尾
操作步骤：
第1步：专项融券头寸申请（佣金宝APP/国金太阳至强版）
第2步：专项融券卖出（佣金宝APP/国金太阳至强版）
收起阅读 »
