量化交易

持有封基老师文章合集 word版【包含公众号所有文字】

股票 • 绫波丽发表了文章 • 0 个评论 • 2245 次浏览 • 2021-09-03 16:11 • 来自相关话题

用程序爬取的数据，不得不说，封基老师从18年开始写文章。坚持每天写一篇。
里面有不少理念都是很适合上班族的。

文章是word版

下载地址：
链接：https://pan.baidu.com/s/1EZwJ6tsFiS92ftAdeNKWDw
提取码：dcp4
查看全部

用程序爬取的数据，不得不说，封基老师从18年开始写文章。坚持每天写一篇。
里面有不少理念都是很适合上班族的。

文章是word版

下载地址：
链接：https://pan.baidu.com/s/1EZwJ6tsFiS92ftAdeNKWDw
提取码：dcp4

这种拿别人代码和数据改点东西还弄错结果，挺搞笑的

股票 • 绫波丽发表了文章 • 0 个评论 • 2112 次浏览 • 2021-08-31 23:25 • 来自相关话题

这个ylxwyj纯属一个装逼犯。简单的道理，洋洋洒洒写一大篇八股文，什么alpha，信息比率，对，很专业。实际对文中的结论有任何作用吗？提出来就是装逼用的。

更为搞笑的是自己结论弄错了，还不谦虚。

这种人就像项目组里面，把你代码剽窃了，然后去外面跟别人说一通大道理。然后最后发现无法自圆其说。然后他说，哦是xxx的代码有问题，是xxx的数据有问题。
查看全部

这个ylxwyj纯属一个装逼犯。简单的道理，洋洋洒洒写一大篇八股文，什么alpha，信息比率，对，很专业。实际对文中的结论有任何作用吗？提出来就是装逼用的。

更为搞笑的是自己结论弄错了，还不谦虚。

这种人就像项目组里面，把你代码剽窃了，然后去外面跟别人说一通大道理。然后最后发现无法自圆其说。然后他说，哦是xxx的代码有问题，是xxx的数据有问题。

敬畏市场市场里没有永恒的圣杯

可转债 • 绫波丽发表了文章 • 0 个评论 • 1991 次浏览 • 2021-08-27 19:59 • 来自相关话题

无论回测，还是最近的实际盈利。可转债低溢价策略最近风头还是很猛的

实际上发力时间是在6月中旬

通达信公式转python代码

股票 • 量化大师发表了文章 • 0 个评论 • 2606 次浏览 • 2021-08-12 18:10 • 来自相关话题

本人目前正在做这个转换工作。并定期更新发布在这里。有兴趣的可以参与。

通达信无法导入或者监控到可转债的代码

股票 • 绫波丽发表了文章 • 0 个评论 • 1939 次浏览 • 2021-08-06 13:02 • 来自相关话题

第一次用，以为那里出问题了。
原来本身就不支持导入可转债代码
只能导入正股代码

Ptrade开户门槛

股票 • 绫波丽发表了文章 • 0 个评论 • 2170 次浏览 • 2021-08-01 01:27 • 来自相关话题

Ptrade目前的开通门槛。开通国金证券，然后入金50W左右，存放1天时间。然后就可以开通Ptrade的交易权限，开通权限后，资金可以取出不再限制。

使用ptrade不收取任何费用，属于券商提供的接口服务。可以使用ptrade回测历史数据，模拟盘下单，实盘下单。
使用python语言开发。使用模式和优矿这一些平台类似。

目前交易费率也是很低的，股票万1，转债是沪市百万分之二，深市十万分之五，没有最低收费。 etf基金费率万0.6，没有最低起步。

需要开通的联系：

备注：开户
非诚勿扰，费率固定，要讲价什么的一律拉黑。
本身市面上能提供的接口券商很少，并且费率还这么低的。
查看全部

Ptrade目前的开通门槛。开通国金证券，然后入金50W左右，存放1天时间。然后就可以开通Ptrade的交易权限，开通权限后，资金可以取出不再限制。

使用ptrade不收取任何费用，属于券商提供的接口服务。可以使用ptrade回测历史数据，模拟盘下单，实盘下单。
使用python语言开发。使用模式和优矿这一些平台类似。

目前交易费率也是很低的，股票万1，转债是沪市百万分之二，深市十万分之五，没有最低收费。 etf基金费率万0.6，没有最低起步。

需要开通的联系：

备注：开户
非诚勿扰，费率固定，要讲价什么的一律拉黑。
本身市面上能提供的接口券商很少，并且费率还这么低的。

股票 • 绫波丽发表了文章 • %s 个评论 • %s 次浏览 • 1970-01-01 08:00 • 来自相关话题

港股打新行话合集

股票 • 绫波丽发表了文章 • 0 个评论 • 1729 次浏览 • 2021-07-19 22:55 • 来自相关话题

港股打新：是指申购香港上市的新股，由于全世界的新股市场基本都是首日上涨居多，所以存在套利空间。

暗盘：上市前一天16：15分开始的交易，有些券商没有，富途辉立耀才股票价格有时不同，可高卖低买，上市再卖的持有底仓的套利

入金：钱从银行存入券商

出金：钱从券商转到银行

银证：有些券商绑定银行后实现资金秒到

孖赞：就是融资申购的意思

免费餐，38餐，100餐：免费指1w以内，38餐指的是辉立借5w融资申购以内只需要手续费38，20w以内只需要手续费100

认购倍数：比如募资1亿，结果有10亿去申购，这就是10倍认购

回拨：指国配和公开发行之间拿货比例。一般的票，是15倍认购以下，不回拨。公开占10%，国配90% 15-50倍，公开30%，50-100倍，公开40%，超购100倍以上，回拨50%，国配与公开各一半，类似康方

一手融：部分券商不满一手资金也可以融资申购

甲组：申购资金单户500w以下小散

甲尾：500w以下最高一档

乙组：申购资金单户500w以上大散

乙头：500w以上最低一档

顶头锤：有钱大老板单户顶格申购了

破发：跌破发行价

一手党：单户申购一手

国配：国际配售。一般是大户和机构，区别于散户申购，他们是“拿货”，但分配却要看和保荐人承销团关系，比较暗箱。

百户侯：港股账户超过一百

海底捞：暗盘买进

抽飞：申购了以后最后几天撤单

卖飞：卖了以后股价又涨了

绿鞋：稳定价格机制，时灵时不灵

捷利交易宝：最常用看孖赞和新股情况的APP 查看全部

港股打新：是指申购香港上市的新股，由于全世界的新股市场基本都是首日上涨居多，所以存在套利空间。

暗盘：上市前一天16：15分开始的交易，有些券商没有，富途辉立耀才股票价格有时不同，可高卖低买，上市再卖的持有底仓的套利

入金：钱从银行存入券商

出金：钱从券商转到银行

银证：有些券商绑定银行后实现资金秒到

孖赞：就是融资申购的意思

免费餐，38餐，100餐：免费指1w以内，38餐指的是辉立借5w融资申购以内只需要手续费38，20w以内只需要手续费100

认购倍数：比如募资1亿，结果有10亿去申购，这就是10倍认购

回拨：指国配和公开发行之间拿货比例。一般的票，是15倍认购以下，不回拨。公开占10%，国配90% 15-50倍，公开30%，50-100倍，公开40%，超购100倍以上，回拨50%，国配与公开各一半，类似康方

一手融：部分券商不满一手资金也可以融资申购

甲组：申购资金单户500w以下小散

甲尾：500w以下最高一档

乙组：申购资金单户500w以上大散

乙头：500w以上最低一档

顶头锤：有钱大老板单户顶格申购了

破发：跌破发行价

一手党：单户申购一手

国配：国际配售。一般是大户和机构，区别于散户申购，他们是“拿货”，但分配却要看和保荐人承销团关系，比较暗箱。

百户侯：港股账户超过一百

海底捞：暗盘买进

抽飞：申购了以后最后几天撤单

卖飞：卖了以后股价又涨了

绿鞋：稳定价格机制，时灵时不灵

捷利交易宝：最常用看孖赞和新股情况的APP

可转债转股套利收益率统计只做大于-5%折价率以上

股票 • 李魔佛发表了文章 • 0 个评论 • 1617 次浏览 • 2021-07-19 00:11 • 来自相关话题

结果如上:
平均收益是 0.014%

总收益率是0.225%

优矿接口的日期定义真让人蛋疼

股票 • 李魔佛发表了文章 • 0 个评论 • 1567 次浏览 • 2021-07-17 20:24 • 来自相关话题

日期查询格式是 YYYYMMDD的.
然后接口查询结果返回的是YYYY-MM-DD
难道统一一下这么难吗?

开通Ptrade Python量化接口国金证券/国盛证券

股票 • 绫波丽发表了文章 • 0 个评论 • 18199 次浏览 • 2021-07-06 08:40 • 来自相关话题

目前不少在A股做量化的大部分使用tushare，优矿，米筐，聚宽等等，无论教程，还是实际操作，基本没见有教怎么用程序下单，实盘交易的。

而退而求其次使用按键精灵，模拟点击交易软件进行点击下单，非常不稳定，无法判断下单后是否成交，也无法实时获取行情数据。如果使用tushare或者新浪接口数据，扫描一次全市场的行情用时很久且不稳定，等扫描结束，再下单，此时价格可能已经是几分钟前的了，且此类接口调用次数多是会被封IP的。

笔者使用的是券商提供的量化软件：Ptrade。是恒生电子研发的提供给机构使用的程序化交易软件。提供策略回测，下单API接口，实时行情获取，并且使用的开发语言python，易于上手。

策略回测与实盘交易

研究页面

研究页面，熟悉python jupyter notebook的朋友对这个界面肯定很熟悉。

研究的页面实际就运行你逐行输出调试程序，了解每个函数的具体使用，或者你策略的中途结果调试。

回测策略

实际代码需要在回测策略里面写，写完后确定无误，就可以放在仿真环境下真实运行。如果你运行得到的结果很满意，那么就可以直接部署到实盘服务器上。实盘服务器是在券商那边，不需要个人购买服务器，也不需要本地开着这个Ptrade，就是说不需要在个人电脑上一直开着跑，你的最终代码和程序是在券商服务器上部署与运行，除非有报错异常停止，不然在你不暂停或者停止的前提下，可以一直运行下去。

条件满足后下单

可视化量化

同时也提供一些常见的现成的量化策略，选中后只要鼠标点点点也能够自动化跑这些策略了，当然里面很多参数都可以用鼠标点点点修改。

接口文档也非常详细：

一些常见策略代码：

集合竞价追涨停策略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
双均线策略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))

tick级别均线策略

通俗点就是按照秒级别进行操作。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

macd策略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

软件与交易接口开通条件：

开通该券商后，存入资金指定资金即可开通。开通后股票交易费率万一

本身券商的交易费率为股票万一，可转债沪百万分之五，深十万分之五，基金万0.5，非常厚道。

不太了解量化行业的可以了解下，不少面向机构的量化交易软件的佣金是万2.5的，且开户门槛高，基本是500W以上，比如华泰的matic量化的门槛是1千万元起步。

所以笔者还是很推荐目前该券商的量化交易接口。

需要开通咨询了解的朋友可以扫码联系：

开通券商账户后可以可以先试用，再考虑是否开通量化接口权限查看全部

目前不少在A股做量化的大部分使用tushare，优矿，米筐，聚宽等等，无论教程，还是实际操作，基本没见有教怎么用程序下单，实盘交易的。

而退而求其次使用按键精灵，模拟点击交易软件进行点击下单，非常不稳定，无法判断下单后是否成交，也无法实时获取行情数据。如果使用tushare或者新浪接口数据，扫描一次全市场的行情用时很久且不稳定，等扫描结束，再下单，此时价格可能已经是几分钟前的了，且此类接口调用次数多是会被封IP的。

笔者使用的是券商提供的量化软件：Ptrade。是恒生电子研发的提供给机构使用的程序化交易软件。提供策略回测，下单API接口，实时行情获取，并且使用的开发语言python，易于上手。

策略回测与实盘交易

研究页面

研究页面，熟悉python jupyter notebook的朋友对这个界面肯定很熟悉。

研究的页面实际就运行你逐行输出调试程序，了解每个函数的具体使用，或者你策略的中途结果调试。

回测策略

实际代码需要在回测策略里面写，写完后确定无误，就可以放在仿真环境下真实运行。如果你运行得到的结果很满意，那么就可以直接部署到实盘服务器上。实盘服务器是在券商那边，不需要个人购买服务器，也不需要本地开着这个Ptrade，就是说不需要在个人电脑上一直开着跑，你的最终代码和程序是在券商服务器上部署与运行，除非有报错异常停止，不然在你不暂停或者停止的前提下，可以一直运行下去。

条件满足后下单

可视化量化

同时也提供一些常见的现成的量化策略，选中后只要鼠标点点点也能够自动化跑这些策略了，当然里面很多参数都可以用鼠标点点点修改。

接口文档也非常详细：

一些常见策略代码：

集合竞价追涨停策略

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

双均线策略

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))

tick级别均线策略

通俗点就是按照秒级别进行操作。

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

macd策略

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

软件与交易接口开通条件：

开通该券商后，存入资金指定资金即可开通。开通后股票交易费率万一

本身券商的交易费率为股票万一，可转债沪百万分之五，深十万分之五，基金万0.5，非常厚道。

不太了解量化行业的可以了解下，不少面向机构的量化交易软件的佣金是万2.5的，且开户门槛高，基本是500W以上，比如华泰的matic量化的门槛是1千万元起步。

所以笔者还是很推荐目前该券商的量化交易接口。

需要开通咨询了解的朋友可以扫码联系：

开通券商账户后可以可以先试用，再考虑是否开通量化接口权限

雪球大v 港股打新王开据说是骗子，入群收益千万，睡粉丝，睡券商经理

股票 • 绫波丽发表了文章 • 0 个评论 • 3561 次浏览 • 2021-07-05 23:42 • 来自相关话题

不得不说，雪球上被邀请上去演讲的，都差不多是这样割韭菜的，螺丝钉走穴，卖星球，卖课，走穴，卖基金。
现在这个王开貌似也是荐股收费，还睡人了。

网络转载文字，网友意见。如有侵权，请联系删除。

量化交易接口python A股

股票 • 绫波丽发表了文章 • 0 个评论 • 6693 次浏览 • 2021-07-01 11:22 • 来自相关话题

不少在A股做量化的基本千篇一律tushare，优矿，米筐，聚宽等等，无论教程也好。

实际操作也好，几乎没见几个人教你怎么用程序下单，实盘交易。

稍微好点的easytrader使用的是模拟点击交易软件进行点击下单，基本无法判断下单后是否成交，也无法实时获取行情数据。别跟我说用tushare或者新浪这些接口数据，除非你做的是低频交易。

试试扫描一次全市场的行情看看用时多少？等得到满足条件了，再下单，此时价格可能已经在涨停板上封住了。

笔者使用的是券商提供的量化软件：Ptrade。

是恒生电子研发的提供给券商机构使用的程序化交易软件。提供策略回测，自动下单功能，使用的开发语言python。

策略回测与实盘交易

研究页面

研究页面，熟悉python jupyter notebook的朋友对这个界面肯定很熟悉。

研究的页面实际就运行你逐行输出调试程序，了解每个函数的具体使用，或者你策略的中途结果调试。

回测策略

实际代码需要在回测策略里面写，写完后确定无误，就可以放在仿真环境下真实运行。

如果你运行得到的结果很满意，那么就可以直接部署到实盘服务器上。

实盘服务器是在券商那边，不需要个人购买服务器，也不需要本地开着这个Ptrade，就是说不需要在个人电脑上一直开着跑，你的最终代码和程序是在券商服务器上部署与运行，除非有报错异常停止，不然在你不暂停或者停止的前提下，可以一直运行下去。

条件满足后下单

可视化量化

同时也提供一些常见的现成的量化策略，选中后只要鼠标点点点也能够自动化跑这些策略了，当然里面很多参数都可以用鼠标点点点修改。

接口文档也非常详细：

一些常见策略代码：

双均线策略 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))
macd策略
指数平滑均线函数，以price计算，可以选择收盘、开盘价等价格，N为时间周期，m用于计算平滑系数a=m/(N+1)，EXPMA1为前一日值 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

同时也支持可转债T+0交易，笔者平时也主要是进行的可转债的交易。

软件与交易接口开通条件，

开通改券商后，存入资金50W放2周即可开通，开通后可取出。

本身券商的交易费率为股票万一免五，可转债百万分之二，非常厚道，因为不少面向机构的量化交易软件的佣金是万2.5的，笔者之前在国金渠道开的就是，坑的一比。所以笔者还是很推荐目前该券商的量化交易接口。

需要可以关注公众号获取开通链接：查看全部

不少在A股做量化的基本千篇一律tushare，优矿，米筐，聚宽等等，无论教程也好。

实际操作也好，几乎没见几个人教你怎么用程序下单，实盘交易。

稍微好点的easytrader使用的是模拟点击交易软件进行点击下单，基本无法判断下单后是否成交，也无法实时获取行情数据。别跟我说用tushare或者新浪这些接口数据，除非你做的是低频交易。

试试扫描一次全市场的行情看看用时多少？等得到满足条件了，再下单，此时价格可能已经在涨停板上封住了。

笔者使用的是券商提供的量化软件：Ptrade。

是恒生电子研发的提供给券商机构使用的程序化交易软件。提供策略回测，自动下单功能，使用的开发语言python。

策略回测与实盘交易

研究页面

研究页面，熟悉python jupyter notebook的朋友对这个界面肯定很熟悉。

研究的页面实际就运行你逐行输出调试程序，了解每个函数的具体使用，或者你策略的中途结果调试。

回测策略

实际代码需要在回测策略里面写，写完后确定无误，就可以放在仿真环境下真实运行。

如果你运行得到的结果很满意，那么就可以直接部署到实盘服务器上。

实盘服务器是在券商那边，不需要个人购买服务器，也不需要本地开着这个Ptrade，就是说不需要在个人电脑上一直开着跑，你的最终代码和程序是在券商服务器上部署与运行，除非有报错异常停止，不然在你不暂停或者停止的前提下，可以一直运行下去。

条件满足后下单

可视化量化

同时也提供一些常见的现成的量化策略，选中后只要鼠标点点点也能够自动化跑这些策略了，当然里面很多参数都可以用鼠标点点点修改。

接口文档也非常详细：

一些常见策略代码：

双均线策略

    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))

macd策略
指数平滑均线函数，以price计算，可以选择收盘、开盘价等价格，N为时间周期，m用于计算平滑系数a=m/(N+1)，EXPMA1为前一日值

    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

同时也支持可转债T+0交易，笔者平时也主要是进行的可转债的交易。

软件与交易接口开通条件，

开通改券商后，存入资金50W放2周即可开通，开通后可取出。

本身券商的交易费率为股票万一免五，可转债百万分之二，非常厚道，因为不少面向机构的量化交易软件的佣金是万2.5的，笔者之前在国金渠道开的就是，坑的一比。所以笔者还是很推荐目前该券商的量化交易接口。

需要可以关注公众号获取开通链接：

富途美股打新费用挺贵的啊

绫波丽发表了文章 • 0 个评论 • 1591 次浏览 • 2021-06-23 12:57 • 来自相关话题

虽然美股的申购不用佣金，可是卖出还是要有一比钱，看着费用也不低。总的来说都是2刀左右。
看着好像不是很多。可是，我中的新股的中金额也就100刀，费率算下来就2个点，2%。贵呀贵呀
还是我大A股好呀。

有兴趣的可以加美股打新交流群，解答各种美股打新疑难杂症。
美股交流群微信群查看全部

虽然美股的申购不用佣金，可是卖出还是要有一比钱，看着费用也不低。总的来说都是2刀左右。
看着好像不是很多。可是，我中的新股的中金额也就100刀，费率算下来就2个点，2%。贵呀贵呀
还是我大A股好呀。

有兴趣的可以加美股打新交流群，解答各种美股打新疑难杂症。
美股交流群微信群

美股交流群微信群程序化交易

绫波丽发表了文章 • 0 个评论 • 2460 次浏览 • 2021-06-23 10:44 • 来自相关话题

自己在网上找了一批，发现没几个可以加。索性自己建一个群，大家一起来加入吧。
因为会过期，所以需要的人可以在公众号后台回复：加美股群

就可以加入啦。

公众号：查看全部

自己在网上找了一批，发现没几个可以加。索性自己建一个群，大家一起来加入吧。
因为会过期，所以需要的人可以在公众号后台回复：加美股群

就可以加入啦。

公众号：

python获取指定类型的最新股票公告

股票 • 李魔佛发表了文章 • 0 个评论 • 2006 次浏览 • 2021-06-10 23:15 • 来自相关话题

比如个人比较关注套利基金LOF，所以主要爬取的公告是LOF的

然后通过NLP分析公告内容，过滤出个人想要的内容。

关注个人公众号，获取更多内容查看全部

比如个人比较关注套利基金LOF，所以主要爬取的公告是LOF的

然后通过NLP分析公告内容，过滤出个人想要的内容。

关注个人公众号，获取更多内容

中国互联套利教程手摸手操作教程

绫波丽发表了文章 • 0 个评论 • 1861 次浏览 • 2021-05-25 01:21 • 来自相关话题

整体流程如下：先挖坑，后续逐渐填
1. 首先发现溢价的基金

2. 查看公告

3. 准备一个基金申购费率低的券商账号

4. 申购

5. 等待到账，卖出

6. 结束

PI币邀请码：yagamizsu

绫波丽发表了文章 • 0 个评论 • 1530 次浏览 • 2021-05-15 11:24 • 来自相关话题

输入邀请码才能继续注册哦
邀请码：yagamizsu
用邀请码注册后会获得几个PI币。

基金常见误区

股票 • 李魔佛发表了文章 • 0 个评论 • 1785 次浏览 • 2021-04-23 22:27 • 来自相关话题

1. C类规模一定比A大吗：
错，只能说明大部分情况下是这样，不过实际上查了下相关的基金数据，C类也会比A类的规模大。
比如这两只：

南方聚利160131 开放申购 2021年5月14日

股票 • 李魔佛发表了文章 • 0 个评论 • 2105 次浏览 • 2021-04-21 00:27 • 来自相关话题

当前的溢价率其高，当前溢价率是150%。

大概率是基金公司在做局，让你们进去套利的啦。

不过目前该基金的规模在5千万，看起来规模不算特别大，并且是一只债基。

跟520弘盈差不多的套路。

可转债投资体系

股票 • 李魔佛发表了文章 • 1 个评论 • 2013 次浏览 • 2021-03-23 16:23 • 来自相关话题

可转债投资体系
今天总结以前这段时间的经验，形成自己的一套可转债投资体系。

1. 买入价位决定成败。
在买入的那一刻，就可以知道这边买卖的胜算。不能买价格超过110以上的转债，切记。不要看标的，再好的标的，价格不美丽，买入也让自己陷入被动。不要说好公司的转债可以放宽买贵的，如果觉得是好公司，直接买正股。

2. 如果没有可以买的标的，一定要有耐心。时刻未到而已。
2020年10月到12月，妖债横行，是个转债都被随便拉，无视正股涨跌，有些转债还涨破天际，一天100%+的涨幅。把整体水位拉伸到一个120+的水平。但是，这又如何？ 2021年1月底，新债上市一只，破发一只。最终满地90多元的转债，而且不断有跌破面值，跌破80多的。

记得当时自己的心态是贪心！因为瞄定了鸿达转债，广汇转债，亚药转债，搜特转债，以为80多的转债要往70多，60多下移，事后看，当时没有及时大力加仓，错过了一个好价位。
所以设定的规则：跌破5元加仓一格，波动可以在-1到+1之间，也就是94-96之间加仓，89-91之间加仓，如此类推。

3. 110元以下，不能频繁做卖出操作
这个位置110以下卖出，会失去心理优势位置。比如90买的，105卖出，然后涨到115，跌到109，这个时候会有一种冲动要买回来，因为心理上怕后续涨到115或更高后的卖飞心态。 110以下尽量忍住不动。 130以后可以分批卖。所以这里要保证，100面值以下要尽量多买，不能经常做T把筹码给出掉了，失去心理优势价位。因为如果你90卖的，95卖出，然后涨到98，这个时候你反而不会买，心理是想着它跌回到95以下才买入。从而造成后续该转债一飞冲天而你已经失去仓位了。
上面规则适合上班族，无时间看盘者。
如果有时间看盘，那么可以使用部分仓位进行市场风格的参与博弈。当然这部分是高波动部分，一般人不建议操作。

查看全部

可转债投资体系
今天总结以前这段时间的经验，形成自己的一套可转债投资体系。

1. 买入价位决定成败。
在买入的那一刻，就可以知道这边买卖的胜算。不能买价格超过110以上的转债，切记。不要看标的，再好的标的，价格不美丽，买入也让自己陷入被动。不要说好公司的转债可以放宽买贵的，如果觉得是好公司，直接买正股。

2. 如果没有可以买的标的，一定要有耐心。时刻未到而已。
2020年10月到12月，妖债横行，是个转债都被随便拉，无视正股涨跌，有些转债还涨破天际，一天100%+的涨幅。把整体水位拉伸到一个120+的水平。但是，这又如何？ 2021年1月底，新债上市一只，破发一只。最终满地90多元的转债，而且不断有跌破面值，跌破80多的。

记得当时自己的心态是贪心！因为瞄定了鸿达转债，广汇转债，亚药转债，搜特转债，以为80多的转债要往70多，60多下移，事后看，当时没有及时大力加仓，错过了一个好价位。
所以设定的规则：跌破5元加仓一格，波动可以在-1到+1之间，也就是94-96之间加仓，89-91之间加仓，如此类推。

3. 110元以下，不能频繁做卖出操作
这个位置110以下卖出，会失去心理优势位置。比如90买的，105卖出，然后涨到115，跌到109，这个时候会有一种冲动要买回来，因为心理上怕后续涨到115或更高后的卖飞心态。 110以下尽量忍住不动。 130以后可以分批卖。所以这里要保证，100面值以下要尽量多买，不能经常做T把筹码给出掉了，失去心理优势价位。因为如果你90卖的，95卖出，然后涨到98，这个时候你反而不会买，心理是想着它跌回到95以下才买入。从而造成后续该转债一飞冲天而你已经失去仓位了。
上面规则适合上班族，无时间看盘者。
如果有时间看盘，那么可以使用部分仓位进行市场风格的参与博弈。当然这部分是高波动部分，一般人不建议操作。

本站使用邀请制进站，注册后需要审核才可以发文字回复等操作

股票 • 李魔佛发表了文章 • 0 个评论 • 1605 次浏览 • 2021-03-21 17:04 • 来自相关话题

为了提供给需要的读者朋友交流使用需要确认的请发邮件 admin@30daydo.com

PTrade python 第三方模块被禁止使用

股票 • 李魔佛发表了文章 • 0 个评论 • 1990 次浏览 • 2021-03-21 12:00 • 来自相关话题

import os 回测运行失败, 错误码:3 错误信息: os被禁止使用
在研究/回测/交易中都被禁止了。因为要做到系统隔离，不给删除，读取容器内的数据
PTrade使用教程新手入门查看全部

import os 回测运行失败, 错误码:3 错误信息: os被禁止使用
在研究/回测/交易中都被禁止了。因为要做到系统隔离，不给删除，读取容器内的数据
PTrade使用教程新手入门

弘盈A套利总结的经验 --大幅度溢价的不能用拖拉机

股票 • 李魔佛发表了文章 • 0 个评论 • 1759 次浏览 • 2021-03-19 11:31 • 来自相关话题

轻松出货的券商：
华泰，招商

排队的：
华宝，银河

PTrade使用教程新手入门

股票 • 李魔佛发表了文章 • 0 个评论 • 10855 次浏览 • 2021-03-18 08:55 • 来自相关话题

# 更新 Ptrade API 接口文档： http://ptradeapi.com 这样就可以边打开网页，边写代码，不用在ptrade的代码编写和帮助页面来回切换了。
记录一下曾经的入门经验与使用心得：

好像PTrade有几个版本，本人使用的界面如下，基于python写交易策略和回测：

1. 仿真系统的回测可以在交易时间运行，交易系统的回测无法在交易时间运行回测。

2. 在研究板块中，API函数带有研究字样的，可以直接使用，不需要import 导入任何库。比如：#获取当日的股票池
g.stock_list = get_Ashares(g.current_date)可以自己使用。

而get_history(70, '1d', ['close','volume'], g.stock_list, fq='dypre', include=False)
没有带研究字样的，是无法直接在研究板块使用，只能在回测或者实盘使用。

3. 内置的python版本是：
'3.5.1 (default, Nov 1 2016, 01:53:03) \n[GCC 4.8.5 20150623 (Red Hat 4.8.5-4)]'

也就是无法使用fstring的方式格式化字符串
name='jack'
a=f'{name}'

4. log.debug log.error 等调试标记符不会有任何输出，bug！
只能使用log.info 或者print输出，还害我调试了半天，以为程序哪里的问题，导致我的输出不显示。

PTrade新手入门教程二

需要开通Ptrade的朋友，可以扫描二维码开户，并可开通PTrade交易功能。
股票费率万分之一，转债十万分之二。

非诚勿扰。

原创文章，转载请注明出处
http://30daydo.com/article/44151
查看全部

# 更新 Ptrade API 接口文档： http://ptradeapi.com 这样就可以边打开网页，边写代码，不用在ptrade的代码编写和帮助页面来回切换了。
记录一下曾经的入门经验与使用心得：

好像PTrade有几个版本，本人使用的界面如下，基于python写交易策略和回测：

1. 仿真系统的回测可以在交易时间运行，交易系统的回测无法在交易时间运行回测。

2. 在研究板块中，API函数带有研究字样的，可以直接使用，不需要import 导入任何库。比如：

#获取当日的股票池

g.stock_list = get_Ashares(g.current_date)

可以自己使用。

而

get_history(70, '1d', ['close','volume'], g.stock_list, fq='dypre', include=False)

没有带研究字样的，是无法直接在研究板块使用，只能在回测或者实盘使用。

3. 内置的python版本是：
'3.5.1 (default, Nov 1 2016, 01:53:03) \n[GCC 4.8.5 20150623 (Red Hat 4.8.5-4)]'

也就是无法使用fstring的方式格式化字符串
name='jack'
a=f'{name}'

4. log.debug log.error 等调试标记符不会有任何输出，bug！
只能使用log.info 或者print输出，还害我调试了半天，以为程序哪里的问题，导致我的输出不显示。

PTrade新手入门教程二

需要开通Ptrade的朋友，可以扫描二维码开户，并可开通PTrade交易功能。
股票费率万分之一，转债十万分之二。

非诚勿扰。

原创文章，转载请注明出处
http://30daydo.com/article/44151

PTrade当前时间不允许创建回测

股票 • 李魔佛发表了文章 • 0 个评论 • 2977 次浏览 • 2021-03-17 10:35 • 来自相关话题

PTrade在开盘时间是无法跑回测的，估计为了考虑服务器的压力，开盘时间更多的是实盘在运行，所以为的节省点带宽。

如果需要在盘中时间回测，可以使用模拟账户来回测，甚至跟踪实盘。
如果没有模拟账户，需要找对应的券商经理申请。
在这边开户，会一条龙提供服务。

开户福利：
Ptrade低门槛开通，入金1W即可开通，费率股票万一

Ptrade券商开户：门槛低查看全部

PTrade在开盘时间是无法跑回测的，估计为了考虑服务器的压力，开盘时间更多的是实盘在运行，所以为的节省点带宽。

如果需要在盘中时间回测，可以使用模拟账户来回测，甚至跟踪实盘。
如果没有模拟账户，需要找对应的券商经理申请。
在这边开户，会一条龙提供服务。

开户福利：
Ptrade低门槛开通，入金1W即可开通，费率股票万一

Ptrade券商开户：门槛低

弘盈A - 套套利者

股票 • 李魔佛发表了文章 • 0 个评论 • 1920 次浏览 • 2021-03-12 19:38 • 来自相关话题

20天内赎回需要1.5%手续费，套利者如果这期间卖不出去，会原路返回，申购的份额通过赎回，亏个手续费就可以了。

而赎回后的手续费是算入基金的净值。

所以策略就很明显，点到即止。

### 2021-03-27 更新 ##########
判断错误，原来这个基金是打算清盘的了。
限制申购后第一天地天板。公司是早有预谋，关联方收集筹码，便于开基金持有人大会时投票通过。查看全部

20天内赎回需要1.5%手续费，套利者如果这期间卖不出去，会原路返回，申购的份额通过赎回，亏个手续费就可以了。

而赎回后的手续费是算入基金的净值。

所以策略就很明显，点到即止。

### 2021-03-27 更新 ##########
判断错误，原来这个基金是打算清盘的了。
限制申购后第一天地天板。公司是早有预谋，关联方收集筹码，便于开基金持有人大会时投票通过。

富途牛牛的模拟买入卖出无法生效

股票 • 李魔佛发表了文章 • 0 个评论 • 6340 次浏览 • 2021-03-03 18:44 • 来自相关话题

富途牛牛的模拟买入卖出无法生效
下图是富途美股的期权交易

后来咨询了客服，原来富途的模拟撮合系统需要真实有成交才能生效。
也就是你挂卖一价，比如10元，你挂一个买单10，是不会成交的，甚至挂一个12，13，也不会成交，需要在实盘交易中，其他人成交了一单，你的模拟才会真正成交。而且如果实盘别人成交的是100股，你模拟挂单的是200股，那么实际成交也只会是100股。

最近入手的期权模拟，先练练手。

港股，美股的账号默认就帮你开了期权和模拟账号，放心玩。不像股需要一定的资金体量还要考试等几天。
在上面拿来练手最好不过了，白天可以练港股，晚上可以练美股。

推荐开个富途玩玩，不需要入金也可以玩，注册账号分分钟的事情。

富途开户链接

一步一步注册即可。可以不入金就可以模拟。
查看全部

富途牛牛的模拟买入卖出无法生效
下图是富途美股的期权交易

后来咨询了客服，原来富途的模拟撮合系统需要真实有成交才能生效。
也就是你挂卖一价，比如10元，你挂一个买单10，是不会成交的，甚至挂一个12，13，也不会成交，需要在实盘交易中，其他人成交了一单，你的模拟才会真正成交。而且如果实盘别人成交的是100股，你模拟挂单的是200股，那么实际成交也只会是100股。

最近入手的期权模拟，先练练手。

港股，美股的账号默认就帮你开了期权和模拟账号，放心玩。不像股需要一定的资金体量还要考试等几天。
在上面拿来练手最好不过了，白天可以练港股，晚上可以练美股。

推荐开个富途玩玩，不需要入金也可以玩，注册账号分分钟的事情。

富途开户链接

一步一步注册即可。可以不入金就可以模拟。

交易所的基金份额更新时间

股票 • 李魔佛发表了文章 • 0 个评论 • 2089 次浏览 • 2021-01-21 23:05 • 来自相关话题

经过测试观察，需要在第二天（T+1）才会更新T日的份额增加。

具体时间再T+1 收盘前，待会测试下给结果。上午开盘前9点没见到数据更新，中午1点前已经更新了的。

最新的数据在11：30已经出来了

基金的份额是怎么算的

股票 • 李魔佛发表了文章 • 0 个评论 • 1900 次浏览 • 2021-01-21 23:02 • 来自相关话题

一、卖出多少份额就是多少钱吗

从狭义上来说，基金卖出份额并不是钱，卖出份额的数量与赎回到账资金数额往往也是不相同的。

基金赎回金额计算公式为：基金赎回金额=基金份额*基金单位净值-赎回手续费

。由此可见，赎回金额的多少与基金卖出份额、基金单位净值和赎回手续费都是相关的。

基金份额可以简单理解为投资者持有的基金数量，而基金单位净值就等同于单位数量份额的价格。

以房子为例，某投资者拥有一套100平方米的房子，每平方市场售价为1万元/平方，那么基金份额就类似于房屋面积，基金单位净值就类似于每平方价格。

大多数基金赎回时都要根据持有天数的不同，按赎回总额收取不同比例的手续费，赎回手续费=（基金份额*基金单位净值）*赎回费率。

举例说明：

某投资者在2月17日赎回100份某基金，该基金2月17日的单位净值为1.2500，赎回费率为0，那么赎回金额=100*1.2500-0=125元。
二、基金份额一份等于多少钱

基金份额一份的价格就是当日基金单位净值，不过开放式基金单位净值是每日更新的，又涨也有跌，所以基金份额一份的价格也是不断变化的。

以上关于卖出多少份额就是多少钱吗的内容，希望对大家有所帮助。温馨提示，理财有风险，投资需谨慎。

基金认购后，净值为1，然后申购了多少钱，就有多少份额了。查看全部

一、卖出多少份额就是多少钱吗

从狭义上来说，基金卖出份额并不是钱，卖出份额的数量与赎回到账资金数额往往也是不相同的。

基金赎回金额计算公式为：基金赎回金额=基金份额*基金单位净值-赎回手续费

。由此可见，赎回金额的多少与基金卖出份额、基金单位净值和赎回手续费都是相关的。

基金份额可以简单理解为投资者持有的基金数量，而基金单位净值就等同于单位数量份额的价格。

以房子为例，某投资者拥有一套100平方米的房子，每平方市场售价为1万元/平方，那么基金份额就类似于房屋面积，基金单位净值就类似于每平方价格。

大多数基金赎回时都要根据持有天数的不同，按赎回总额收取不同比例的手续费，赎回手续费=（基金份额*基金单位净值）*赎回费率。

举例说明：

某投资者在2月17日赎回100份某基金，该基金2月17日的单位净值为1.2500，赎回费率为0，那么赎回金额=100*1.2500-0=125元。
二、基金份额一份等于多少钱

基金份额一份的价格就是当日基金单位净值，不过开放式基金单位净值是每日更新的，又涨也有跌，所以基金份额一份的价格也是不断变化的。

以上关于卖出多少份额就是多少钱吗的内容，希望对大家有所帮助。温馨提示，理财有风险，投资需谨慎。

基金认购后，净值为1，然后申购了多少钱，就有多少份额了。

通知设置新通知