通知设置 新通知
开通Ptrade Python量化接口 国金证券/国盛证券
绫波丽 发表了文章 • 0 个评论 • 18106 次浏览 • 2021-07-06 08:40
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
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
双均线策略
tick级别均线策略
通俗点就是按照秒级别进行操作。
macd策略
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
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
绫波丽 发表了文章 • 0 个评论 • 3548 次浏览 • 2021-07-05 23:42
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。
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。
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
绫波丽 发表了文章 • 0 个评论 • 6663 次浏览 • 2021-07-01 11:22
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
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
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
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：
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：
python获取指定类型的最新股票公告
李魔佛 发表了文章 • 0 个评论 • 1994 次浏览 • 2021-06-10 23:15
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
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
南方聚利160131 开放申购 2021年5月14日
李魔佛 发表了文章 • 0 个评论 • 2084 次浏览 • 2021-04-21 00:27
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。
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。
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。
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
李魔佛 发表了文章 • 1 个评论 • 1991 次浏览 • 2021-03-23 16:23
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
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
李魔佛 发表了文章 • 0 个评论 • 1588 次浏览 • 2021-03-21 17:04
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
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
李魔佛 发表了文章 • 0 个评论 • 1980 次浏览 • 2021-03-21 12:00
弘盈A套利总结的经验 --大幅度溢价的不能用拖拉机
李魔佛 发表了文章 • 0 个评论 • 1746 次浏览 • 2021-03-19 11:31
轻松出货的券商：
华泰，招商
排队的：
华宝，银河
华泰，招商
排队的：
华宝，银河
轻松出货的券商：
华泰，招商
排队的：
华宝，银河
华泰，招商
排队的：
华宝，银河
PTrade使用教程 新手入门
李魔佛 发表了文章 • 0 个评论 • 10772 次浏览 • 2021-03-18 08:55
# 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
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：
而
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
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：
#获取当日的股票池可以自己使用。
g.stock_list = get_Ashares(g.current_date)
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
李魔佛 发表了文章 • 0 个评论 • 2947 次浏览 • 2021-03-17 10:35
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
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
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
李魔佛 发表了文章 • 0 个评论 • 1908 次浏览 • 2021-03-12 19:38
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
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。
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
李魔佛 发表了文章 • 0 个评论 • 6308 次浏览 • 2021-03-03 18:44
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
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。
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
李魔佛 发表了文章 • 0 个评论 • 2075 次浏览 • 2021-01-21 23:05
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
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
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
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
李魔佛 发表了文章 • 0 个评论 • 1883 次浏览 • 2021-01-21 23:02
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
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。
华美velo银行因为超过30天余额为0被关闭，无法重开
李魔佛 发表了文章 • 0 个评论 • 7799 次浏览 • 2021-01-21 11:24
只能重新注册一个新账号了。
如果有需要开港卡，可以联系，国内见面开户，一次性收中介费，以后无年费，管理费。
需要的联系
需要资料：
1.身份证复印件
2.护照复印件（如果实在没有护照的，通行证也可以）
3.开户申请表（现在一个表格就可以搞定，不用6个）
4.资产证明（余额还是要求50万以上）。
PS：资产证明：可以是银行打印的纸质流水，也可以是股票，基金，支付宝这种电子的账单也行。
如果达不到，可以代办，不影响。 查看全部
只能重新注册一个新账号了。
如果有需要开港卡，可以联系，国内见面开户，一次性收中介费，以后无年费，管理费。
需要的联系
需要资料：
1.身份证复印件
2.护照复印件（如果实在没有护照的，通行证也可以）
3.开户申请表（现在一个表格就可以搞定，不用6个）
4.资产证明（余额还是要求50万以上）。
PS：资产证明：可以是银行打印的纸质流水，也可以是股票，基金，支付宝这种电子的账单也行。
如果达不到，可以代办，不影响。
今晚看了一晚段永平老师的雪球上的问答，颇有感慨
李魔佛 发表了文章 • 0 个评论 • 2110 次浏览 • 2020-12-10 00:43
不仅仅是投资，更多的是人生理念。
行字之间，看到一位智者在将他的人生哲学侃侃而谈。 受益匪浅。
可惜的是段老师要关闭问答了，而且就是在上周末，来不及在问答里说一声问候，祝安康。
进度：第6页。
行字之间，看到一位智者在将他的人生哲学侃侃而谈。 受益匪浅。
可惜的是段老师要关闭问答了，而且就是在上周末，来不及在问答里说一声问候，祝安康。
进度：第6页。
不仅仅是投资，更多的是人生理念。
行字之间，看到一位智者在将他的人生哲学侃侃而谈。 受益匪浅。
可惜的是段老师要关闭问答了，而且就是在上周末，来不及在问答里说一声问候，祝安康。
进度：第6页。
行字之间，看到一位智者在将他的人生哲学侃侃而谈。 受益匪浅。
可惜的是段老师要关闭问答了，而且就是在上周末，来不及在问答里说一声问候，祝安康。
进度：第6页。
优矿数据导出
李魔佛 发表了文章 • 0 个评论 • 5958 次浏览 • 2020-12-04 09:11
在优矿上可以把数据保存并导出到本地。
比如有一个所有股票的dataframe ->df
df.to_csv('all_stock.csv')
然后到左边的数据栏里面，可以在里面看到自己刚刚导出的数据，然后可以选择你刚刚导出的文件，有个选项可以下载，一天可以下载100MB的文件。 查看全部
比如有一个所有股票的dataframe ->df
df.to_csv('all_stock.csv')
然后到左边的数据栏里面，可以在里面看到自己刚刚导出的数据，然后可以选择你刚刚导出的文件，有个选项可以下载，一天可以下载100MB的文件。 查看全部
在优矿上可以把数据保存并导出到本地。
比如有一个所有股票的dataframe ->df
df.to_csv('all_stock.csv')
然后到左边的数据栏里面，可以在里面看到自己刚刚导出的数据，然后可以选择你刚刚导出的文件，有个选项可以下载，一天可以下载100MB的文件。
比如有一个所有股票的dataframe ->df
df.to_csv('all_stock.csv')
然后到左边的数据栏里面，可以在里面看到自己刚刚导出的数据，然后可以选择你刚刚导出的文件，有个选项可以下载，一天可以下载100MB的文件。
雪球上的手哥zangyn 是不是利用bug把收益率做的这么高？
绫波丽 发表了文章 • 0 个评论 • 5531 次浏览 • 2020-12-02 12:20
这收益率太恐怖了吧？
每次看他都只是小赚小亏，最后居然还是这么牛叉的收益率。
有知道的朋友吗？
每次看他都只是小赚小亏，最后居然还是这么牛叉的收益率。
有知道的朋友吗？
这收益率太恐怖了吧？
每次看他都只是小赚小亏，最后居然还是这么牛叉的收益率。
有知道的朋友吗？
【python数据采集与分析】获取配售新股最多的基金 - 天天基金网 套利
李魔佛 发表了文章 • 0 个评论 • 2243 次浏览 • 2020-10-28 23:37
需求是这样的：
根据天天基金网的获得新股的基金数据，采集下来。然后再去新股获配详情里面，点击某一只新股，然后里面有每一个基金的拟申购股数与金额，通过这个数据取更新某个基金的实际获配金额，更为精确的知道基金中新股的占比。
已完成。
部分数据如下图：
点击查看大图
程序编译为exe可执行程序，兼容各个平台。
对数据或者程序有意者可以私信。 查看全部
根据天天基金网的获得新股的基金数据，采集下来。然后再去新股获配详情里面，点击某一只新股，然后里面有每一个基金的拟申购股数与金额，通过这个数据取更新某个基金的实际获配金额，更为精确的知道基金中新股的占比。
已完成。
部分数据如下图：
点击查看大图
程序编译为exe可执行程序，兼容各个平台。
对数据或者程序有意者可以私信。 查看全部
需求是这样的：
根据天天基金网的获得新股的基金数据，采集下来。然后再去新股获配详情里面，点击某一只新股，然后里面有每一个基金的拟申购股数与金额，通过这个数据取更新某个基金的实际获配金额，更为精确的知道基金中新股的占比。
已完成。
部分数据如下图：
点击查看大图
程序编译为exe可执行程序，兼容各个平台。
对数据或者程序有意者可以私信。
根据天天基金网的获得新股的基金数据，采集下来。然后再去新股获配详情里面，点击某一只新股，然后里面有每一个基金的拟申购股数与金额，通过这个数据取更新某个基金的实际获配金额，更为精确的知道基金中新股的占比。
已完成。
部分数据如下图：
点击查看大图
程序编译为exe可执行程序，兼容各个平台。
对数据或者程序有意者可以私信。
优矿 由于您的Notebook运行内容占用内存过大或其他逻辑错误，微核已自动重启。
李魔佛 发表了文章 • 0 个评论 • 2113 次浏览 • 2020-10-28 01:12
刚打开一个空白的notebook，就给我提示这个错误信息，看来优矿要收割用户了，还好我有本地数据。
刚打开一个空白的notebook，就给我提示这个错误信息，看来优矿要收割用户了，还好我有本地数据。
2020－10－20 可转债市场成交量较昨天多一倍
绫波丽 发表了文章 • 0 个评论 • 2143 次浏览 • 2020-10-20 17:51
因为可转债的t0属性，所以并不一定是增量资金进场，不过，因为成交量放大得太多，所以，肯定可以说明的是活跃资金在不断换手。
最近的策略就是减仓。
最近的策略就是减仓。
因为可转债的t0属性，所以并不一定是增量资金进场，不过，因为成交量放大得太多，所以，肯定可以说明的是活跃资金在不断换手。
最近的策略就是减仓。
最近的策略就是减仓。
港股打新的基础知识
量化大师 发表了文章 • 0 个评论 • 2375 次浏览 • 2020-09-03 23:15
……港股打新的基础知识……
其实我们不提倡长期炒港股，我们打新即可。今天就介绍些港股打新的基础知识给大家参考。
1、招股书：这个和我们大A是一样的，上市公司发行股票前要发布招股说明书，把公司的基本情况、近三年业绩情况、财务指标数据、行业前景等等都写在这里，基本上得有三四百页。
2、招股价：通常港股上市前会让公众认购的股价，会给一个范围，比如招股价1-3港元，那么地区定价就在1港元，中位数2港元，高区定价就是3港元，公司会结合公众认购的情况定价。
3、超额认购倍数：认购金额/募资额的倍数。通常公开发售超够倍数动态监测才有，具体数据只能在中签公开日才能知道。倍数越高，说明这个股票受到市场追捧，大家都希望认购，后期股票上市时上涨、大涨的概率就越高。
4、回拨机制：港股发行股票是有回拨机制的，比如公开发售占总募资股份的10%，国际配售占90%，如果认购太火爆，上市公司和承销商就可以根据认购倍数来进行调整，这个调整就叫回拨机制。超额认购倍数如果在15>50>100倍，则对应回拨比例30%、40%、50%最常见。回拨越多，说明市场需求越强，上涨概率越大。
5、绿鞋机制：港股中比较常见，因为港股打新并非必赚钱，新港股有一半上市就破发。绿鞋机制其实就是护盘机制，承销商就有维护上市股价稳定的责任，防止大起大落。
6、保荐人：保荐人一般是证券公司，就是辅导上市公司上市和信息披露的券商，并且承担担保责任。如果保荐人是国际知名企业，并且有很多辅导上市公司的案例，形成了自身的品牌，那么新股上市上涨的概率较大。
7、基石投资者：港股是有基石投资者的，主要是看好上市公司的机构、企业集团或上市公司的亲朋好友提前持有一些原始股，表示对上市公司未来前景的肯定，能给市场增强信心，因为基石投资者持有的股票需要锁定半年才能抛售。
8、新股认购：港股认购新股不需要市值，可用现金认购，也可融资认购。现金认购就是你账户有多少钱就认购多少，大部分券商现金认购免费。融资认购就是上杠杆，大部分券商支持10-20倍融资认购，少部分支持50倍认购，大部分券商融资认购既收手续费，又收融资利息。
9、甲组和乙组：港股打新根据申购金额不同分组，500万以下为甲组（小散户），500万以上为乙组（大户），公开发售甲乙组各50%，通常乙组人少，所以中签数量会多，收益与亏损都将同步放大。有时候融资多了就会冲到乙组。
10、孖展：其实是英文Margin，即保证金，可以认为是融资认购打新加杠杆。孖展越多超够倍数就越多，孖展倍数越高说明大家愿意上杠杆参与，新股上涨的概率就越大。
11、入门资金：港股的1手每个股票都不同，有些1手是100股，有些是1000股，甚至有些是2000股，每个股票都不一样，在招股说明书中一定要看好。同时这也决定了打1手需要的最低金额，即入门资金。比如招股价范围是1-3港元，1手是2000股，那么最低申购1手冻结的资金范围就是2000港元-6000港元之间。
12、一手中签率：港股打新就这点好，为了保证大家参与都有钱挣，港交所规定每个账户认购1手新股的中签率必须是最高的。比如你1个账户认购了1手新股，中1签的概率可能为80%；但如果你1个账户认购10手新股，你中1签的概率可能是10%。具体怎么操作的我也还不清楚，只知道这就是港股的规则。
正是一手中签率最高的原则，决定了港股打新的玩法：同一身份证开多账户，每账户配置1-2万港元，一手申购，提高中签率！
查看全部
其实我们不提倡长期炒港股，我们打新即可。今天就介绍些港股打新的基础知识给大家参考。
1、招股书：这个和我们大A是一样的，上市公司发行股票前要发布招股说明书，把公司的基本情况、近三年业绩情况、财务指标数据、行业前景等等都写在这里，基本上得有三四百页。
2、招股价：通常港股上市前会让公众认购的股价，会给一个范围，比如招股价1-3港元，那么地区定价就在1港元，中位数2港元，高区定价就是3港元，公司会结合公众认购的情况定价。
3、超额认购倍数：认购金额/募资额的倍数。通常公开发售超够倍数动态监测才有，具体数据只能在中签公开日才能知道。倍数越高，说明这个股票受到市场追捧，大家都希望认购，后期股票上市时上涨、大涨的概率就越高。
4、回拨机制：港股发行股票是有回拨机制的，比如公开发售占总募资股份的10%，国际配售占90%，如果认购太火爆，上市公司和承销商就可以根据认购倍数来进行调整，这个调整就叫回拨机制。超额认购倍数如果在15>50>100倍，则对应回拨比例30%、40%、50%最常见。回拨越多，说明市场需求越强，上涨概率越大。
5、绿鞋机制：港股中比较常见，因为港股打新并非必赚钱，新港股有一半上市就破发。绿鞋机制其实就是护盘机制，承销商就有维护上市股价稳定的责任，防止大起大落。
6、保荐人：保荐人一般是证券公司，就是辅导上市公司上市和信息披露的券商，并且承担担保责任。如果保荐人是国际知名企业，并且有很多辅导上市公司的案例，形成了自身的品牌，那么新股上市上涨的概率较大。
7、基石投资者：港股是有基石投资者的，主要是看好上市公司的机构、企业集团或上市公司的亲朋好友提前持有一些原始股，表示对上市公司未来前景的肯定，能给市场增强信心，因为基石投资者持有的股票需要锁定半年才能抛售。
8、新股认购：港股认购新股不需要市值，可用现金认购，也可融资认购。现金认购就是你账户有多少钱就认购多少，大部分券商现金认购免费。融资认购就是上杠杆，大部分券商支持10-20倍融资认购，少部分支持50倍认购，大部分券商融资认购既收手续费，又收融资利息。
9、甲组和乙组：港股打新根据申购金额不同分组，500万以下为甲组（小散户），500万以上为乙组（大户），公开发售甲乙组各50%，通常乙组人少，所以中签数量会多，收益与亏损都将同步放大。有时候融资多了就会冲到乙组。
10、孖展：其实是英文Margin，即保证金，可以认为是融资认购打新加杠杆。孖展越多超够倍数就越多，孖展倍数越高说明大家愿意上杠杆参与，新股上涨的概率就越大。
11、入门资金：港股的1手每个股票都不同，有些1手是100股，有些是1000股，甚至有些是2000股，每个股票都不一样，在招股说明书中一定要看好。同时这也决定了打1手需要的最低金额，即入门资金。比如招股价范围是1-3港元，1手是2000股，那么最低申购1手冻结的资金范围就是2000港元-6000港元之间。
12、一手中签率：港股打新就这点好，为了保证大家参与都有钱挣，港交所规定每个账户认购1手新股的中签率必须是最高的。比如你1个账户认购了1手新股，中1签的概率可能为80%；但如果你1个账户认购10手新股，你中1签的概率可能是10%。具体怎么操作的我也还不清楚，只知道这就是港股的规则。
正是一手中签率最高的原则，决定了港股打新的玩法：同一身份证开多账户，每账户配置1-2万港元，一手申购，提高中签率！
查看全部
……港股打新的基础知识……
其实我们不提倡长期炒港股，我们打新即可。今天就介绍些港股打新的基础知识给大家参考。
1、招股书：这个和我们大A是一样的，上市公司发行股票前要发布招股说明书，把公司的基本情况、近三年业绩情况、财务指标数据、行业前景等等都写在这里，基本上得有三四百页。
2、招股价：通常港股上市前会让公众认购的股价，会给一个范围，比如招股价1-3港元，那么地区定价就在1港元，中位数2港元，高区定价就是3港元，公司会结合公众认购的情况定价。
3、超额认购倍数：认购金额/募资额的倍数。通常公开发售超够倍数动态监测才有，具体数据只能在中签公开日才能知道。倍数越高，说明这个股票受到市场追捧，大家都希望认购，后期股票上市时上涨、大涨的概率就越高。
4、回拨机制：港股发行股票是有回拨机制的，比如公开发售占总募资股份的10%，国际配售占90%，如果认购太火爆，上市公司和承销商就可以根据认购倍数来进行调整，这个调整就叫回拨机制。超额认购倍数如果在15>50>100倍，则对应回拨比例30%、40%、50%最常见。回拨越多，说明市场需求越强，上涨概率越大。
5、绿鞋机制：港股中比较常见，因为港股打新并非必赚钱，新港股有一半上市就破发。绿鞋机制其实就是护盘机制，承销商就有维护上市股价稳定的责任，防止大起大落。
6、保荐人：保荐人一般是证券公司，就是辅导上市公司上市和信息披露的券商，并且承担担保责任。如果保荐人是国际知名企业，并且有很多辅导上市公司的案例，形成了自身的品牌，那么新股上市上涨的概率较大。
7、基石投资者：港股是有基石投资者的，主要是看好上市公司的机构、企业集团或上市公司的亲朋好友提前持有一些原始股，表示对上市公司未来前景的肯定，能给市场增强信心，因为基石投资者持有的股票需要锁定半年才能抛售。
8、新股认购：港股认购新股不需要市值，可用现金认购，也可融资认购。现金认购就是你账户有多少钱就认购多少，大部分券商现金认购免费。融资认购就是上杠杆，大部分券商支持10-20倍融资认购，少部分支持50倍认购，大部分券商融资认购既收手续费，又收融资利息。
9、甲组和乙组：港股打新根据申购金额不同分组，500万以下为甲组（小散户），500万以上为乙组（大户），公开发售甲乙组各50%，通常乙组人少，所以中签数量会多，收益与亏损都将同步放大。有时候融资多了就会冲到乙组。
10、孖展：其实是英文Margin，即保证金，可以认为是融资认购打新加杠杆。孖展越多超够倍数就越多，孖展倍数越高说明大家愿意上杠杆参与，新股上涨的概率就越大。
11、入门资金：港股的1手每个股票都不同，有些1手是100股，有些是1000股，甚至有些是2000股，每个股票都不一样，在招股说明书中一定要看好。同时这也决定了打1手需要的最低金额，即入门资金。比如招股价范围是1-3港元，1手是2000股，那么最低申购1手冻结的资金范围就是2000港元-6000港元之间。
12、一手中签率：港股打新就这点好，为了保证大家参与都有钱挣，港交所规定每个账户认购1手新股的中签率必须是最高的。比如你1个账户认购了1手新股，中1签的概率可能为80%；但如果你1个账户认购10手新股，你中1签的概率可能是10%。具体怎么操作的我也还不清楚，只知道这就是港股的规则。
正是一手中签率最高的原则，决定了港股打新的玩法：同一身份证开多账户，每账户配置1-2万港元，一手申购，提高中签率！
其实我们不提倡长期炒港股，我们打新即可。今天就介绍些港股打新的基础知识给大家参考。
1、招股书：这个和我们大A是一样的，上市公司发行股票前要发布招股说明书，把公司的基本情况、近三年业绩情况、财务指标数据、行业前景等等都写在这里，基本上得有三四百页。
2、招股价：通常港股上市前会让公众认购的股价，会给一个范围，比如招股价1-3港元，那么地区定价就在1港元，中位数2港元，高区定价就是3港元，公司会结合公众认购的情况定价。
3、超额认购倍数：认购金额/募资额的倍数。通常公开发售超够倍数动态监测才有，具体数据只能在中签公开日才能知道。倍数越高，说明这个股票受到市场追捧，大家都希望认购，后期股票上市时上涨、大涨的概率就越高。
4、回拨机制：港股发行股票是有回拨机制的，比如公开发售占总募资股份的10%，国际配售占90%，如果认购太火爆，上市公司和承销商就可以根据认购倍数来进行调整，这个调整就叫回拨机制。超额认购倍数如果在15>50>100倍，则对应回拨比例30%、40%、50%最常见。回拨越多，说明市场需求越强，上涨概率越大。
5、绿鞋机制：港股中比较常见，因为港股打新并非必赚钱，新港股有一半上市就破发。绿鞋机制其实就是护盘机制，承销商就有维护上市股价稳定的责任，防止大起大落。
6、保荐人：保荐人一般是证券公司，就是辅导上市公司上市和信息披露的券商，并且承担担保责任。如果保荐人是国际知名企业，并且有很多辅导上市公司的案例，形成了自身的品牌，那么新股上市上涨的概率较大。
7、基石投资者：港股是有基石投资者的，主要是看好上市公司的机构、企业集团或上市公司的亲朋好友提前持有一些原始股，表示对上市公司未来前景的肯定，能给市场增强信心，因为基石投资者持有的股票需要锁定半年才能抛售。
8、新股认购：港股认购新股不需要市值，可用现金认购，也可融资认购。现金认购就是你账户有多少钱就认购多少，大部分券商现金认购免费。融资认购就是上杠杆，大部分券商支持10-20倍融资认购，少部分支持50倍认购，大部分券商融资认购既收手续费，又收融资利息。
9、甲组和乙组：港股打新根据申购金额不同分组，500万以下为甲组（小散户），500万以上为乙组（大户），公开发售甲乙组各50%，通常乙组人少，所以中签数量会多，收益与亏损都将同步放大。有时候融资多了就会冲到乙组。
10、孖展：其实是英文Margin，即保证金，可以认为是融资认购打新加杠杆。孖展越多超够倍数就越多，孖展倍数越高说明大家愿意上杠杆参与，新股上涨的概率就越大。
11、入门资金：港股的1手每个股票都不同，有些1手是100股，有些是1000股，甚至有些是2000股，每个股票都不一样，在招股说明书中一定要看好。同时这也决定了打1手需要的最低金额，即入门资金。比如招股价范围是1-3港元，1手是2000股，那么最低申购1手冻结的资金范围就是2000港元-6000港元之间。
12、一手中签率：港股打新就这点好，为了保证大家参与都有钱挣，港交所规定每个账户认购1手新股的中签率必须是最高的。比如你1个账户认购了1手新股，中1签的概率可能为80%；但如果你1个账户认购10手新股，你中1签的概率可能是10%。具体怎么操作的我也还不清楚，只知道这就是港股的规则。
正是一手中签率最高的原则，决定了港股打新的玩法：同一身份证开多账户，每账户配置1-2万港元，一手申购，提高中签率！
2020-08-19招商证券app和电脑客户端都无法登录 一整天无法登录
绫波丽 发表了文章 • 0 个评论 • 1953 次浏览 • 2020-08-19 22:21
不知道是咋回事。 IP地址被封了？
一整天无法登录，这个故障也太大了吧。
一整天无法登录，这个故障也太大了吧。
不知道是咋回事。 IP地址被封了？
一整天无法登录，这个故障也太大了吧。
一整天无法登录，这个故障也太大了吧。
套利机会统计表
李魔佛 发表了文章 • 0 个评论 • 2580 次浏览 • 2020-08-18 18:28
部分人总结的经验是裸套是一门亏钱手艺。那现在就用数据说话吧，记录出现的套利机会与收益率。
2020-12-01
今飞转债 - 转股套利 - 第二天跌停 开盘，后面第三天继续跌停
2020-08-18
南方永利放开申购 17日净值为1.2350
之前处于封闭状态
2020-08-17
白银基金 折价套利
18日到账 盈利9%，明天铁定低开。能走多少算多少。 查看全部
2020-12-01
今飞转债 - 转股套利 - 第二天跌停 开盘，后面第三天继续跌停
2020-08-18
南方永利放开申购 17日净值为1.2350
之前处于封闭状态
2020-08-17
白银基金 折价套利
18日到账 盈利9%，明天铁定低开。能走多少算多少。 查看全部
部分人总结的经验是裸套是一门亏钱手艺。那现在就用数据说话吧，记录出现的套利机会与收益率。
2020-12-01
今飞转债 - 转股套利 - 第二天跌停 开盘，后面第三天继续跌停
2020-08-18
南方永利放开申购 17日净值为1.2350
之前处于封闭状态
2020-08-17
白银基金 折价套利
18日到账 盈利9%，明天铁定低开。能走多少算多少。
2020-12-01
今飞转债 - 转股套利 - 第二天跌停 开盘，后面第三天继续跌停
2020-08-18
南方永利放开申购 17日净值为1.2350
之前处于封闭状态
2020-08-17
白银基金 折价套利
18日到账 盈利9%，明天铁定低开。能走多少算多少。
想用程序自动化交易；大佬们都用哪个lib 提交订单；【比如同花顺；平安证券等】多谢
李魔佛 回复了问题 • 1 人关注 • 2 个回复 • 4450 次浏览 • 2021-07-16 21:44
根据东财股吧爬虫数据进行自然语言分析，展示股市热度
李魔佛 发表了文章 • 0 个评论 • 5303 次浏览 • 2019-09-10 09:27
根据东财股吧爬虫数据进行自然语言分析，展示股市热度
项目开展中.....
https://github.com/Rockyzsu/StockPredict
完工后会把代码搬上来并加注释。
### 2019-11-17 更新 ######
股市舆情情感分类可视化系统
此Web基于Django+Bootstrap+Echarts等框架，个股交易行情数据调用了Tushare接口。对于舆情文本数据采取先爬取东方财富网股吧论坛标题词语设置机器学习训练集，在此基础上运用scikit-learn机器学习朴素贝叶斯方法构建文本分类器。通过Django Web框架，将所得数据传递到前端经过Bootstrap渲染过的html，对数据使用Echarts进行图表可视化处理
不足之处或交流学习欢迎通过邮箱联系我
目前的功能：
个股历史交易行情
个股相关词云展示
情感字典舆情预测
朴素贝叶斯舆情预测
Quick Start
在项目当前目录下： $ python manage.py runserver
浏览器打开127.0.0.1:8000
查看全部
项目开展中.....
https://github.com/Rockyzsu/StockPredict
完工后会把代码搬上来并加注释。
### 2019-11-17 更新 ######
股市舆情情感分类可视化系统
此Web基于Django+Bootstrap+Echarts等框架，个股交易行情数据调用了Tushare接口。对于舆情文本数据采取先爬取东方财富网股吧论坛标题词语设置机器学习训练集，在此基础上运用scikit-learn机器学习朴素贝叶斯方法构建文本分类器。通过Django Web框架，将所得数据传递到前端经过Bootstrap渲染过的html，对数据使用Echarts进行图表可视化处理
不足之处或交流学习欢迎通过邮箱联系我
目前的功能：
个股历史交易行情
个股相关词云展示
情感字典舆情预测
朴素贝叶斯舆情预测
Quick Start
在项目当前目录下： $ python manage.py runserver
浏览器打开127.0.0.1:8000
查看全部
根据东财股吧爬虫数据进行自然语言分析，展示股市热度
项目开展中.....
https://github.com/Rockyzsu/StockPredict
完工后会把代码搬上来并加注释。
### 2019-11-17 更新 ######
股市舆情情感分类可视化系统
此Web基于Django+Bootstrap+Echarts等框架，个股交易行情数据调用了Tushare接口。对于舆情文本数据采取先爬取东方财富网股吧论坛标题词语设置机器学习训练集，在此基础上运用scikit-learn机器学习朴素贝叶斯方法构建文本分类器。通过Django Web框架，将所得数据传递到前端经过Bootstrap渲染过的html，对数据使用Echarts进行图表可视化处理
不足之处或交流学习欢迎通过邮箱联系我
目前的功能：
个股历史交易行情
个股相关词云展示
情感字典舆情预测
朴素贝叶斯舆情预测
Quick Start
在项目当前目录下： $ python manage.py runserver
浏览器打开127.0.0.1:8000
项目开展中.....
https://github.com/Rockyzsu/StockPredict
完工后会把代码搬上来并加注释。
### 2019-11-17 更新 ######
股市舆情情感分类可视化系统
此Web基于Django+Bootstrap+Echarts等框架，个股交易行情数据调用了Tushare接口。对于舆情文本数据采取先爬取东方财富网股吧论坛标题词语设置机器学习训练集，在此基础上运用scikit-learn机器学习朴素贝叶斯方法构建文本分类器。通过Django Web框架，将所得数据传递到前端经过Bootstrap渲染过的html，对数据使用Echarts进行图表可视化处理
不足之处或交流学习欢迎通过邮箱联系我
目前的功能：
个股历史交易行情
个股相关词云展示
情感字典舆情预测
朴素贝叶斯舆情预测
Quick Start
在项目当前目录下： $ python manage.py runserver
浏览器打开127.0.0.1:8000
投资最重要的是看清楚对手盘。
李魔佛 发表了文章 • 0 个评论 • 2664 次浏览 • 2019-08-17 18:53
也就是看清楚到底是从哪里赚的钱啊。
就比如抓娃娃吧，有运气，也有技巧。但是我抓了二十多个的经验来说，最重要的就是你在哪抓。
从经验上说，小区超市门口的是最好抓的，为什么？
一、房租低，所以娃娃机运营成本低，所以钩子不会调那么松。这是基本面。
二、小区主要是老人和小孩在附近玩，人流量小，技术差。所以自然能夹上来的也少。
这时候，只要找篇网上的攻略，多玩几次，基本可以做到不赔本。至于那种沃尔玛门口的，电影院和购物中心里面的，基本都是很难抓住的。钩子松，娃娃大，摆得也不满。 查看全部
就比如抓娃娃吧，有运气，也有技巧。但是我抓了二十多个的经验来说，最重要的就是你在哪抓。
从经验上说，小区超市门口的是最好抓的，为什么？
一、房租低，所以娃娃机运营成本低，所以钩子不会调那么松。这是基本面。
二、小区主要是老人和小孩在附近玩，人流量小，技术差。所以自然能夹上来的也少。
这时候，只要找篇网上的攻略，多玩几次，基本可以做到不赔本。至于那种沃尔玛门口的，电影院和购物中心里面的，基本都是很难抓住的。钩子松，娃娃大，摆得也不满。 查看全部
也就是看清楚到底是从哪里赚的钱啊。
就比如抓娃娃吧，有运气，也有技巧。但是我抓了二十多个的经验来说，最重要的就是你在哪抓。
从经验上说，小区超市门口的是最好抓的，为什么？
一、房租低，所以娃娃机运营成本低，所以钩子不会调那么松。这是基本面。
二、小区主要是老人和小孩在附近玩，人流量小，技术差。所以自然能夹上来的也少。
这时候，只要找篇网上的攻略，多玩几次，基本可以做到不赔本。至于那种沃尔玛门口的，电影院和购物中心里面的，基本都是很难抓住的。钩子松，娃娃大，摆得也不满。
就比如抓娃娃吧，有运气，也有技巧。但是我抓了二十多个的经验来说，最重要的就是你在哪抓。
从经验上说，小区超市门口的是最好抓的，为什么？
一、房租低，所以娃娃机运营成本低，所以钩子不会调那么松。这是基本面。
二、小区主要是老人和小孩在附近玩，人流量小，技术差。所以自然能夹上来的也少。
这时候，只要找篇网上的攻略，多玩几次，基本可以做到不赔本。至于那种沃尔玛门口的，电影院和购物中心里面的，基本都是很难抓住的。钩子松，娃娃大，摆得也不满。