通知设置 新通知
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 • 3557 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。
pycharm 2021.1 ubuntu 激活方法
闲聊 • 绫波丽 发表了文章 • 0 个评论 • 4330 次浏览 • 2021-07-05 18:07
最新的版本是pycharm2021.1 ， 在ubuntu16.04 上可以使用软件中心下载，很方便，不需要自己编译啥的。下载完成就直接而已使用了。 直接下载pycharm pro版本。
然后使用 ide-eval-resetter zip这个插件，每到30天的时候可以reset一下使用日期，就可以无限使用。
插件获取：
关注公众号：
后台回复：
pycharm插件
即可获取最新的pycharm激活插件。
下载后不需要解压，直接拖入到pycharm中，然后按照插件。然后会在About里面多了一个设置
每次点一下reset，满血复活
并且建议勾上，每次重启时重置时间的选项。 这样每次pycharm重启时都可以把时间延长30天。
查看全部
然后使用 ide-eval-resetter zip这个插件，每到30天的时候可以reset一下使用日期，就可以无限使用。
插件获取：
关注公众号：
后台回复：
pycharm插件
即可获取最新的pycharm激活插件。
下载后不需要解压，直接拖入到pycharm中，然后按照插件。然后会在About里面多了一个设置
每次点一下reset，满血复活
并且建议勾上，每次重启时重置时间的选项。 这样每次pycharm重启时都可以把时间延长30天。
查看全部
最新的版本是pycharm2021.1 ， 在ubuntu16.04 上可以使用软件中心下载，很方便，不需要自己编译啥的。下载完成就直接而已使用了。 直接下载pycharm pro版本。
然后使用 ide-eval-resetter zip这个插件，每到30天的时候可以reset一下使用日期，就可以无限使用。
插件获取：
关注公众号：
后台回复：
pycharm插件
即可获取最新的pycharm激活插件。
下载后不需要解压，直接拖入到pycharm中，然后按照插件。然后会在About里面多了一个设置
每次点一下reset，满血复活
并且建议勾上，每次重启时重置时间的选项。 这样每次pycharm重启时都可以把时间延长30天。
然后使用 ide-eval-resetter zip这个插件，每到30天的时候可以reset一下使用日期，就可以无限使用。
插件获取：
关注公众号：
后台回复：
pycharm插件
即可获取最新的pycharm激活插件。
下载后不需要解压，直接拖入到pycharm中，然后按照插件。然后会在About里面多了一个设置
每次点一下reset，满血复活
并且建议勾上，每次重启时重置时间的选项。 这样每次pycharm重启时都可以把时间延长30天。
ubuntu16.04 无法访问github
Linux • 李魔佛 发表了文章 • 0 个评论 • 1866 次浏览 • 2021-07-05 15:26
ubuntu 无法访问github
也无法拉去代码。
网上搜了一通，没有一个能够解决问题的。
最终自己折腾了下，把 /etc/hosts 文件里的ipv6的地址注释掉了，就可以访问了。
也无法拉去代码。
网上搜了一通，没有一个能够解决问题的。
最终自己折腾了下，把 /etc/hosts 文件里的ipv6的地址注释掉了，就可以访问了。
ubuntu 无法访问github
也无法拉去代码。
网上搜了一通，没有一个能够解决问题的。
最终自己折腾了下，把 /etc/hosts 文件里的ipv6的地址注释掉了，就可以访问了。
python自然语言处理与开发 勘误
深度学习 • 李魔佛 发表了文章 • 0 个评论 • 1695 次浏览 • 2021-07-01 16:44
看书中，定期更新。 2021-06-30
【心情不好，一开始代码就错了】
P42：
代码：root = Node(word[0])
改为self.root
代码无语了，用的关键字作为参数，变量名，比如input
然后第一个程序就是错的，上机时无法运行。 查看全部
【心情不好，一开始代码就错了】
P42：
代码：root = Node(word[0])
改为self.root
代码无语了，用的关键字作为参数，变量名，比如input
然后第一个程序就是错的，上机时无法运行。 查看全部
看书中，定期更新。 2021-06-30
【心情不好，一开始代码就错了】
P42：
代码：root = Node(word[0])
改为self.root
代码无语了，用的关键字作为参数，变量名，比如input
然后第一个程序就是错的，上机时无法运行。
【心情不好，一开始代码就错了】
P42：
代码：root = Node(word[0])
改为self.root
代码无语了，用的关键字作为参数，变量名，比如input
然后第一个程序就是错的，上机时无法运行。
量化交易接口python A股
股票 • 绫波丽 发表了文章 • 0 个评论 • 6681 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：
资金超过50万 可以一次过开通哪些权限
券商万一免五 • 绫波丽 发表了文章 • 0 个评论 • 6038 次浏览 • 2021-06-30 12:12
这里的资金是单账户资金，包含逆回购等。可以一次性开通以下权限，免得多次来回折腾。
科创板
期权
港股通
融资融券
附各开通条件：
1. 创业板开通条件
创业板的开通分为两种情况，以前再其他券商开通过和从来没有开通过。
以前开通过创业板：是可以直接转签的
以前没有开通过创业板：需要满足两年交易经验（从第一笔股票交易算起）、20日日均不低于10万的资金要求。
2. 科创板开通条件
申请开通前20个交易日日均资产不低于50万，且至少有5个交易日资产不低于50万证券；两年以上交易经验；科创板知识测评80分以上。
3. 港股通开通条件
申请开通前20个交易日日均资产不低于50万；开户满20个交易日以上；港股通知识测评80分以上；风险承受能力稳健性及以上。
4. 融资融券开通条件
申请开通前20个交易日日均资产不低于50万；半年以上的投资经验；风险承受能力积极或者激进型；知识测评80分以上且完成投资者教育视频。
5. 期权开通条件
申请开通前20个交易日日均资产不低于50万；开户满20个交易日以上；上海A股证券账户开立时间六个月以上并开立融资融券账户或者具备金融期货交易经验；具备期权基础知识，通过相关测试；具有上交所认可的期权模拟交易经验；具有相应风险承受能力。
6.期货开通
普通的期货品种手机上面开通直接就可以交易了，股指期货需要满足：5个交易日每个交易日商品期货账户有50万资金；基础测试80分以上；交易经验记录或者是模拟交易。
目前除了融资融券和期权需要临柜办理，其他都在手机上就可以直接开通。
万一免五开户，可转债百万分之二
扫描联系：备注 开户， 否则不通过哈
查看全部
科创板
期权
港股通
融资融券
附各开通条件：
1. 创业板开通条件
创业板的开通分为两种情况，以前再其他券商开通过和从来没有开通过。
以前开通过创业板：是可以直接转签的
以前没有开通过创业板：需要满足两年交易经验（从第一笔股票交易算起）、20日日均不低于10万的资金要求。
2. 科创板开通条件
申请开通前20个交易日日均资产不低于50万，且至少有5个交易日资产不低于50万证券；两年以上交易经验；科创板知识测评80分以上。
3. 港股通开通条件
申请开通前20个交易日日均资产不低于50万；开户满20个交易日以上；港股通知识测评80分以上；风险承受能力稳健性及以上。
4. 融资融券开通条件
申请开通前20个交易日日均资产不低于50万；半年以上的投资经验；风险承受能力积极或者激进型；知识测评80分以上且完成投资者教育视频。
5. 期权开通条件
申请开通前20个交易日日均资产不低于50万；开户满20个交易日以上；上海A股证券账户开立时间六个月以上并开立融资融券账户或者具备金融期货交易经验；具备期权基础知识，通过相关测试；具有上交所认可的期权模拟交易经验；具有相应风险承受能力。
6.期货开通
普通的期货品种手机上面开通直接就可以交易了，股指期货需要满足：5个交易日每个交易日商品期货账户有50万资金；基础测试80分以上；交易经验记录或者是模拟交易。
目前除了融资融券和期权需要临柜办理，其他都在手机上就可以直接开通。
万一免五开户，可转债百万分之二
扫描联系：备注 开户， 否则不通过哈
查看全部
这里的资金是单账户资金，包含逆回购等。可以一次性开通以下权限，免得多次来回折腾。
科创板
期权
港股通
融资融券
附各开通条件：
1. 创业板开通条件
创业板的开通分为两种情况，以前再其他券商开通过和从来没有开通过。
以前开通过创业板：是可以直接转签的
以前没有开通过创业板：需要满足两年交易经验（从第一笔股票交易算起）、20日日均不低于10万的资金要求。
2. 科创板开通条件
申请开通前20个交易日日均资产不低于50万，且至少有5个交易日资产不低于50万证券；两年以上交易经验；科创板知识测评80分以上。
3. 港股通开通条件
申请开通前20个交易日日均资产不低于50万；开户满20个交易日以上；港股通知识测评80分以上；风险承受能力稳健性及以上。
4. 融资融券开通条件
申请开通前20个交易日日均资产不低于50万；半年以上的投资经验；风险承受能力积极或者激进型；知识测评80分以上且完成投资者教育视频。
5. 期权开通条件
申请开通前20个交易日日均资产不低于50万；开户满20个交易日以上；上海A股证券账户开立时间六个月以上并开立融资融券账户或者具备金融期货交易经验；具备期权基础知识，通过相关测试；具有上交所认可的期权模拟交易经验；具有相应风险承受能力。
6.期货开通
普通的期货品种手机上面开通直接就可以交易了，股指期货需要满足：5个交易日每个交易日商品期货账户有50万资金；基础测试80分以上；交易经验记录或者是模拟交易。
目前除了融资融券和期权需要临柜办理，其他都在手机上就可以直接开通。
万一免五开户，可转债百万分之二
扫描联系：备注 开户， 否则不通过哈
科创板
期权
港股通
融资融券
附各开通条件：
1. 创业板开通条件
创业板的开通分为两种情况，以前再其他券商开通过和从来没有开通过。
以前开通过创业板：是可以直接转签的
以前没有开通过创业板：需要满足两年交易经验（从第一笔股票交易算起）、20日日均不低于10万的资金要求。
2. 科创板开通条件
申请开通前20个交易日日均资产不低于50万，且至少有5个交易日资产不低于50万证券；两年以上交易经验；科创板知识测评80分以上。
3. 港股通开通条件
申请开通前20个交易日日均资产不低于50万；开户满20个交易日以上；港股通知识测评80分以上；风险承受能力稳健性及以上。
4. 融资融券开通条件
申请开通前20个交易日日均资产不低于50万；半年以上的投资经验；风险承受能力积极或者激进型；知识测评80分以上且完成投资者教育视频。
5. 期权开通条件
申请开通前20个交易日日均资产不低于50万；开户满20个交易日以上；上海A股证券账户开立时间六个月以上并开立融资融券账户或者具备金融期货交易经验；具备期权基础知识，通过相关测试；具有上交所认可的期权模拟交易经验；具有相应风险承受能力。
6.期货开通
普通的期货品种手机上面开通直接就可以交易了，股指期货需要满足：5个交易日每个交易日商品期货账户有50万资金；基础测试80分以上；交易经验记录或者是模拟交易。
目前除了融资融券和期权需要临柜办理，其他都在手机上就可以直接开通。
万一免五开户，可转债百万分之二
扫描联系：备注 开户， 否则不通过哈
python rabbitmq 连接时无法正常发送和接受消息
python • 李魔佛 发表了文章 • 0 个评论 • 2093 次浏览 • 2021-06-28 19:44
用的是有密码的连接：auth = pika.PlainCredentials(user,password)
connection = pika.BlockingConnection(pika.ConnectionParameters(host,port,'/',auth))使用上面的这个连接方式，消费者一只等待生产者生产数据，而生产数据者发出消息后，也无法正常发给消费者。
而在页面中其实是可以看到有对应的消息的。
后面发行上面的连接方式是由问题的，在于'/' 参数问题，因为默认参数的位置关系，‘/’ 并不是赋值给了virtual_host ， 而是另外的参数。 所以解决问题的方法就是把每个参数的形参也写上去：auth = pika.PlainCredentials(user,password)
connection = pika.BlockingConnection(pika.ConnectionParameters(host=host,port=port,virtual_host='/',credentials=auth))
PS： 后面经过实际调试，原理是git的自带终端窗口的问题，用cmd命令行下面就没有这个问题。 查看全部
connection = pika.BlockingConnection(pika.ConnectionParameters(host,port,'/',auth))使用上面的这个连接方式，消费者一只等待生产者生产数据，而生产数据者发出消息后，也无法正常发给消费者。
而在页面中其实是可以看到有对应的消息的。
后面发行上面的连接方式是由问题的，在于'/' 参数问题，因为默认参数的位置关系，‘/’ 并不是赋值给了virtual_host ， 而是另外的参数。 所以解决问题的方法就是把每个参数的形参也写上去：auth = pika.PlainCredentials(user,password)
connection = pika.BlockingConnection(pika.ConnectionParameters(host=host,port=port,virtual_host='/',credentials=auth))
PS： 后面经过实际调试，原理是git的自带终端窗口的问题，用cmd命令行下面就没有这个问题。 查看全部
用的是有密码的连接：
而在页面中其实是可以看到有对应的消息的。
后面发行上面的连接方式是由问题的，在于'/' 参数问题，因为默认参数的位置关系，‘/’ 并不是赋值给了virtual_host ， 而是另外的参数。 所以解决问题的方法就是把每个参数的形参也写上去：
PS： 后面经过实际调试，原理是git的自带终端窗口的问题，用cmd命令行下面就没有这个问题。
auth = pika.PlainCredentials(user,password)使用上面的这个连接方式，消费者一只等待生产者生产数据，而生产数据者发出消息后，也无法正常发给消费者。
connection = pika.BlockingConnection(pika.ConnectionParameters(host,port,'/',auth))
而在页面中其实是可以看到有对应的消息的。
后面发行上面的连接方式是由问题的，在于'/' 参数问题，因为默认参数的位置关系，‘/’ 并不是赋值给了virtual_host ， 而是另外的参数。 所以解决问题的方法就是把每个参数的形参也写上去：
auth = pika.PlainCredentials(user,password)
connection = pika.BlockingConnection(pika.ConnectionParameters(host=host,port=port,virtual_host='/',credentials=auth))
PS： 后面经过实际调试，原理是git的自带终端窗口的问题，用cmd命令行下面就没有这个问题。
高考结束有什么兼职适合没有经验的高中生
闲聊 • 绫波丽 发表了文章 • 0 个评论 • 1530 次浏览 • 2021-06-28 17:09
首先不推荐做的：
1. 做写手写软文。一个是付出收益比太低。并且市面上有很多骗子，写完稿是不给费用的。
2. 淘宝客推广商品。现在线上推广已经成了红海。如果你到处在论坛，贴吧之类的发广告，效果很差的。基本没有出路。为啥？ 因为已经有不少平台级别的推广，比如什么值得买，还有很多程序员自己写的微信小程序，做推广下单返佣的。 人家的流量比新起的个人开始做的要大很多。
3. 麦当劳，肯德基类的兼职。 这个完全是出卖个人的时间。不过对于一些内向的同学，我倒是建议他们可以去尝试一下，锻炼你们的胆量。
建议你们去做的：
1. 直播领域的探索。 目前这个行业，颜值就是流量。对于很高年少青春的同学来说，这个是最大的资本。 并且，成本不大，就一个手机即可。人人皆可做。
2. 证券市场上的无风险套利： 比如可转债打新，或者港股，美股打新。不过后者会有一定破发风险。并且入金有一定的门槛。
对于可转债打新，你只需要开通一个证券账户，然后就可以每天都打，如果当天有新债可打。 打中后才给钱。并且这个转债，一般情况下，破发的概率比较小，即使破发了，后面也会来到100元以上。这个可以放心。历史上没有哪一只转债没有上过100元。
不过对于打新族来说，正确的做法就是上市就卖。不然就没有剩余资金来已经下一只转债了。
目前如果需要开户，可以联系wx：
可转债交易费率目前全市场最低，达到百万分之二，对于学生而言，每一分都值得节约。百万分之二的费率，意味着一百万的交易，收费只有2元，而1万元的交易额，费用就只有2分钱。 而卖出的1000元转债，那么收费只有0.是的，不用钱哦。
查看全部
1. 做写手写软文。一个是付出收益比太低。并且市面上有很多骗子，写完稿是不给费用的。
2. 淘宝客推广商品。现在线上推广已经成了红海。如果你到处在论坛，贴吧之类的发广告，效果很差的。基本没有出路。为啥？ 因为已经有不少平台级别的推广，比如什么值得买，还有很多程序员自己写的微信小程序，做推广下单返佣的。 人家的流量比新起的个人开始做的要大很多。
3. 麦当劳，肯德基类的兼职。 这个完全是出卖个人的时间。不过对于一些内向的同学，我倒是建议他们可以去尝试一下，锻炼你们的胆量。
建议你们去做的：
1. 直播领域的探索。 目前这个行业，颜值就是流量。对于很高年少青春的同学来说，这个是最大的资本。 并且，成本不大，就一个手机即可。人人皆可做。
2. 证券市场上的无风险套利： 比如可转债打新，或者港股，美股打新。不过后者会有一定破发风险。并且入金有一定的门槛。
对于可转债打新，你只需要开通一个证券账户，然后就可以每天都打，如果当天有新债可打。 打中后才给钱。并且这个转债，一般情况下，破发的概率比较小，即使破发了，后面也会来到100元以上。这个可以放心。历史上没有哪一只转债没有上过100元。
不过对于打新族来说，正确的做法就是上市就卖。不然就没有剩余资金来已经下一只转债了。
目前如果需要开户，可以联系wx：
可转债交易费率目前全市场最低，达到百万分之二，对于学生而言，每一分都值得节约。百万分之二的费率，意味着一百万的交易，收费只有2元，而1万元的交易额，费用就只有2分钱。 而卖出的1000元转债，那么收费只有0.是的，不用钱哦。
查看全部
首先不推荐做的：
1. 做写手写软文。一个是付出收益比太低。并且市面上有很多骗子，写完稿是不给费用的。
2. 淘宝客推广商品。现在线上推广已经成了红海。如果你到处在论坛，贴吧之类的发广告，效果很差的。基本没有出路。为啥？ 因为已经有不少平台级别的推广，比如什么值得买，还有很多程序员自己写的微信小程序，做推广下单返佣的。 人家的流量比新起的个人开始做的要大很多。
3. 麦当劳，肯德基类的兼职。 这个完全是出卖个人的时间。不过对于一些内向的同学，我倒是建议他们可以去尝试一下，锻炼你们的胆量。
建议你们去做的：
1. 直播领域的探索。 目前这个行业，颜值就是流量。对于很高年少青春的同学来说，这个是最大的资本。 并且，成本不大，就一个手机即可。人人皆可做。
2. 证券市场上的无风险套利： 比如可转债打新，或者港股，美股打新。不过后者会有一定破发风险。并且入金有一定的门槛。
对于可转债打新，你只需要开通一个证券账户，然后就可以每天都打，如果当天有新债可打。 打中后才给钱。并且这个转债，一般情况下，破发的概率比较小，即使破发了，后面也会来到100元以上。这个可以放心。历史上没有哪一只转债没有上过100元。
不过对于打新族来说，正确的做法就是上市就卖。不然就没有剩余资金来已经下一只转债了。
目前如果需要开户，可以联系wx：
可转债交易费率目前全市场最低，达到百万分之二，对于学生而言，每一分都值得节约。百万分之二的费率，意味着一百万的交易，收费只有2元，而1万元的交易额，费用就只有2分钱。 而卖出的1000元转债，那么收费只有0.是的，不用钱哦。
1. 做写手写软文。一个是付出收益比太低。并且市面上有很多骗子，写完稿是不给费用的。
2. 淘宝客推广商品。现在线上推广已经成了红海。如果你到处在论坛，贴吧之类的发广告，效果很差的。基本没有出路。为啥？ 因为已经有不少平台级别的推广，比如什么值得买，还有很多程序员自己写的微信小程序，做推广下单返佣的。 人家的流量比新起的个人开始做的要大很多。
3. 麦当劳，肯德基类的兼职。 这个完全是出卖个人的时间。不过对于一些内向的同学，我倒是建议他们可以去尝试一下，锻炼你们的胆量。
建议你们去做的：
1. 直播领域的探索。 目前这个行业，颜值就是流量。对于很高年少青春的同学来说，这个是最大的资本。 并且，成本不大，就一个手机即可。人人皆可做。
2. 证券市场上的无风险套利： 比如可转债打新，或者港股，美股打新。不过后者会有一定破发风险。并且入金有一定的门槛。
对于可转债打新，你只需要开通一个证券账户，然后就可以每天都打，如果当天有新债可打。 打中后才给钱。并且这个转债，一般情况下，破发的概率比较小，即使破发了，后面也会来到100元以上。这个可以放心。历史上没有哪一只转债没有上过100元。
不过对于打新族来说，正确的做法就是上市就卖。不然就没有剩余资金来已经下一只转债了。
目前如果需要开户，可以联系wx：
可转债交易费率目前全市场最低，达到百万分之二，对于学生而言，每一分都值得节约。百万分之二的费率，意味着一百万的交易，收费只有2元，而1万元的交易额，费用就只有2分钱。 而卖出的1000元转债，那么收费只有0.是的，不用钱哦。
有道云笔记手机端经常无法同步
闲聊 • 绫波丽 发表了文章 • 0 个评论 • 1853 次浏览 • 2021-06-27 22:59
本来想马上同步一下数据，在PC端获取的。
结果是死活无法同步，这情况已经不是一两次。
而是经常出现！！
难道网易的测试都这么水的吗? 这样的问题都测试不出来？
结果是死活无法同步，这情况已经不是一两次。
而是经常出现！！
难道网易的测试都这么水的吗? 这样的问题都测试不出来？
本来想马上同步一下数据，在PC端获取的。
结果是死活无法同步，这情况已经不是一两次。
而是经常出现！！
难道网易的测试都这么水的吗? 这样的问题都测试不出来？
结果是死活无法同步，这情况已经不是一两次。
而是经常出现！！
难道网易的测试都这么水的吗? 这样的问题都测试不出来？
富途美股打新费用挺贵的啊
量化交易 • 绫波丽 发表了文章 • 0 个评论 • 1584 次浏览 • 2021-06-23 12:57
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
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
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
量化交易 • 绫波丽 发表了文章 • 0 个评论 • 2454 次浏览 • 2021-06-23 10:44
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：
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：
etf全球投资指南 PDF电子书 高清完整版 读后感 & 电子书下载
书籍 • 绫波丽 发表了文章 • 0 个评论 • 2231 次浏览 • 2021-06-18 16:33
读后感：
1. 原有有做空A股的ETF
2. 投资不同国家的ETF的方式。前提需要有一个美股账号。 这个国内开通也很方便的，就入金的时候有点麻烦。
PDF word高清版
下载地址：关注微信公众：
后台回复：
etf全球投资指南
即可
查看全部
1. 原有有做空A股的ETF
2. 投资不同国家的ETF的方式。前提需要有一个美股账号。 这个国内开通也很方便的，就入金的时候有点麻烦。
PDF word高清版
下载地址：关注微信公众：
后台回复：
etf全球投资指南
即可
查看全部
读后感：
1. 原有有做空A股的ETF
2. 投资不同国家的ETF的方式。前提需要有一个美股账号。 这个国内开通也很方便的，就入金的时候有点麻烦。
PDF word高清版
下载地址：关注微信公众：
后台回复：
etf全球投资指南
即可
1. 原有有做空A股的ETF
2. 投资不同国家的ETF的方式。前提需要有一个美股账号。 这个国内开通也很方便的，就入金的时候有点麻烦。
PDF word高清版
下载地址：关注微信公众：
后台回复：
etf全球投资指南
即可
flask自定义所有错误返回json格式
python • 李魔佛 发表了文章 • 0 个评论 • 1387 次浏览 • 2021-06-13 19:05
使用app.register_error_andler绑定时，把debug=True去掉才可以。
使用app.register_error_andler绑定时，把debug=True去掉才可以。
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 • 1999 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
csdn网站就不能优化下的么，在远程桌面访问卡得要命
闲聊 • 李魔佛 发表了文章 • 0 个评论 • 1511 次浏览 • 2021-06-04 09:47
加了没有必要得背景特效，弄得在远程桌面下渲染效果极为卡顿。
现在搜索出来得结果见到csdn得就得躲得远远得。
一来本身质量不行，都是抄来抄去
现在搜索出来得结果见到csdn得就得躲得远远得。
一来本身质量不行，都是抄来抄去
加了没有必要得背景特效，弄得在远程桌面下渲染效果极为卡顿。
现在搜索出来得结果见到csdn得就得躲得远远得。
一来本身质量不行，都是抄来抄去
现在搜索出来得结果见到csdn得就得躲得远远得。
一来本身质量不行，都是抄来抄去
微信gif 大小不能超过50K，不然就当做文件发送，无法显示的
闲聊 • 李魔佛 发表了文章 • 0 个评论 • 2541 次浏览 • 2021-05-31 10:29
估计是影响图片的动态显示性能。
只能把图片压缩一下，或者去除一些无用帧
只能把图片压缩一下，或者去除一些无用帧
估计是影响图片的动态显示性能。
只能把图片压缩一下，或者去除一些无用帧
只能把图片压缩一下，或者去除一些无用帧
优矿的可转债的YTM数据为空 nan
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 1851 次浏览 • 2021-05-31 09:18
获取函数：DataAPI.MktBonddGet(secID=u"",ticker=u"122560",tradeDate=u"",beginDate=u"20180301",endDate=u"20180315",field=u"",pandas="1")
注意YTM哪一列全是Nan
脏数据太多了，吐槽一波。 查看全部
注意YTM哪一列全是Nan
脏数据太多了，吐槽一波。 查看全部
获取函数：
注意YTM哪一列全是Nan
脏数据太多了，吐槽一波。
DataAPI.MktBonddGet(secID=u"",ticker=u"122560",tradeDate=u"",beginDate=u"20180301",endDate=u"20180315",field=u"",pandas="1")
注意YTM哪一列全是Nan
脏数据太多了，吐槽一波。
pandas 合并两个表，如何保留第一个表的索引？
python • 李魔佛 发表了文章 • 0 个评论 • 2563 次浏览 • 2021-05-29 22:17
df1 数据
tickerBond closePriceBond bondPremRatio secShortNameBond tickerEqu \
secID
110066 110066 199.94 -1.2442 盛屯转债 600711
110067 110067 119.53 25.9204 华安转债 600909
113021 113021 105.81 45.0989 中信转债 601998
113024 113024 101.94 36.6668 核建转债 601611
113025 113025 129.16 0.0409 明泰转债 601677
df2 数据
ROE tickerEqu
0 2.642931 600711
1 4.425438 600909
2 6.259092 601998
3 4.432315 601611
4 6.454054 601677
如果按照 pd.merge(df1,df2,on='tickerEqu') ,按照列 tickerEqu 进行合并，这样会导致最后合成的新的列的索性重构，变成 0,1,2,3 这种的。
有什么办法可以保留 df1 的索引？ 用 join 的话会报错，因为 df2 的索引和 df1 匹配不上。
先 df1 = df1.reset_index()，合并之后再把 secID 那一列设为 index 。 查看全部
tickerBond closePriceBond bondPremRatio secShortNameBond tickerEqu \
secID
110066 110066 199.94 -1.2442 盛屯转债 600711
110067 110067 119.53 25.9204 华安转债 600909
113021 113021 105.81 45.0989 中信转债 601998
113024 113024 101.94 36.6668 核建转债 601611
113025 113025 129.16 0.0409 明泰转债 601677
df2 数据
ROE tickerEqu
0 2.642931 600711
1 4.425438 600909
2 6.259092 601998
3 4.432315 601611
4 6.454054 601677
如果按照 pd.merge(df1,df2,on='tickerEqu') ,按照列 tickerEqu 进行合并，这样会导致最后合成的新的列的索性重构，变成 0,1,2,3 这种的。
有什么办法可以保留 df1 的索引？ 用 join 的话会报错，因为 df2 的索引和 df1 匹配不上。
先 df1 = df1.reset_index()，合并之后再把 secID 那一列设为 index 。 查看全部
df1 数据
df2 数据
如果按照 pd.merge(df1,df2,on='tickerEqu') ,按照列 tickerEqu 进行合并，这样会导致最后合成的新的列的索性重构，变成 0,1,2,3 这种的。
有什么办法可以保留 df1 的索引？ 用 join 的话会报错，因为 df2 的索引和 df1 匹配不上。
tickerBond closePriceBond bondPremRatio secShortNameBond tickerEqu \
secID
110066 110066 199.94 -1.2442 盛屯转债 600711
110067 110067 119.53 25.9204 华安转债 600909
113021 113021 105.81 45.0989 中信转债 601998
113024 113024 101.94 36.6668 核建转债 601611
113025 113025 129.16 0.0409 明泰转债 601677
df2 数据
ROE tickerEqu
0 2.642931 600711
1 4.425438 600909
2 6.259092 601998
3 4.432315 601611
4 6.454054 601677
如果按照 pd.merge(df1,df2,on='tickerEqu') ,按照列 tickerEqu 进行合并，这样会导致最后合成的新的列的索性重构，变成 0,1,2,3 这种的。
有什么办法可以保留 df1 的索引？ 用 join 的话会报错，因为 df2 的索引和 df1 匹配不上。
先 df1 = df1.reset_index()，合并之后再把 secID 那一列设为 index 。
李笑来：普通人如何练习做到深入思考
闲聊 • 李魔佛 发表了文章 • 0 个评论 • 2294 次浏览 • 2021-05-28 19:21
李笑来：
普通人如何练习做到深入思考？
喜欢和聪明人打交道
1. 聪明人的定义：
对一些清晰，必要，准确的概念，很明白，没必要的东西可能就被抛弃。
聪明不是天生的，而是长期积累，锻炼。
我不相信聪明人赚不到钱。
如何锻炼：
同一个问题，经常去想，就会比别人想的深刻，周全。
对一件事情想象得深刻，并不是靠聪明就可以做得来的。
独立的时间，空间，不干扰。
别忘了问题，天天想，想得比别人多，足够多。 查看全部
普通人如何练习做到深入思考？
喜欢和聪明人打交道
1. 聪明人的定义：
对一些清晰，必要，准确的概念，很明白，没必要的东西可能就被抛弃。
聪明不是天生的，而是长期积累，锻炼。
我不相信聪明人赚不到钱。
如何锻炼：
同一个问题，经常去想，就会比别人想的深刻，周全。
对一件事情想象得深刻，并不是靠聪明就可以做得来的。
独立的时间，空间，不干扰。
别忘了问题，天天想，想得比别人多，足够多。 查看全部
李笑来：
普通人如何练习做到深入思考？
喜欢和聪明人打交道
1. 聪明人的定义：
对一些清晰，必要，准确的概念，很明白，没必要的东西可能就被抛弃。
聪明不是天生的，而是长期积累，锻炼。
我不相信聪明人赚不到钱。
如何锻炼：
同一个问题，经常去想，就会比别人想的深刻，周全。
对一件事情想象得深刻，并不是靠聪明就可以做得来的。
独立的时间，空间，不干扰。
别忘了问题，天天想，想得比别人多，足够多。
普通人如何练习做到深入思考？
喜欢和聪明人打交道
1. 聪明人的定义：
对一些清晰，必要，准确的概念，很明白，没必要的东西可能就被抛弃。
聪明不是天生的，而是长期积累，锻炼。
我不相信聪明人赚不到钱。
如何锻炼：
同一个问题，经常去想，就会比别人想的深刻，周全。
对一件事情想象得深刻，并不是靠聪明就可以做得来的。
独立的时间，空间，不干扰。
别忘了问题，天天想，想得比别人多，足够多。
Ptrade策略示例
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 3875 次浏览 • 2021-05-26 19:02
策略示例
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
tick级别均线策略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)
#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
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))
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):
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
如果需要开通Ptrade量化接口，只需资金50W存放一周即可。
交易费率也很便宜，股票万一，基金万0.6， 可转债百万分之二。
量化接口不需要收取任何费用。
有意者可以扫码开户： 查看全部
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
tick级别均线策略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)
#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
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))
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):
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
如果需要开通Ptrade量化接口，只需资金50W存放一周即可。
交易费率也很便宜，股票万一，基金万0.6， 可转债百万分之二。
量化接口不需要收取任何费用。
有意者可以扫码开户： 查看全部
策略示例
集合竞价追涨停策略
tick级别均线策略
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
如果需要开通Ptrade量化接口，只需资金50W存放一周即可。
交易费率也很便宜，股票万一，基金万0.6， 可转债百万分之二。
量化接口不需要收取任何费用。
有意者可以扫码开户：
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
tick级别均线策略
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)
#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
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))
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):
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
如果需要开通Ptrade量化接口，只需资金50W存放一周即可。
交易费率也很便宜，股票万一，基金万0.6， 可转债百万分之二。
量化接口不需要收取任何费用。
有意者可以扫码开户：
股票量化接口 支持python 费率低 股票万一 免五
券商万一免五 • 绫波丽 发表了文章 • 0 个评论 • 2694 次浏览 • 2021-05-25 23:44
基于恒生电子的Ptrade系统。
可以使用可视化创建策略进行自动交易，内置的量化策略有打板策略，追涨策略，ETF申购套利策略，可转债套利策略，期现套利策略，等等，太多了，就挑几个写出了。
而更为高级的功能则通过python编程自动化交易程序：
提供了完善的使用文档：
开通条件只需要３0W资金存放约1周即可。
具体交易费率是股票万1棉吾，可转债沪深十万分之五，基金万0.6
需要的可以扫码开户：
股票费率是万一免五【开通量化API接口后】 查看全部
可以使用可视化创建策略进行自动交易，内置的量化策略有打板策略，追涨策略，ETF申购套利策略，可转债套利策略，期现套利策略，等等，太多了，就挑几个写出了。
而更为高级的功能则通过python编程自动化交易程序：
提供了完善的使用文档：
开通条件只需要３0W资金存放约1周即可。
具体交易费率是股票万1棉吾，可转债沪深十万分之五，基金万0.6
需要的可以扫码开户：
股票费率是万一免五【开通量化API接口后】 查看全部
基于恒生电子的Ptrade系统。
可以使用可视化创建策略进行自动交易，内置的量化策略有打板策略，追涨策略，ETF申购套利策略，可转债套利策略，期现套利策略，等等，太多了，就挑几个写出了。
而更为高级的功能则通过python编程自动化交易程序：
提供了完善的使用文档：
开通条件只需要３0W资金存放约1周即可。
具体交易费率是股票万1棉吾，可转债沪深十万分之五，基金万0.6
需要的可以扫码开户：
股票费率是万一免五【开通量化API接口后】
可以使用可视化创建策略进行自动交易，内置的量化策略有打板策略，追涨策略，ETF申购套利策略，可转债套利策略，期现套利策略，等等，太多了，就挑几个写出了。
而更为高级的功能则通过python编程自动化交易程序：
提供了完善的使用文档：
开通条件只需要３0W资金存放约1周即可。
具体交易费率是股票万1棉吾，可转债沪深十万分之五，基金万0.6
需要的可以扫码开户：
股票费率是万一免五【开通量化API接口后】
国金证券万一 免5开户 还有吗？
券商万一免五 • 绫波丽 发表了文章 • 0 个评论 • 6692 次浏览 • 2021-05-25 01:34
### 2022-08-29 更新 #############
目前国金可以万一免五开户开户啦
### 2022-05-29 更新 #############
目前国金 佣金宝 开户费率可调至股票万一，资金达标者可以万一，具体标准可以联系文末的微信。
国金之前是腾讯京东入股的券商，主要在网上开户渠道较多，线下营业部貌似比较少，不过大部分业务可以在app就可以完成的了。
一般官网开的费率都是万2.5。（小白用户）
有意开户者可以扫描下面二维码：
备注：开户
目前国金费率是万1，很划算的。
市场上也很难找到万一免五的国金，机会难得，要珍惜，机会就像 过去的船，射出去的箭，不好好把握，就很难等下一次了。
注：
超过3个户的可以只开通深圳的证券户，上海的可以转过来或者后面慢慢销掉不常用的。
查看全部
目前国金可以万一免五开户开户啦
### 2022-05-29 更新 #############
目前国金 佣金宝 开户费率可调至股票万一，资金达标者可以万一，具体标准可以联系文末的微信。
国金之前是腾讯京东入股的券商，主要在网上开户渠道较多，线下营业部貌似比较少，不过大部分业务可以在app就可以完成的了。
一般官网开的费率都是万2.5。（小白用户）
有意开户者可以扫描下面二维码：
备注：开户
目前国金费率是万1，很划算的。
市场上也很难找到万一免五的国金，机会难得，要珍惜，机会就像 过去的船，射出去的箭，不好好把握，就很难等下一次了。
注：
超过3个户的可以只开通深圳的证券户，上海的可以转过来或者后面慢慢销掉不常用的。
查看全部
### 2022-08-29 更新 #############
目前国金可以万一免五开户开户啦
### 2022-05-29 更新 #############
目前国金 佣金宝 开户费率可调至股票万一，资金达标者可以万一，具体标准可以联系文末的微信。
国金之前是腾讯京东入股的券商，主要在网上开户渠道较多，线下营业部貌似比较少，不过大部分业务可以在app就可以完成的了。
一般官网开的费率都是万2.5。（小白用户）
有意开户者可以扫描下面二维码：
备注：开户
目前国金费率是万1，很划算的。
市场上也很难找到万一免五的国金，机会难得，要珍惜，机会就像 过去的船，射出去的箭，不好好把握，就很难等下一次了。
注：
超过3个户的可以只开通深圳的证券户，上海的可以转过来或者后面慢慢销掉不常用的。
目前国金可以万一免五开户开户啦
### 2022-05-29 更新 #############
目前国金 佣金宝 开户费率可调至股票万一，资金达标者可以万一，具体标准可以联系文末的微信。
国金之前是腾讯京东入股的券商，主要在网上开户渠道较多，线下营业部貌似比较少，不过大部分业务可以在app就可以完成的了。
一般官网开的费率都是万2.5。（小白用户）
有意开户者可以扫描下面二维码：
备注：开户
目前国金费率是万1，很划算的。
市场上也很难找到万一免五的国金，机会难得，要珍惜，机会就像 过去的船，射出去的箭，不好好把握，就很难等下一次了。
注：
超过3个户的可以只开通深圳的证券户，上海的可以转过来或者后面慢慢销掉不常用的。
中国互联套利教程 手摸手操作教程
量化交易 • 绫波丽 发表了文章 • 0 个评论 • 1850 次浏览 • 2021-05-25 01:21
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
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
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
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
中国互联申购到账 还好有申购一折
券商万一免五 • 绫波丽 发表了文章 • 0 个评论 • 1995 次浏览 • 2021-05-24 23:42
中国互联溢价申购套利记录：
上周四开始套的
单个股东户申购5000，实际申购份额2693份，成交金额： 4944，到账4938，手续费5.93，在百分之1.5的基础上打了一折，实际算下来，费率0.12%。
目前一个股东户持有市值：5060，一个户净赚：5060-4944 = 115，一个稍微豪华点的盒饭钱。
不过明天肯定是低开的了。
如果需要银河开户，有基金申购打折，并且股票万一免五，
可以扫码联系：
非诚勿扰，备注：开户 查看全部
上周四开始套的
单个股东户申购5000，实际申购份额2693份，成交金额： 4944，到账4938，手续费5.93，在百分之1.5的基础上打了一折，实际算下来，费率0.12%。
目前一个股东户持有市值：5060，一个户净赚：5060-4944 = 115，一个稍微豪华点的盒饭钱。
不过明天肯定是低开的了。
如果需要银河开户，有基金申购打折，并且股票万一免五，
可以扫码联系：
非诚勿扰，备注：开户 查看全部
中国互联溢价申购套利记录：
上周四开始套的
单个股东户申购5000，实际申购份额2693份，成交金额： 4944，到账4938，手续费5.93，在百分之1.5的基础上打了一折，实际算下来，费率0.12%。
目前一个股东户持有市值：5060，一个户净赚：5060-4944 = 115，一个稍微豪华点的盒饭钱。
不过明天肯定是低开的了。
如果需要银河开户，有基金申购打折，并且股票万一免五，
可以扫码联系：
非诚勿扰，备注：开户
上周四开始套的
单个股东户申购5000，实际申购份额2693份，成交金额： 4944，到账4938，手续费5.93，在百分之1.5的基础上打了一折，实际算下来，费率0.12%。
目前一个股东户持有市值：5060，一个户净赚：5060-4944 = 115，一个稍微豪华点的盒饭钱。
不过明天肯定是低开的了。
如果需要银河开户，有基金申购打折，并且股票万一免五，
可以扫码联系：
非诚勿扰，备注：开户
火币登录时提示 谷歌验证码错误 无法登录
量化交易-Ptrade-QMT • 绫波丽 发表了文章 • 0 个评论 • 3278 次浏览 • 2021-05-23 14:04
安全器使用的时谷歌身份验证器，反复登录几次后一直提示谷歌验证码错误,，请重新输入。
难度凉凉了吗？？
和客服聊了下，只好解绑。或者用app登录
难度凉凉了吗？？
和客服聊了下，只好解绑。或者用app登录
安全器使用的时谷歌身份验证器，反复登录几次后一直提示谷歌验证码错误,，请重新输入。
难度凉凉了吗？？
和客服聊了下，只好解绑。或者用app登录
难度凉凉了吗？？
和客服聊了下，只好解绑。或者用app登录
韦世东 python3网络爬虫宝典 勘误
python爬虫 • 李魔佛 发表了文章 • 0 个评论 • 1930 次浏览 • 2021-05-21 20:06
P231:
1. 时间差是正数才是过期
2. 获取权限那里，permission = args[0].permission
不能后面再用get
P222：
写入mongodb后，原来的数据会被加入一个_id，值为OjectId，该值是无法被json dumps为string，
所以需要手工把ObjectId 转为str，或者del message['_id'] 将这个键去除。
查看全部
1. 时间差是正数才是过期
2. 获取权限那里，permission = args[0].permission
不能后面再用get
P222：
写入mongodb后，原来的数据会被加入一个_id，值为OjectId，该值是无法被json dumps为string，
所以需要手工把ObjectId 转为str，或者del message['_id'] 将这个键去除。
查看全部
P231:
1. 时间差是正数才是过期
2. 获取权限那里，permission = args[0].permission
不能后面再用get
P222：
写入mongodb后，原来的数据会被加入一个_id，值为OjectId，该值是无法被json dumps为string，
所以需要手工把ObjectId 转为str，或者del message['_id'] 将这个键去除。
1. 时间差是正数才是过期
2. 获取权限那里，permission = args[0].permission
不能后面再用get
P222：
写入mongodb后，原来的数据会被加入一个_id，值为OjectId，该值是无法被json dumps为string，
所以需要手工把ObjectId 转为str，或者del message['_id'] 将这个键去除。
