美股交流群 微信群 程序化交易

投资绫波丽 发表了文章 • 0 个评论 • 180 次浏览 • 2021-06-23 10:44 • 来自相关话题

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

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 • 234 次浏览 • 2021-06-18 16:33 • 来自相关话题

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
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

xXKRWHcqGn.png

 
下载地址:关注微信公众:

 
后台回复:
etf全球投资指南
 
即可
 

可转债发行的流程

股票绫波丽 发表了文章 • 0 个评论 • 194 次浏览 • 2021-06-17 15:52 • 来自相关话题

发行流程:董事会预案 → 股东大会批准 → 证监会受理 → 发审委通过 → 证监会核准/同意注册 → 发行公告 
 
可转债低费率开户,百万分之二,没有最低收费限制。
可联系: 查看全部
发行流程:董事会预案 → 股东大会批准 → 证监会受理 → 发审委通过 → 证监会核准/同意注册 → 发行公告 
 
可转债低费率开户,百万分之二,没有最低收费限制。
可联系:

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 • 161 次浏览 • 2021-06-13 19:05 • 来自相关话题

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 • 256 次浏览 • 2021-06-10 23:15 • 来自相关话题

比如个人比较关注套利基金LOF,所以主要爬取的公告是LOF的









 
然后通过NLP分析公告内容,过滤出个人想要的内容。
 
关注个人公众号,获取更多内容
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
M7ENbhD4ve.png


C74upMwH5x.png

 
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 • 229 次浏览 • 2021-06-04 09:47 • 来自相关话题

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
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

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 • 347 次浏览 • 2021-05-31 10:29 • 来自相关话题

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
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

优矿的可转债的YTM数据为空 nan

量化交易李魔佛 发表了文章 • 0 个评论 • 274 次浏览 • 2021-05-31 09:18 • 来自相关话题

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
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

loDPX1TA71.png

 
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 • 274 次浏览 • 2021-05-29 22:17 • 来自相关话题

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
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 。

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 • 266 次浏览 • 2021-05-28 19:21 • 来自相关话题

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
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。

Ptrade策略示例

量化交易绫波丽 发表了文章 • 0 个评论 • 406 次浏览 • 2021-05-26 19:02 • 来自相关话题

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。
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
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。
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

券商万一免五绫波丽 发表了文章 • 0 个评论 • 485 次浏览 • 2021-05-25 23:44 • 来自相关话题

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50W资金存放约1周即可。
具体交易费率是股票万1,可转债百万分之二,基金万0.6
 
需要的可以扫码开户: 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。

kTmn9iOXaS.png

 
而更为高级的功能则通过python编程自动化交易程序:

Pig1iRRQnP.png

 

25YjBEdOqa.png

 

Hc8f4UtMfW.png

 
提供了完善的使用文档:

uQ8yuFUOqj.png

 
 
开通条件只需要50W资金存放约1周即可。
具体交易费率是股票万1,可转债百万分之二,基金万0.6
 
需要的可以扫码开户:

深市可转债费率最低百万分之二

券商万一免五绫波丽 发表了文章 • 1 个评论 • 362 次浏览 • 2021-05-25 01:40 • 来自相关话题

正常大部分券商的深市可转债费率在十万分之5或者十万分之4.

但最近有一家非常优惠的券商,给到的深市可转债费率 为 百万分之二。
股票万一。

并且券商支持同花顺登录。并可开通Ptrade量化交易接口。
 








有兴趣的朋友可以扫描二维码开户:
 

 
  查看全部
正常大部分券商的深市可转债费率在十万分之5或者十万分之4.

但最近有一家非常优惠的券商,给到的深市可转债费率 为 百万分之二
股票万一。

并且券商支持同花顺登录。并可开通Ptrade量化交易接口。
 

6psg6kkBUM.png




有兴趣的朋友可以扫描二维码开户:
 

 
 

国金证券万一免五

券商万一免五绫波丽 发表了文章 • 0 个评论 • 849 次浏览 • 2021-05-25 01:34 • 来自相关话题

只限定某个时间段会开放,随时会关闭,不过只要开户成功后,免五后就一直有效。
晚开的估计就只能等下一次了。
 
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。
 
有意开户者可以扫描下面二维码:

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
只限定某个时间段会开放,随时会关闭,不过只要开户成功后,免五后就一直有效。
晚开的估计就只能等下一次了。
 
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。
 
有意开户者可以扫描下面二维码:

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

券商万一免五绫波丽 发表了文章 • 0 个评论 • 342 次浏览 • 2021-05-25 01:21 • 来自相关话题

整体流程如下:先挖坑,后续逐渐填
 1. 首先发现溢价的基金
 
2. 查看公告
 
3. 准备一个基金申购费率低的券商账号
 
4. 申购
 
5. 等待到账,卖出
 
6. 结束
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