通知设置 新通知
vim定义快捷键 运行go程序
Linux • 李魔佛 发表了文章 • 0 个评论 • 1895 次浏览 • 2021-07-23 16:27
nnoremap gr :!go run %<CR>
所以你可以很容易地输入gr你的vim,它就会执行。
nnoremap gr :!go run %<CR>
所以你可以很容易地输入gr你的vim,它就会执行。
chrome 屏蔽网址插件 Site Blocker 下载
闲聊 • 李魔佛 发表了文章 • 0 个评论 • 1894 次浏览 • 2021-07-21 11:52
(本来还有一个Block Site 也挺好用的,可是要收费,所以只好白嫖了)
不过这个site blocker会有个问题,就是如果你装了它后,如果在地址栏搜索,他会重定向到bing的搜索引擎。
刚开始以为被什么东东持劫了。不过一般用的谷歌搜索引擎,所以多一个步骤,先点一下收藏栏里面的google,再去搜索。
私信获取百度网盘的下载地址
或者关注公众号后台回复:
屏蔽网址
查看全部
港股打新行话合集
股票 • 绫波丽 发表了文章 • 0 个评论 • 1720 次浏览 • 2021-07-19 22:55
暗盘:上市前一天16:15分开始的交易,有些券商没有,富途辉立耀才股票价格有时不同,可高卖低买,上市再卖的持有底仓的套利
入金:钱从银行存入券商
出金:钱从券商转到银行
银证:有些券商绑定银行后实现资金秒到
孖赞:就是融资申购的意思
免费餐,38餐,100餐:免费指1w以内,38餐指的是辉立借5w融资申购以内只需要手续费38,20w以内只需要手续费100
认购倍数:比如募资1亿,结果有10亿去申购,这就是10倍认购
回拨:指国配和公开发行之间拿货比例。一般的票,是15倍认购以下,不回拨。公开占10%,国配90% 15-50倍,公开30%,50-100倍,公开40%,超购100倍以上,回拨50%,国配与公开各一半,类似康方
一手融:部分券商不满一手资金也可以融资申购
甲组:申购资金单户500w以下小散
甲尾:500w以下最高一档
乙组:申购资金单户500w以上大散
乙头:500w以上最低一档
顶头锤:有钱大老板单户顶格申购了
破发:跌破发行价
一手党:单户申购一手
国配:国际配售。一般是大户和机构,区别于散户申购,他们是“拿货”,但分配却要看和保荐人承销团关系,比较暗箱。
百户侯:港股账户超过一百
海底捞:暗盘买进
抽飞:申购了以后最后几天撤单
卖飞:卖了以后股价又涨了
绿鞋:稳定价格机制,时灵时不灵
捷利交易宝:最常用看孖赞和新股情况的APP 查看全部
暗盘:上市前一天16:15分开始的交易,有些券商没有,富途辉立耀才股票价格有时不同,可高卖低买,上市再卖的持有底仓的套利
入金:钱从银行存入券商
出金:钱从券商转到银行
银证:有些券商绑定银行后实现资金秒到
孖赞:就是融资申购的意思
免费餐,38餐,100餐:免费指1w以内,38餐指的是辉立借5w融资申购以内只需要手续费38,20w以内只需要手续费100
认购倍数:比如募资1亿,结果有10亿去申购,这就是10倍认购
回拨:指国配和公开发行之间拿货比例。一般的票,是15倍认购以下,不回拨。公开占10%,国配90% 15-50倍,公开30%,50-100倍,公开40%,超购100倍以上,回拨50%,国配与公开各一半,类似康方
一手融:部分券商不满一手资金也可以融资申购
甲组:申购资金单户500w以下小散
甲尾:500w以下最高一档
乙组:申购资金单户500w以上大散
乙头:500w以上最低一档
顶头锤:有钱大老板单户顶格申购了
破发:跌破发行价
一手党:单户申购一手
国配:国际配售。一般是大户和机构,区别于散户申购,他们是“拿货”,但分配却要看和保荐人承销团关系,比较暗箱。
百户侯:港股账户超过一百
海底捞:暗盘买进
抽飞:申购了以后最后几天撤单
卖飞:卖了以后股价又涨了
绿鞋:稳定价格机制,时灵时不灵
捷利交易宝:最常用看孖赞和新股情况的APP
可转债转股套利 收益率统计 只做大于-5%折价率以上
股票 • 李魔佛 发表了文章 • 0 个评论 • 1613 次浏览 • 2021-07-19 00:11
平均收益是 0.014%
总收益率是0.225%
优矿接口的日期定义真让人蛋疼
股票 • 李魔佛 发表了文章 • 0 个评论 • 1553 次浏览 • 2021-07-17 20:24
然后接口查询结果返回的是YYYY-MM-DD
难道统一一下这么难吗?
然后接口查询结果返回的是YYYY-MM-DD
难道统一一下这么难吗?
python pyecharts 多图叠加 bar和line叠加在一张图上
python • 李魔佛 发表了文章 • 0 个评论 • 4564 次浏览 • 2021-07-10 12:21
先准备一个bar图
import pyecharts.options as opts
from pyecharts.charts import Bar, Line
x_data = ["1月", "2月", "3月", "4月", "5月", "6月", "7月", "8月", "9月", "10月", "11月", "12月"]
bar = (
Bar(init_opts=opts.InitOpts(width="1600px", height="800px"))
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="蒸发量",
y_axis=[
2.0,
4.9,
7.0,
23.2,
25.6,
76.7,
135.6,
162.2,
32.6,
20.0,
6.4,
3.3,
],
label_opts=opts.LabelOpts(is_show=False),
)
.add_yaxis(
series_name="降水量",
y_axis=[
2.6,
5.9,
9.0,
26.4,
28.7,
70.7,
175.6,
182.2,
48.7,
18.8,
6.0,
2.3,
],
label_opts=opts.LabelOpts(is_show=False),
)
.extend_axis(
yaxis=opts.AxisOpts(
name="温度",
type_="value",
min_=0,
max_=25,
interval=5,
axislabel_opts=opts.LabelOpts(formatter="{value} °C"),
)
)
.set_global_opts(
tooltip_opts=opts.TooltipOpts(
is_show=True, trigger="axis", axis_pointer_type="cross"
),
xaxis_opts=opts.AxisOpts(
type_="category",
axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),
),
yaxis_opts=opts.AxisOpts(
name="水量",
type_="value",
min_=0,
max_=250,
interval=50,
axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
axistick_opts=opts.AxisTickOpts(is_show=True),
splitline_opts=opts.SplitLineOpts(is_show=True),
),
)
)
再加一个折线图
line = (
Line()
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="平均温度",
yaxis_index=1,
y_axis=[2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2],
label_opts=opts.LabelOpts(is_show=False),
)
)
然后使用overlap 函数叠加在一起
bar.overlap(line).render_notebook()
查看全部
先准备一个bar图
import pyecharts.options as opts
from pyecharts.charts import Bar, Line
x_data = ["1月", "2月", "3月", "4月", "5月", "6月", "7月", "8月", "9月", "10月", "11月", "12月"]
bar = (
Bar(init_opts=opts.InitOpts(width="1600px", height="800px"))
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="蒸发量",
y_axis=[
2.0,
4.9,
7.0,
23.2,
25.6,
76.7,
135.6,
162.2,
32.6,
20.0,
6.4,
3.3,
],
label_opts=opts.LabelOpts(is_show=False),
)
.add_yaxis(
series_name="降水量",
y_axis=[
2.6,
5.9,
9.0,
26.4,
28.7,
70.7,
175.6,
182.2,
48.7,
18.8,
6.0,
2.3,
],
label_opts=opts.LabelOpts(is_show=False),
)
.extend_axis(
yaxis=opts.AxisOpts(
name="温度",
type_="value",
min_=0,
max_=25,
interval=5,
axislabel_opts=opts.LabelOpts(formatter="{value} °C"),
)
)
.set_global_opts(
tooltip_opts=opts.TooltipOpts(
is_show=True, trigger="axis", axis_pointer_type="cross"
),
xaxis_opts=opts.AxisOpts(
type_="category",
axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),
),
yaxis_opts=opts.AxisOpts(
name="水量",
type_="value",
min_=0,
max_=250,
interval=50,
axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
axistick_opts=opts.AxisTickOpts(is_show=True),
splitline_opts=opts.SplitLineOpts(is_show=True),
),
)
)
再加一个折线图
line = (
Line()
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="平均温度",
yaxis_index=1,
y_axis=[2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2],
label_opts=opts.LabelOpts(is_show=False),
)
)
然后使用overlap 函数叠加在一起
bar.overlap(line).render_notebook()
ubuntu软件中心 正在安装的软件如何中断
Linux • 李魔佛 发表了文章 • 0 个评论 • 1765 次浏览 • 2021-07-08 08:52
但是看到它里面有个系统版本升级, 丫的要帮我升级ubuntu呀. 要果断阻止呀.
可惜找不到种植的按钮, 不得不吐槽下这个垃圾设计.
无奈只好ps -aux | grep soft
找到了那个软件升级中心的进程pid
再 kill -9 pid
粗暴地把软件升级中心停掉. 查看全部
但是看到它里面有个系统版本升级, 丫的要帮我升级ubuntu呀. 要果断阻止呀.
可惜找不到种植的按钮, 不得不吐槽下这个垃圾设计.
无奈只好ps -aux | grep soft
找到了那个软件升级中心的进程pid
再 kill -9 pid
粗暴地把软件升级中心停掉.
宏信证券万一免五 开户 全市场费率最低
闲聊 • 绫波丽 发表了文章 • 0 个评论 • 2240 次浏览 • 2021-07-07 23:42
券商 同花顺登录 股票 股票是否免5 转债免五 转债最低
宏信 不支持 万1 免5,最低0.1元 沪:百万分之2,深:十万分之4 0.01
基金免五 基金最低 两融利率
万1 0.1 6.8%起
需要的可以加微信: 备注 宏信 查看全部
黑夜之睛
闲聊 • 绫波丽 发表了文章 • 0 个评论 • 3059 次浏览 • 2021-07-07 02:12
公众号都是水粉,托。
知乎上的问题出一个封杀一个,都是去抽热点,并且抄袭他人的语句。
更新:原来雪球上已经有人举报他了。。。
这个大骗子黑夜之睛,真名叫王荍(qiao二声),祖籍江苏泰州。本科毕业于哈工大,生命科学专业。现在上海浦东的一家叫做“华尔街见闻”的公司工作
https://xueqiu.com/5569190200/75773143
查看全部
一名在毕业后就做写手的愣头青。
公众号都是水粉,托。
知乎上的问题出一个封杀一个,都是去抽热点,并且抄袭他人的语句。
更新:原来雪球上已经有人举报他了。。。
这个大骗子黑夜之睛,真名叫王荍(qiao二声),祖籍江苏泰州。本科毕业于哈工大,生命科学专业。现在上海浦东的一家叫做“华尔街见闻”的公司工作
https://xueqiu.com/5569190200/75773143
开通Ptrade Python量化接口 国金证券/国盛证券
股票 • 绫波丽 发表了文章 • 0 个评论 • 18164 次浏览 • 2021-07-06 08:40
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
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
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 • 4331 次浏览 • 2021-07-05 18:07
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。
ubuntu16.04 无法访问github
Linux • 李魔佛 发表了文章 • 0 个评论 • 1868 次浏览 • 2021-07-05 15:26
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 • 1697 次浏览 • 2021-07-01 16:44
【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。
量化交易接口python A股
股票 • 绫波丽 发表了文章 • 0 个评论 • 6685 次浏览 • 2021-07-01 11:22
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:
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 • 6042 次浏览 • 2021-06-30 12:12
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
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 • 2094 次浏览 • 2021-06-28 19:44
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
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 • 1531 次浏览 • 2021-06-28 17:09
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。
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
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
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
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 • 2455 次浏览 • 2021-06-23 10:44
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 • 2235 次浏览 • 2021-06-18 16:33
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
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
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
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