python量化交易
6行python代码 获取通达信的可转债分时数据
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 3688 次浏览 • 2022-08-27 14:33
6行python代码 获取通达信的可转债分时数据。from pytdx.hq import TdxHq_API
api = TdxHq_API()
with api.connect('119.147.212.81', 7709):
data = api.get_security_bars(7, 0, '123045', 0, 240) # 123045 为转债代码 ，240 为获取 240个转债数据
df = api.to_df(data)
df=df.sort_values('datetime')
点击查看大图
如果需要遍历当前最新可转债代码（集思录），需要结合前面的文章。
公众号：
查看全部
api = TdxHq_API()
with api.connect('119.147.212.81', 7709):
data = api.get_security_bars(7, 0, '123045', 0, 240) # 123045 为转债代码 ，240 为获取 240个转债数据
df = api.to_df(data)
df=df.sort_values('datetime')
点击查看大图
如果需要遍历当前最新可转债代码（集思录），需要结合前面的文章。
公众号：
查看全部
6行python代码 获取通达信的可转债分时数据。
点击查看大图
如果需要遍历当前最新可转债代码（集思录），需要结合前面的文章。
公众号：
from pytdx.hq import TdxHq_API
api = TdxHq_API()
with api.connect('119.147.212.81', 7709):
data = api.get_security_bars(7, 0, '123045', 0, 240) # 123045 为转债代码 ，240 为获取 240个转债数据
df = api.to_df(data)
df=df.sort_values('datetime')
如果需要遍历当前最新可转债代码（集思录），需要结合前面的文章。
公众号：
ptrade如何以指定价格下单？
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 3479 次浏览 • 2022-07-30 19:27
在正常handle_data 或者 run_interval 模式下下单，是无法指定价格的。
order函数：order-按数量买卖
order(security, amount, limit_price=None)
买卖标的。
注意：
由于下述原因，回测中实际买入或者卖出的股票数量有时候可能与委托设置的不一样，针对上述内容调整，系统会在日志中增加警告信息：
根据委托买入数量与价格经计算后的资金数量，大于当前可用资金；
委托卖出数量大于当前可用持仓数量；
每次交易数量只能是100的整数倍，但是卖出所有股票时不受此限制；
股票停牌、股票未上市或者退市、股票不存在；
回测中每天结束时会取消所有未完成交易；
order_target - 函数order_target(security, amount, limit_price=None)
买卖股票，直到股票最终数量达到指定的amount。
注意：该函数在委托股票时取整100股，委托可转债时取整100张。
参数
security: 股票代码(str)；
amount: 期望的最终数量(int)；
limit_price：买卖限价(float)；
返回
Order对象中的id或者None。如果创建订单成功，则返回Order对象的id，失败则返回None(str)。
order_value 函数order_value - 指定目标价值买卖
order_value(security, value, limit_price=None)
买卖指定价值为value的股票。
注意：该函数在委托股票时取整100股，委托可转债时取整100张。
order_target_value - 函数order_target_value - 指定持仓市值买卖
order_target_value(security, value, limit_price=None)
调整股票仓位到value价值
注意：该函数在委托股票时取整100股，委托可转债时取整100张。
order_market 函数order_market - 按市价进行委托
order_market(security, amount, market_type=None, limit_price=None)
可以使用多种市价类型进行委托。
注意：该函数仅在股票交易模块可用。
上面几个在handle_data中使用的下单函数，都是无法指定价格的，limit_price 只是用于限价，比如你要卖1000股，limit_price的作用是不要把价格卖出你的目标，至于多少卖，是无法控制的。
但是有一个tick_data函数，专门用于行情交易的，里面可调用的函数也很少。tick_data（可选）
tick_data(context, data)
该函数会每隔3秒执行一次。
注意 ：
该函数仅在交易模块可用。
该函数在9:30之后才能执行。
该函数中只能使用order_tick进行对应的下单操作。里面下单，用的下单函数是
order_tick - tick行情触发买卖
order_tick(sid, amount, priceGear='1', limit_price=None)
买卖股票下单，可设定价格档位进行委托
注意：该函数仅在交易模块可用。
参数
sid：股票代码(str)；
amount：交易数量，正数表示买入，负数表示卖出(int)
priceGear：盘口档位，level1:1~5买档/-1~-5卖档，level2:1~10买档/-1~-10卖档(str)
limit_price：买卖限价，当输入参数中也包含priceGear时，下单价格以limit_price为主(float)；
注意到里面：
limit_price：买卖限价，当输入参数中也包含priceGear时，下单价格以limit_price为主
发现这里面居然可以定义价格下单，所以如果一定要指定价格，就需要使用tick_data 触发。
使用代码：
def initialize(context):
g.security = "600570.SS"
set_universe(g.security)
def tick_data(context,data):
security = g.security
current_price = eval(data[security]['tick']['bid_grp'][0])[1][0]
if current_price > 56 and current_price < 57:
# 以买一档下单
order_tick(g.security, -100, "1")
# 以卖二档下单
order_tick(g.security, 100, "-2")
# 以指定价格下单
order_tick(g.security, 100, limit_price=56.5)
def handle_data(context, data):
pass 查看全部
order函数：order-按数量买卖
order(security, amount, limit_price=None)
买卖标的。
注意：
由于下述原因，回测中实际买入或者卖出的股票数量有时候可能与委托设置的不一样，针对上述内容调整，系统会在日志中增加警告信息：
根据委托买入数量与价格经计算后的资金数量，大于当前可用资金；
委托卖出数量大于当前可用持仓数量；
每次交易数量只能是100的整数倍，但是卖出所有股票时不受此限制；
股票停牌、股票未上市或者退市、股票不存在；
回测中每天结束时会取消所有未完成交易；
order_target - 函数order_target(security, amount, limit_price=None)
买卖股票，直到股票最终数量达到指定的amount。
注意：该函数在委托股票时取整100股，委托可转债时取整100张。
参数
security: 股票代码(str)；
amount: 期望的最终数量(int)；
limit_price：买卖限价(float)；
返回
Order对象中的id或者None。如果创建订单成功，则返回Order对象的id，失败则返回None(str)。
order_value 函数order_value - 指定目标价值买卖
order_value(security, value, limit_price=None)
买卖指定价值为value的股票。
注意：该函数在委托股票时取整100股，委托可转债时取整100张。
order_target_value - 函数order_target_value - 指定持仓市值买卖
order_target_value(security, value, limit_price=None)
调整股票仓位到value价值
注意：该函数在委托股票时取整100股，委托可转债时取整100张。
order_market 函数order_market - 按市价进行委托
order_market(security, amount, market_type=None, limit_price=None)
可以使用多种市价类型进行委托。
注意：该函数仅在股票交易模块可用。
上面几个在handle_data中使用的下单函数，都是无法指定价格的，limit_price 只是用于限价，比如你要卖1000股，limit_price的作用是不要把价格卖出你的目标，至于多少卖，是无法控制的。
但是有一个tick_data函数，专门用于行情交易的，里面可调用的函数也很少。tick_data（可选）
tick_data(context, data)
该函数会每隔3秒执行一次。
注意 ：
该函数仅在交易模块可用。
该函数在9:30之后才能执行。
该函数中只能使用order_tick进行对应的下单操作。里面下单，用的下单函数是
order_tick - tick行情触发买卖
order_tick(sid, amount, priceGear='1', limit_price=None)
买卖股票下单，可设定价格档位进行委托
注意：该函数仅在交易模块可用。
参数
sid：股票代码(str)；
amount：交易数量，正数表示买入，负数表示卖出(int)
priceGear：盘口档位，level1:1~5买档/-1~-5卖档，level2:1~10买档/-1~-10卖档(str)
limit_price：买卖限价，当输入参数中也包含priceGear时，下单价格以limit_price为主(float)；
注意到里面：
limit_price：买卖限价，当输入参数中也包含priceGear时，下单价格以limit_price为主
发现这里面居然可以定义价格下单，所以如果一定要指定价格，就需要使用tick_data 触发。
使用代码：
def initialize(context):
g.security = "600570.SS"
set_universe(g.security)
def tick_data(context,data):
security = g.security
current_price = eval(data[security]['tick']['bid_grp'][0])[1][0]
if current_price > 56 and current_price < 57:
# 以买一档下单
order_tick(g.security, -100, "1")
# 以卖二档下单
order_tick(g.security, 100, "-2")
# 以指定价格下单
order_tick(g.security, 100, limit_price=56.5)
def handle_data(context, data):
pass 查看全部
在正常handle_data 或者 run_interval 模式下下单，是无法指定价格的。
order函数：
order_target - 函数
order_value 函数
order_target_value - 函数
order_market 函数
上面几个在handle_data中使用的下单函数，都是无法指定价格的，limit_price 只是用于限价，比如你要卖1000股，limit_price的作用是不要把价格卖出你的目标，至于多少卖，是无法控制的。
但是有一个tick_data函数，专门用于行情交易的，里面可调用的函数也很少。
order_tick - tick行情触发买卖
注意到里面：
limit_price：买卖限价，当输入参数中也包含priceGear时，下单价格以limit_price为主
发现这里面居然可以定义价格下单，所以如果一定要指定价格，就需要使用tick_data 触发。
使用代码：
order函数：
order-按数量买卖
order(security, amount, limit_price=None)
买卖标的。
注意：
由于下述原因，回测中实际买入或者卖出的股票数量有时候可能与委托设置的不一样，针对上述内容调整，系统会在日志中增加警告信息：
根据委托买入数量与价格经计算后的资金数量，大于当前可用资金；
委托卖出数量大于当前可用持仓数量；
每次交易数量只能是100的整数倍，但是卖出所有股票时不受此限制；
股票停牌、股票未上市或者退市、股票不存在；
回测中每天结束时会取消所有未完成交易；
order_target - 函数
order_target(security, amount, limit_price=None)
买卖股票，直到股票最终数量达到指定的amount。
注意：该函数在委托股票时取整100股，委托可转债时取整100张。
参数
security: 股票代码(str)；
amount: 期望的最终数量(int)；
limit_price：买卖限价(float)；
返回
Order对象中的id或者None。如果创建订单成功，则返回Order对象的id，失败则返回None(str)。
order_value 函数
order_value - 指定目标价值买卖
order_value(security, value, limit_price=None)
买卖指定价值为value的股票。
注意：该函数在委托股票时取整100股，委托可转债时取整100张。
order_target_value - 函数
order_target_value - 指定持仓市值买卖
order_target_value(security, value, limit_price=None)
调整股票仓位到value价值
注意：该函数在委托股票时取整100股，委托可转债时取整100张。
order_market 函数
order_market - 按市价进行委托
order_market(security, amount, market_type=None, limit_price=None)
可以使用多种市价类型进行委托。
注意：该函数仅在股票交易模块可用。
上面几个在handle_data中使用的下单函数，都是无法指定价格的，limit_price 只是用于限价，比如你要卖1000股，limit_price的作用是不要把价格卖出你的目标，至于多少卖，是无法控制的。
但是有一个tick_data函数，专门用于行情交易的，里面可调用的函数也很少。
tick_data（可选）里面下单，用的下单函数是
tick_data(context, data)
该函数会每隔3秒执行一次。
注意 ：
该函数仅在交易模块可用。
该函数在9:30之后才能执行。
该函数中只能使用order_tick进行对应的下单操作。
order_tick - tick行情触发买卖
order_tick(sid, amount, priceGear='1', limit_price=None)
买卖股票下单，可设定价格档位进行委托
注意：该函数仅在交易模块可用。
参数
sid：股票代码(str)；
amount：交易数量，正数表示买入，负数表示卖出(int)
priceGear：盘口档位，level1:1~5买档/-1~-5卖档，level2:1~10买档/-1~-10卖档(str)
limit_price：买卖限价，当输入参数中也包含priceGear时，下单价格以limit_price为主(float)；
注意到里面：
limit_price：买卖限价，当输入参数中也包含priceGear时，下单价格以limit_price为主
发现这里面居然可以定义价格下单，所以如果一定要指定价格，就需要使用tick_data 触发。
使用代码：
def initialize(context):
g.security = "600570.SS"
set_universe(g.security)
def tick_data(context,data):
security = g.security
current_price = eval(data[security]['tick']['bid_grp'][0])[1][0]
if current_price > 56 and current_price < 57:
# 以买一档下单
order_tick(g.security, -100, "1")
# 以卖二档下单
order_tick(g.security, 100, "-2")
# 以指定价格下单
order_tick(g.security, 100, limit_price=56.5)
def handle_data(context, data):
pass
国盛证券qmt mini模式 xtquant
券商万一免五 • 李魔佛 发表了文章 • 0 个评论 • 13017 次浏览 • 2022-07-29 01:00
国盛证券QMT：
【国盛QMT支持 xtquant qmt mini模式】
mini模式可以在外部运行，同时可以下载历史tick数据。xtdata是xtquant库中提供行情相关数据的模块，本模块旨在提供精简直接的数据满足量化交易者的数
据需求，作为python库的形式可以被灵活添加到各种策略脚本中。
主要提供行情数据（历史和实时的K线和分笔）、财务数据、合约基础信息、板块和行业分类信息等通
用的行情数据
可以直接获取level2的数据
使用python代码直接运行，不用在qmt软件里面憋屈地写代码，可直接使用pycharm，vscode编写，且有代码提示，补全，好用多了。
附一个完整的策略例子。
保存为： demo.py
命令行下运行：
python demo.py# 创建策略
#coding=utf-8
from xtquant.xttrader import XtQuantTrader, XtQuantTraderCallback
from xtquant.xtquant import StockAccount
from xtquant import xtconstant
class MyXtQuantTraderCallback(XtQuantTraderCallback):
def on_disconnected(self):
"""
连接断开
:return:
"""
print("connection lost")
def on_stock_order(self, order):
"""
委托回报推送
:param order: XtOrder对象
:return:
"""
print("on order callback:")
print(order.stock_code, order.order_status, order.order_sysid)
def on_stock_asset(self, asset):
"""
资金变动推送
:param asset: XtAsset对象
:return:
"""
print("on asset callback")
print(asset.account_id, asset.cash, asset.total_asset)
def on_stock_trade(self, trade):
"""
成交变动推送
:param trade: XtTrade对象
:return:
"""
print("on trade callback")
print(trade.account_id, trade.stock_code, trade.order_id)
def on_stock_position(self, position):
"""
持仓变动推送
:param position: XtPosition对象
:return:
"""
print("on position callback")
print(position.stock_code, position.volume)
def on_order_error(self, order_error):
"""
委托失败推送
:param order_error:XtOrderError 对象
:return:
"""
print("on order_error callback")
print(order_error.order_id, order_error.error_id, order_error.error_msg)
def on_cancel_error(self, cancel_error):
"""
撤单失败推送
:param cancel_error: XtCancelError 对象
:return:
"""
print("on cancel_error callback")
print(cancel_error.order_id, cancel_error.error_id,
cancel_error.error_msg)
def on_order_stock_async_response(self, response):
"""
异步下单回报推送
:param response: XtOrderResponse 对象
:return:
"""
print("on_order_stock_async_response")
print(response.account_id, response.order_id, response.seq)
if __name__ == "__main__":
print("demo test")
# path为mini qmt客户端安装目录下userdata_mini路径
path = 'D:\\迅投极速交易终端 睿智融科版\\userdata_mini'
# session_id为会话编号，策略使用方对于不同的Python策略需要使用不同的会话编号
session_id = 123456
xt_trader = XtQuantTrader(path, session_id)
# 创建资金账号为1000000365的证券账号对象
acc = StockAccount('1000000365')
# 创建交易回调类对象，并声明接收回调
callback = MyXtQuantTraderCallback()
xt_trader.register_callback(callback)
# 启动交易线程
xt_trader.start()
# 建立交易连接，返回0表示连接成功
connect_result = xt_trader.connect()
print(connect_result)
# 对交易回调进行订阅，订阅后可以收到交易主推，返回0表示订阅成功
subscribe_result = xt_trader.subscribe(acc)
print(subscribe_result)
stock_code = '600000.SH'
# 使用指定价下单，接口返回订单编号，后续可以用于撤单操作以及查询委托状态
print("order using the fix price:")
fix_result_order_id = xt_trader.order_stock(acc, stock_code,
xtconstant.STOCK_BUY, 200, xtconstant.FIX_PRICE, 10.5, 'strategy_name',
'remark')
print(fix_result_order_id)
# 使用订单编号撤单
print("cancel order:")
cancel_order_result = xt_trader.cancel_order_stock(acc, fix_result_order_id)
print(cancel_order_result)
# 使用异步下单接口，接口返回下单请求序号seq，seq可以和on_order_stock_async_response
的委托反馈response对应起来
print("order using async api:")
async_seq = xt_trader.order_stock(acc, stock_code, xtconstant.STOCK_BUY,
200, xtconstant.FIX_PRICE, 10.5, 'strategy_name', 'remark')
print(async_seq)
# 查询证券资产
print("query asset:")
asset = xt_trader.query_stock_asset(acc)
if asset:
print("asset:")
print("cash {0}".format(asset.cash))
# 根据订单编号查询委托
print("query order:")
order = xt_trader.query_stock_order(acc, fix_result_order_id)
if order:
print("order:")
print("order {0}".format(order.order_id))
# 查询当日所有的委托
print("query orders:")
orders = xt_trader.query_stock_orders(acc)
print("orders:", len(orders))
if len(orders) != 0:
print("last order:")
print("{0} {1} {2}".format(orders[-1].stock_code,
orders[-1].order_volume, orders[-1].price))
# 查询当日所有的成交
print("query trade:")
trades = xt_trader.query_stock_trades(acc)
print("trades:", len(trades))
if len(trades) != 0:
print("last trade:")
print("{0} {1} {2}".format(trades[-1].stock_code,
trades[-1].traded_volume, trades[-1].traded_price))
# 查询当日所有的持仓
print("query positions:")
positions = xt_trader.query_stock_positions(acc)
print("positions:", len(positions))
if len(positions) != 0:
print("last position:")
print("{0} {1} {2}".format(positions[-1].account_id,
positions[-1].stock_code, positions[-1].volume))
# 根据股票代码查询对应持仓
print("query position:")
position = xt_trader.query_stock_position(acc, stock_code)
if position:
print("position:")
print("{0} {1} {2}".format(position.account_id, position.stock_code,
position.volume))
# 阻塞线程，接收交易推送
xt_trader.run_forever()
开通xtquant的方式可以咨询。
目前开户费率低，门槛低，提供技术支持与交流。
需要的朋友，可以扫码咨询：
备注开户 查看全部
【国盛QMT支持 xtquant qmt mini模式】
mini模式可以在外部运行，同时可以下载历史tick数据。xtdata是xtquant库中提供行情相关数据的模块，本模块旨在提供精简直接的数据满足量化交易者的数
据需求，作为python库的形式可以被灵活添加到各种策略脚本中。
主要提供行情数据（历史和实时的K线和分笔）、财务数据、合约基础信息、板块和行业分类信息等通
用的行情数据
可以直接获取level2的数据
使用python代码直接运行，不用在qmt软件里面憋屈地写代码，可直接使用pycharm，vscode编写，且有代码提示，补全，好用多了。
附一个完整的策略例子。
保存为： demo.py
命令行下运行：
python demo.py# 创建策略
#coding=utf-8
from xtquant.xttrader import XtQuantTrader, XtQuantTraderCallback
from xtquant.xtquant import StockAccount
from xtquant import xtconstant
class MyXtQuantTraderCallback(XtQuantTraderCallback):
def on_disconnected(self):
"""
连接断开
:return:
"""
print("connection lost")
def on_stock_order(self, order):
"""
委托回报推送
:param order: XtOrder对象
:return:
"""
print("on order callback:")
print(order.stock_code, order.order_status, order.order_sysid)
def on_stock_asset(self, asset):
"""
资金变动推送
:param asset: XtAsset对象
:return:
"""
print("on asset callback")
print(asset.account_id, asset.cash, asset.total_asset)
def on_stock_trade(self, trade):
"""
成交变动推送
:param trade: XtTrade对象
:return:
"""
print("on trade callback")
print(trade.account_id, trade.stock_code, trade.order_id)
def on_stock_position(self, position):
"""
持仓变动推送
:param position: XtPosition对象
:return:
"""
print("on position callback")
print(position.stock_code, position.volume)
def on_order_error(self, order_error):
"""
委托失败推送
:param order_error:XtOrderError 对象
:return:
"""
print("on order_error callback")
print(order_error.order_id, order_error.error_id, order_error.error_msg)
def on_cancel_error(self, cancel_error):
"""
撤单失败推送
:param cancel_error: XtCancelError 对象
:return:
"""
print("on cancel_error callback")
print(cancel_error.order_id, cancel_error.error_id,
cancel_error.error_msg)
def on_order_stock_async_response(self, response):
"""
异步下单回报推送
:param response: XtOrderResponse 对象
:return:
"""
print("on_order_stock_async_response")
print(response.account_id, response.order_id, response.seq)
if __name__ == "__main__":
print("demo test")
# path为mini qmt客户端安装目录下userdata_mini路径
path = 'D:\\迅投极速交易终端 睿智融科版\\userdata_mini'
# session_id为会话编号，策略使用方对于不同的Python策略需要使用不同的会话编号
session_id = 123456
xt_trader = XtQuantTrader(path, session_id)
# 创建资金账号为1000000365的证券账号对象
acc = StockAccount('1000000365')
# 创建交易回调类对象，并声明接收回调
callback = MyXtQuantTraderCallback()
xt_trader.register_callback(callback)
# 启动交易线程
xt_trader.start()
# 建立交易连接，返回0表示连接成功
connect_result = xt_trader.connect()
print(connect_result)
# 对交易回调进行订阅，订阅后可以收到交易主推，返回0表示订阅成功
subscribe_result = xt_trader.subscribe(acc)
print(subscribe_result)
stock_code = '600000.SH'
# 使用指定价下单，接口返回订单编号，后续可以用于撤单操作以及查询委托状态
print("order using the fix price:")
fix_result_order_id = xt_trader.order_stock(acc, stock_code,
xtconstant.STOCK_BUY, 200, xtconstant.FIX_PRICE, 10.5, 'strategy_name',
'remark')
print(fix_result_order_id)
# 使用订单编号撤单
print("cancel order:")
cancel_order_result = xt_trader.cancel_order_stock(acc, fix_result_order_id)
print(cancel_order_result)
# 使用异步下单接口，接口返回下单请求序号seq，seq可以和on_order_stock_async_response
的委托反馈response对应起来
print("order using async api:")
async_seq = xt_trader.order_stock(acc, stock_code, xtconstant.STOCK_BUY,
200, xtconstant.FIX_PRICE, 10.5, 'strategy_name', 'remark')
print(async_seq)
# 查询证券资产
print("query asset:")
asset = xt_trader.query_stock_asset(acc)
if asset:
print("asset:")
print("cash {0}".format(asset.cash))
# 根据订单编号查询委托
print("query order:")
order = xt_trader.query_stock_order(acc, fix_result_order_id)
if order:
print("order:")
print("order {0}".format(order.order_id))
# 查询当日所有的委托
print("query orders:")
orders = xt_trader.query_stock_orders(acc)
print("orders:", len(orders))
if len(orders) != 0:
print("last order:")
print("{0} {1} {2}".format(orders[-1].stock_code,
orders[-1].order_volume, orders[-1].price))
# 查询当日所有的成交
print("query trade:")
trades = xt_trader.query_stock_trades(acc)
print("trades:", len(trades))
if len(trades) != 0:
print("last trade:")
print("{0} {1} {2}".format(trades[-1].stock_code,
trades[-1].traded_volume, trades[-1].traded_price))
# 查询当日所有的持仓
print("query positions:")
positions = xt_trader.query_stock_positions(acc)
print("positions:", len(positions))
if len(positions) != 0:
print("last position:")
print("{0} {1} {2}".format(positions[-1].account_id,
positions[-1].stock_code, positions[-1].volume))
# 根据股票代码查询对应持仓
print("query position:")
position = xt_trader.query_stock_position(acc, stock_code)
if position:
print("position:")
print("{0} {1} {2}".format(position.account_id, position.stock_code,
position.volume))
# 阻塞线程，接收交易推送
xt_trader.run_forever()
开通xtquant的方式可以咨询。
目前开户费率低，门槛低，提供技术支持与交流。
需要的朋友，可以扫码咨询：
备注开户 查看全部
国盛证券QMT：
【国盛QMT支持 xtquant qmt mini模式】
mini模式可以在外部运行，同时可以下载历史tick数据。
可以直接获取level2的数据
使用python代码直接运行，不用在qmt软件里面憋屈地写代码，可直接使用pycharm，vscode编写，且有代码提示，补全，好用多了。
附一个完整的策略例子。
保存为： demo.py
命令行下运行：
python demo.py
开通xtquant的方式可以咨询。
目前开户费率低，门槛低，提供技术支持与交流。
需要的朋友，可以扫码咨询：
备注开户
【国盛QMT支持 xtquant qmt mini模式】
mini模式可以在外部运行，同时可以下载历史tick数据。
xtdata是xtquant库中提供行情相关数据的模块，本模块旨在提供精简直接的数据满足量化交易者的数
据需求，作为python库的形式可以被灵活添加到各种策略脚本中。
主要提供行情数据（历史和实时的K线和分笔）、财务数据、合约基础信息、板块和行业分类信息等通
用的行情数据
可以直接获取level2的数据
使用python代码直接运行，不用在qmt软件里面憋屈地写代码，可直接使用pycharm，vscode编写，且有代码提示，补全，好用多了。
附一个完整的策略例子。
保存为： demo.py
命令行下运行：
python demo.py
# 创建策略
#coding=utf-8
from xtquant.xttrader import XtQuantTrader, XtQuantTraderCallback
from xtquant.xtquant import StockAccount
from xtquant import xtconstant
class MyXtQuantTraderCallback(XtQuantTraderCallback):
def on_disconnected(self):
"""
连接断开
:return:
"""
print("connection lost")
def on_stock_order(self, order):
"""
委托回报推送
:param order: XtOrder对象
:return:
"""
print("on order callback:")
print(order.stock_code, order.order_status, order.order_sysid)
def on_stock_asset(self, asset):
"""
资金变动推送
:param asset: XtAsset对象
:return:
"""
print("on asset callback")
print(asset.account_id, asset.cash, asset.total_asset)
def on_stock_trade(self, trade):
"""
成交变动推送
:param trade: XtTrade对象
:return:
"""
print("on trade callback")
print(trade.account_id, trade.stock_code, trade.order_id)
def on_stock_position(self, position):
"""
持仓变动推送
:param position: XtPosition对象
:return:
"""
print("on position callback")
print(position.stock_code, position.volume)
def on_order_error(self, order_error):
"""
委托失败推送
:param order_error:XtOrderError 对象
:return:
"""
print("on order_error callback")
print(order_error.order_id, order_error.error_id, order_error.error_msg)
def on_cancel_error(self, cancel_error):
"""
撤单失败推送
:param cancel_error: XtCancelError 对象
:return:
"""
print("on cancel_error callback")
print(cancel_error.order_id, cancel_error.error_id,
cancel_error.error_msg)
def on_order_stock_async_response(self, response):
"""
异步下单回报推送
:param response: XtOrderResponse 对象
:return:
"""
print("on_order_stock_async_response")
print(response.account_id, response.order_id, response.seq)
if __name__ == "__main__":
print("demo test")
# path为mini qmt客户端安装目录下userdata_mini路径
path = 'D:\\迅投极速交易终端 睿智融科版\\userdata_mini'
# session_id为会话编号，策略使用方对于不同的Python策略需要使用不同的会话编号
session_id = 123456
xt_trader = XtQuantTrader(path, session_id)
# 创建资金账号为1000000365的证券账号对象
acc = StockAccount('1000000365')
# 创建交易回调类对象，并声明接收回调
callback = MyXtQuantTraderCallback()
xt_trader.register_callback(callback)
# 启动交易线程
xt_trader.start()
# 建立交易连接，返回0表示连接成功
connect_result = xt_trader.connect()
print(connect_result)
# 对交易回调进行订阅，订阅后可以收到交易主推，返回0表示订阅成功
subscribe_result = xt_trader.subscribe(acc)
print(subscribe_result)
stock_code = '600000.SH'
# 使用指定价下单，接口返回订单编号，后续可以用于撤单操作以及查询委托状态
print("order using the fix price:")
fix_result_order_id = xt_trader.order_stock(acc, stock_code,
xtconstant.STOCK_BUY, 200, xtconstant.FIX_PRICE, 10.5, 'strategy_name',
'remark')
print(fix_result_order_id)
# 使用订单编号撤单
print("cancel order:")
cancel_order_result = xt_trader.cancel_order_stock(acc, fix_result_order_id)
print(cancel_order_result)
# 使用异步下单接口，接口返回下单请求序号seq，seq可以和on_order_stock_async_response
的委托反馈response对应起来
print("order using async api:")
async_seq = xt_trader.order_stock(acc, stock_code, xtconstant.STOCK_BUY,
200, xtconstant.FIX_PRICE, 10.5, 'strategy_name', 'remark')
print(async_seq)
# 查询证券资产
print("query asset:")
asset = xt_trader.query_stock_asset(acc)
if asset:
print("asset:")
print("cash {0}".format(asset.cash))
# 根据订单编号查询委托
print("query order:")
order = xt_trader.query_stock_order(acc, fix_result_order_id)
if order:
print("order:")
print("order {0}".format(order.order_id))
# 查询当日所有的委托
print("query orders:")
orders = xt_trader.query_stock_orders(acc)
print("orders:", len(orders))
if len(orders) != 0:
print("last order:")
print("{0} {1} {2}".format(orders[-1].stock_code,
orders[-1].order_volume, orders[-1].price))
# 查询当日所有的成交
print("query trade:")
trades = xt_trader.query_stock_trades(acc)
print("trades:", len(trades))
if len(trades) != 0:
print("last trade:")
print("{0} {1} {2}".format(trades[-1].stock_code,
trades[-1].traded_volume, trades[-1].traded_price))
# 查询当日所有的持仓
print("query positions:")
positions = xt_trader.query_stock_positions(acc)
print("positions:", len(positions))
if len(positions) != 0:
print("last position:")
print("{0} {1} {2}".format(positions[-1].account_id,
positions[-1].stock_code, positions[-1].volume))
# 根据股票代码查询对应持仓
print("query position:")
position = xt_trader.query_stock_position(acc, stock_code)
if position:
print("position:")
print("{0} {1} {2}".format(position.account_id, position.stock_code,
position.volume))
# 阻塞线程，接收交易推送
xt_trader.run_forever()
开通xtquant的方式可以咨询。
目前开户费率低，门槛低，提供技术支持与交流。
需要的朋友，可以扫码咨询：
备注开户
ptrade每天自动打新 （新股和可转债）附python代码
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 5068 次浏览 • 2022-07-28 11:10
ptrade软件-量化-回测 里，新建策略，复制全文粘贴进去，周期选分钟，再到交易里新增交易。可以参见文末图片。import time
def initialize(context):
g.flag = False
log.info("initialize g.flag=" + str(g.flag) )
def before_trading_start(context, data):
g.flag = False
log.info("before_trading_start g.flag=" + str(g.flag) )
def handle_data(context, data):
if not g.flag and time.strftime("%H:%M:%S", time.localtime()) > '09:35:00':
# 自动打新
log.info("自动打新")
ipo_stocks_order()
g.flag = True
def on_order_response(context, order_list):
# 该函数会在委托回报返回时响应
log.info(order_list)
交易页面
程序运行返回代码：
点击查看大图
【如果没有打新额度或者没有开通对应的权限，会显示可收购为0】
底下的成功的是可转债申购成功。
然后可以到券商app上看看是否已经有自动申购成功的记录。 查看全部
def initialize(context):
g.flag = False
log.info("initialize g.flag=" + str(g.flag) )
def before_trading_start(context, data):
g.flag = False
log.info("before_trading_start g.flag=" + str(g.flag) )
def handle_data(context, data):
if not g.flag and time.strftime("%H:%M:%S", time.localtime()) > '09:35:00':
# 自动打新
log.info("自动打新")
ipo_stocks_order()
g.flag = True
def on_order_response(context, order_list):
# 该函数会在委托回报返回时响应
log.info(order_list)
交易页面
程序运行返回代码：
点击查看大图
【如果没有打新额度或者没有开通对应的权限，会显示可收购为0】
底下的成功的是可转债申购成功。
然后可以到券商app上看看是否已经有自动申购成功的记录。 查看全部
ptrade软件-量化-回测 里，新建策略，复制全文粘贴进去，周期选分钟，再到交易里新增交易。可以参见文末图片。
交易页面
程序运行返回代码：
点击查看大图
【如果没有打新额度或者没有开通对应的权限，会显示可收购为0】
底下的成功的是可转债申购成功。
然后可以到券商app上看看是否已经有自动申购成功的记录。
import time
def initialize(context):
g.flag = False
log.info("initialize g.flag=" + str(g.flag) )
def before_trading_start(context, data):
g.flag = False
log.info("before_trading_start g.flag=" + str(g.flag) )
def handle_data(context, data):
if not g.flag and time.strftime("%H:%M:%S", time.localtime()) > '09:35:00':
# 自动打新
log.info("自动打新")
ipo_stocks_order()
g.flag = True
def on_order_response(context, order_list):
# 该函数会在委托回报返回时响应
log.info(order_list)
交易页面
程序运行返回代码：
【如果没有打新额度或者没有开通对应的权限，会显示可收购为0】
底下的成功的是可转债申购成功。
然后可以到券商app上看看是否已经有自动申购成功的记录。
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 • 2585 次浏览 • 2021-07-17 20:24
日期查询格式是 YYYYMMDD的.
然后接口查询结果返回的是YYYY-MM-DD
难道统一一下这么难吗?
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?
日期查询格式是 YYYYMMDD的.
然后接口查询结果返回的是YYYY-MM-DD
难道统一一下这么难吗?
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?
优矿数据导出
股票 • 李魔佛 发表了文章 • 0 个评论 • 7443 次浏览 • 2020-12-04 09:11
在优矿上可以把数据保存并导出到本地。
比如有一个所有股票的dataframe ->df
df.to_csv('all_stock.csv')
然后到左边的数据栏里面，可以在里面看到自己刚刚导出的数据，然后可以选择你刚刚导出的文件，有个选项可以下载，一天可以下载100MB的文件。 查看全部
比如有一个所有股票的dataframe ->df
df.to_csv('all_stock.csv')
然后到左边的数据栏里面，可以在里面看到自己刚刚导出的数据，然后可以选择你刚刚导出的文件，有个选项可以下载，一天可以下载100MB的文件。 查看全部
在优矿上可以把数据保存并导出到本地。
比如有一个所有股票的dataframe ->df
df.to_csv('all_stock.csv')
然后到左边的数据栏里面，可以在里面看到自己刚刚导出的数据，然后可以选择你刚刚导出的文件，有个选项可以下载，一天可以下载100MB的文件。
比如有一个所有股票的dataframe ->df
df.to_csv('all_stock.csv')
然后到左边的数据栏里面，可以在里面看到自己刚刚导出的数据，然后可以选择你刚刚导出的文件，有个选项可以下载，一天可以下载100MB的文件。
基于文本及符号密度的网页正文提取方法 python实现
python • 李魔佛 发表了文章 • 0 个评论 • 5748 次浏览 • 2019-09-10 15:19
基于文本及符号密度的网页正文提取方法 python实现
项目路径https://github.com/Rockyzsu/CodePool/tree/master/GeneralNewsExtractor
完成后在本文详细介绍，
请密切关注。 查看全部
项目路径https://github.com/Rockyzsu/CodePool/tree/master/GeneralNewsExtractor
完成后在本文详细介绍，
请密切关注。 查看全部
基于文本及符号密度的网页正文提取方法 python实现
项目路径https://github.com/Rockyzsu/CodePool/tree/master/GeneralNewsExtractor
完成后在本文详细介绍，
请密切关注。
项目路径https://github.com/Rockyzsu/CodePool/tree/master/GeneralNewsExtractor
完成后在本文详细介绍，
请密切关注。
根据东财股吧爬虫数据进行自然语言分析，展示股市热度
股票 • 李魔佛 发表了文章 • 0 个评论 • 6696 次浏览 • 2019-09-10 09:27
根据东财股吧爬虫数据进行自然语言分析，展示股市热度
项目开展中.....
https://github.com/Rockyzsu/StockPredict
完工后会把代码搬上来并加注释。
### 2019-11-17 更新 ######
股市舆情情感分类可视化系统
此Web基于Django+Bootstrap+Echarts等框架，个股交易行情数据调用了Tushare接口。对于舆情文本数据采取先爬取东方财富网股吧论坛标题词语设置机器学习训练集，在此基础上运用scikit-learn机器学习朴素贝叶斯方法构建文本分类器。通过Django Web框架，将所得数据传递到前端经过Bootstrap渲染过的html，对数据使用Echarts进行图表可视化处理
不足之处或交流学习欢迎通过邮箱联系我
目前的功能：
个股历史交易行情
个股相关词云展示
情感字典舆情预测
朴素贝叶斯舆情预测
Quick Start
在项目当前目录下： $ python manage.py runserver
浏览器打开127.0.0.1:8000
查看全部
项目开展中.....
https://github.com/Rockyzsu/StockPredict
完工后会把代码搬上来并加注释。
### 2019-11-17 更新 ######
股市舆情情感分类可视化系统
此Web基于Django+Bootstrap+Echarts等框架，个股交易行情数据调用了Tushare接口。对于舆情文本数据采取先爬取东方财富网股吧论坛标题词语设置机器学习训练集，在此基础上运用scikit-learn机器学习朴素贝叶斯方法构建文本分类器。通过Django Web框架，将所得数据传递到前端经过Bootstrap渲染过的html，对数据使用Echarts进行图表可视化处理
不足之处或交流学习欢迎通过邮箱联系我
目前的功能：
个股历史交易行情
个股相关词云展示
情感字典舆情预测
朴素贝叶斯舆情预测
Quick Start
在项目当前目录下： $ python manage.py runserver
浏览器打开127.0.0.1:8000
查看全部
根据东财股吧爬虫数据进行自然语言分析，展示股市热度
项目开展中.....
https://github.com/Rockyzsu/StockPredict
完工后会把代码搬上来并加注释。
### 2019-11-17 更新 ######
股市舆情情感分类可视化系统
此Web基于Django+Bootstrap+Echarts等框架，个股交易行情数据调用了Tushare接口。对于舆情文本数据采取先爬取东方财富网股吧论坛标题词语设置机器学习训练集，在此基础上运用scikit-learn机器学习朴素贝叶斯方法构建文本分类器。通过Django Web框架，将所得数据传递到前端经过Bootstrap渲染过的html，对数据使用Echarts进行图表可视化处理
不足之处或交流学习欢迎通过邮箱联系我
目前的功能：
个股历史交易行情
个股相关词云展示
情感字典舆情预测
朴素贝叶斯舆情预测
Quick Start
在项目当前目录下： $ python manage.py runserver
浏览器打开127.0.0.1:8000
项目开展中.....
https://github.com/Rockyzsu/StockPredict
完工后会把代码搬上来并加注释。
### 2019-11-17 更新 ######
股市舆情情感分类可视化系统
此Web基于Django+Bootstrap+Echarts等框架，个股交易行情数据调用了Tushare接口。对于舆情文本数据采取先爬取东方财富网股吧论坛标题词语设置机器学习训练集，在此基础上运用scikit-learn机器学习朴素贝叶斯方法构建文本分类器。通过Django Web框架，将所得数据传递到前端经过Bootstrap渲染过的html，对数据使用Echarts进行图表可视化处理
不足之处或交流学习欢迎通过邮箱联系我
目前的功能：
个股历史交易行情
个股相关词云展示
情感字典舆情预测
朴素贝叶斯舆情预测
Quick Start
在项目当前目录下： $ python manage.py runserver
浏览器打开127.0.0.1:8000
python分析目前为止科创板企业省份分布
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 5985 次浏览 • 2019-08-26 00:45
科创板上市以来已经有一个多月了，我想看看到目前为止，上市企业都是归属哪些地方的。 因为个人觉得科创板是上证板块的，那么来自江浙一带的企业会更多。 毕竟现在深市和沪市在争夺资源，深市希望把深圳企业留回在深市的主板或者中小创版块。
首先获取行情数据，借助tushare这个框架：
在python3环境下，pip install tushare --upgrade ，记得要更新，因为用的旧版本会获取不到科创板的数据。
安装成功后试试import tushare as ts，看看有没有报错。没有就是安装成功了。
接下来抓取全市场的行情.
(点击查看大图)
查看前5条数据
现在行情数据存储在df中，然后分析数据。
因为提取的是全市场的数据，然后获取科创板的企业：
(点击查看大图)
使用的是正则表达式，匹配688开头的代码。
接下来就是分析企业归属地：
(点击查看大图)
使用value_counts函数，统计该列每个值出现的次数。
搞定了！ 是不是很简单？
而且企业地区分布和自己的构想也差不多，江浙沪一带占了一半，加上北京地区，占了80%以上的科创板企业了。
每周会定期更新一篇python数据分析股票的文章。
原创文章，欢迎转载
请注明出处：
http://30daydo.com/article/528
查看全部
首先获取行情数据，借助tushare这个框架：
在python3环境下，pip install tushare --upgrade ，记得要更新，因为用的旧版本会获取不到科创板的数据。
安装成功后试试import tushare as ts，看看有没有报错。没有就是安装成功了。
接下来抓取全市场的行情.
(点击查看大图)
查看前5条数据
现在行情数据存储在df中，然后分析数据。
因为提取的是全市场的数据，然后获取科创板的企业：
(点击查看大图)
使用的是正则表达式，匹配688开头的代码。
接下来就是分析企业归属地：
(点击查看大图)
使用value_counts函数，统计该列每个值出现的次数。
搞定了！ 是不是很简单？
而且企业地区分布和自己的构想也差不多，江浙沪一带占了一半，加上北京地区，占了80%以上的科创板企业了。
每周会定期更新一篇python数据分析股票的文章。
原创文章，欢迎转载
请注明出处：
http://30daydo.com/article/528
查看全部
科创板上市以来已经有一个多月了，我想看看到目前为止，上市企业都是归属哪些地方的。 因为个人觉得科创板是上证板块的，那么来自江浙一带的企业会更多。 毕竟现在深市和沪市在争夺资源，深市希望把深圳企业留回在深市的主板或者中小创版块。
首先获取行情数据，借助tushare这个框架：
在python3环境下，pip install tushare --upgrade ，记得要更新，因为用的旧版本会获取不到科创板的数据。
安装成功后试试import tushare as ts，看看有没有报错。没有就是安装成功了。
接下来抓取全市场的行情.
(点击查看大图)
查看前5条数据
现在行情数据存储在df中，然后分析数据。
因为提取的是全市场的数据，然后获取科创板的企业：
(点击查看大图)
使用的是正则表达式，匹配688开头的代码。
接下来就是分析企业归属地：
(点击查看大图)
使用value_counts函数，统计该列每个值出现的次数。
搞定了！ 是不是很简单？
而且企业地区分布和自己的构想也差不多，江浙沪一带占了一半，加上北京地区，占了80%以上的科创板企业了。
每周会定期更新一篇python数据分析股票的文章。
原创文章，欢迎转载
请注明出处：
http://30daydo.com/article/528
首先获取行情数据，借助tushare这个框架：
在python3环境下，pip install tushare --upgrade ，记得要更新，因为用的旧版本会获取不到科创板的数据。
安装成功后试试import tushare as ts，看看有没有报错。没有就是安装成功了。
接下来抓取全市场的行情.
查看前5条数据
现在行情数据存储在df中，然后分析数据。
因为提取的是全市场的数据，然后获取科创板的企业：
使用的是正则表达式，匹配688开头的代码。
接下来就是分析企业归属地：
使用value_counts函数，统计该列每个值出现的次数。
搞定了！ 是不是很简单？
而且企业地区分布和自己的构想也差不多，江浙沪一带占了一半，加上北京地区，占了80%以上的科创板企业了。
每周会定期更新一篇python数据分析股票的文章。
原创文章，欢迎转载
请注明出处：
http://30daydo.com/article/528
截止今天（2019-05-14）银行股今年的涨幅排名
股票 • 李魔佛 发表了文章 • 0 个评论 • 6331 次浏览 • 2019-05-14 23:59
今年涨幅最少的是农业银行，最多的是新股 西安银行。 ticker secShortName secFullName y_chgPct
31 601288 农业银行 中国农业银行股份有限公司 -0.341178
11 600015 华夏银行 华夏银行股份有限公司 1.856174
45 601988 中国银行 中国银行股份有限公司 2.248533
32 601328 交通银行 交通银行股份有限公司 3.532657
30 601229 上海银行 上海银行股份有限公司 3.725781
35 601398 工商银行 中国工商银行股份有限公司 4.771403
40 601818 光大银行 中国光大银行股份有限公司 5.643119
27 601169 北京银行 北京银行股份有限公司 6.205580
14 600016 民生银行 中国民生银行股份有限公司 7.092815
5 002936 郑州银行 郑州银行股份有限公司 7.551112
49 601998 中信银行 中信银行股份有限公司 8.181956
43 601939 建设银行 中国建设银行股份有限公司 9.402651
41 601838 成都银行 成都银行股份有限公司 9.424554
52 603323 苏农银行 江苏苏州农村商业银行股份有限公司 12.375732
20 600926 杭州银行 杭州银行股份有限公司 12.933645
8 600000 浦发银行 上海浦东发展银行股份有限公司 14.752244
39 601577 长沙银行 长沙银行股份有限公司 14.792683
18 600908 无锡银行 无锡农村商业银行股份有限公司 16.181704
3 002807 江阴银行 江苏江阴农村商业银行股份有限公司 19.274586
48 601997 贵阳银行 贵阳银行股份有限公司 20.489563
4 002839 张家港行 江苏张家港农村商业银行股份有限公司 20.599511
25 601166 兴业银行 兴业银行股份有限公司 21.206503
24 601128 常熟银行 江苏常熟农村商业银行股份有限公司 21.571187
19 600919 江苏银行 江苏银行股份有限公司 23.218299
22 601009 南京银行 南京银行股份有限公司 26.297500
16 600036 招商银行 招商银行股份有限公司 27.518708
0 000001 平安银行 平安银行股份有限公司 31.624747
2 002142 宁波银行 宁波银行股份有限公司 31.729062
6 002948 青岛银行 青岛银行股份有限公司 48.602573
7 002958 青农商行 青岛农村商业银行股份有限公司 108.983776
42 601860 紫金银行 江苏紫金农村商业银行股份有限公司 115.147347
21 600928 西安银行 西安银行股份有限公司 128.496683 查看全部
31 601288 农业银行 中国农业银行股份有限公司 -0.341178
11 600015 华夏银行 华夏银行股份有限公司 1.856174
45 601988 中国银行 中国银行股份有限公司 2.248533
32 601328 交通银行 交通银行股份有限公司 3.532657
30 601229 上海银行 上海银行股份有限公司 3.725781
35 601398 工商银行 中国工商银行股份有限公司 4.771403
40 601818 光大银行 中国光大银行股份有限公司 5.643119
27 601169 北京银行 北京银行股份有限公司 6.205580
14 600016 民生银行 中国民生银行股份有限公司 7.092815
5 002936 郑州银行 郑州银行股份有限公司 7.551112
49 601998 中信银行 中信银行股份有限公司 8.181956
43 601939 建设银行 中国建设银行股份有限公司 9.402651
41 601838 成都银行 成都银行股份有限公司 9.424554
52 603323 苏农银行 江苏苏州农村商业银行股份有限公司 12.375732
20 600926 杭州银行 杭州银行股份有限公司 12.933645
8 600000 浦发银行 上海浦东发展银行股份有限公司 14.752244
39 601577 长沙银行 长沙银行股份有限公司 14.792683
18 600908 无锡银行 无锡农村商业银行股份有限公司 16.181704
3 002807 江阴银行 江苏江阴农村商业银行股份有限公司 19.274586
48 601997 贵阳银行 贵阳银行股份有限公司 20.489563
4 002839 张家港行 江苏张家港农村商业银行股份有限公司 20.599511
25 601166 兴业银行 兴业银行股份有限公司 21.206503
24 601128 常熟银行 江苏常熟农村商业银行股份有限公司 21.571187
19 600919 江苏银行 江苏银行股份有限公司 23.218299
22 601009 南京银行 南京银行股份有限公司 26.297500
16 600036 招商银行 招商银行股份有限公司 27.518708
0 000001 平安银行 平安银行股份有限公司 31.624747
2 002142 宁波银行 宁波银行股份有限公司 31.729062
6 002948 青岛银行 青岛银行股份有限公司 48.602573
7 002958 青农商行 青岛农村商业银行股份有限公司 108.983776
42 601860 紫金银行 江苏紫金农村商业银行股份有限公司 115.147347
21 600928 西安银行 西安银行股份有限公司 128.496683 查看全部
今年涨幅最少的是农业银行，最多的是新股 西安银行。
ticker secShortName secFullName y_chgPct
31 601288 农业银行 中国农业银行股份有限公司 -0.341178
11 600015 华夏银行 华夏银行股份有限公司 1.856174
45 601988 中国银行 中国银行股份有限公司 2.248533
32 601328 交通银行 交通银行股份有限公司 3.532657
30 601229 上海银行 上海银行股份有限公司 3.725781
35 601398 工商银行 中国工商银行股份有限公司 4.771403
40 601818 光大银行 中国光大银行股份有限公司 5.643119
27 601169 北京银行 北京银行股份有限公司 6.205580
14 600016 民生银行 中国民生银行股份有限公司 7.092815
5 002936 郑州银行 郑州银行股份有限公司 7.551112
49 601998 中信银行 中信银行股份有限公司 8.181956
43 601939 建设银行 中国建设银行股份有限公司 9.402651
41 601838 成都银行 成都银行股份有限公司 9.424554
52 603323 苏农银行 江苏苏州农村商业银行股份有限公司 12.375732
20 600926 杭州银行 杭州银行股份有限公司 12.933645
8 600000 浦发银行 上海浦东发展银行股份有限公司 14.752244
39 601577 长沙银行 长沙银行股份有限公司 14.792683
18 600908 无锡银行 无锡农村商业银行股份有限公司 16.181704
3 002807 江阴银行 江苏江阴农村商业银行股份有限公司 19.274586
48 601997 贵阳银行 贵阳银行股份有限公司 20.489563
4 002839 张家港行 江苏张家港农村商业银行股份有限公司 20.599511
25 601166 兴业银行 兴业银行股份有限公司 21.206503
24 601128 常熟银行 江苏常熟农村商业银行股份有限公司 21.571187
19 600919 江苏银行 江苏银行股份有限公司 23.218299
22 601009 南京银行 南京银行股份有限公司 26.297500
16 600036 招商银行 招商银行股份有限公司 27.518708
0 000001 平安银行 平安银行股份有限公司 31.624747
2 002142 宁波银行 宁波银行股份有限公司 31.729062
6 002948 青岛银行 青岛银行股份有限公司 48.602573
7 002958 青农商行 青岛农村商业银行股份有限公司 108.983776
42 601860 紫金银行 江苏紫金农村商业银行股份有限公司 115.147347
21 600928 西安银行 西安银行股份有限公司 128.496683
【可转债剩余转股比例数据排序】【2019-05-06】
股票 • 李魔佛 发表了文章 • 0 个评论 • 7010 次浏览 • 2019-05-06 15:28
数据如下：
剩余的比例越少，上市公司下调转股价的欲望就越少。 也就是会任由可转债在那里晾着，不会积极拉正股。
数据定期更新。
原创文章，
转载请注明出处：
http://30daydo.com/article/472
查看全部
剩余的比例越少，上市公司下调转股价的欲望就越少。 也就是会任由可转债在那里晾着，不会积极拉正股。
数据定期更新。
原创文章，
转载请注明出处：
http://30daydo.com/article/472
查看全部
数据如下：
