炒股软件定制(免费手机炒股软件)

<p>咱们好，我是林路。小伙伴们期盼已久的量化买卖教程，今日它来了！</p><p>有不少小伙伴，一向很关怀我量化买卖的实战状况，常常会被问到：5 万元，现在赚了多少？</p><p>这儿一致回复下，现在浮盈 6%。</p><p>远低于我的预期，这跟大盘的走弱脱不开联系。9 月开端即巅峰，一路惨遭滑铁卢，大盘再也没回到过 3700 点，事实有些惨白。</p><p></p><p>不过越是这种冷清的时分，越是充能学习的时间。</p><p>我最成功的一笔出资，不是买了哪支股票，而是自学了许多风趣的技能。</p><p>我仍是那句话，最好的出资，便是出资自己！</p><p>回忆了自己的这一年，收成良多，我学到了许多新技能。</p><p>今日，咱们持续聊量化买卖</p><p>量化买卖，说白了，首要分为三个部分：</p>炒股数据获取选股& 择时战略买卖体系<p>关于一些低频的买卖战略，乃至都用不上买卖体系，手动操作都行。</p><p></p>Udata<p>一个安稳的炒股数据获取接口很重要，能够自己写爬虫爬数据，但这样太不安稳。</p><p>今日给咱们引荐一个好用的 API 接口：</p><p>https://udata.hs.net</p><p>Udata 大牌子，是深耕金融范畴 30 年的恒生电子推出的金融数据社区。</p><p>恒生电子咱们应该都听过，近千亿市值的大公司，用数据这种事，找这类布景好的社区准没错。</p><p>今日我就以 Udata 供给的 API 股票接口为例，来一期保姆级的量化买卖教程。</p><p></p>Udata 装置<p>咱们先从 Udata 的装置开端讲起。</p><p>首先要建立一个 Python 的开发环境，Python 开发环境不会建立的，能够看我之前发布的一篇教程：</p><p>一了百了的 Python 环境建立办法</p><p>Udata 能够运用 pip 装置。</p>pip install hs_udata<p>这样就标明装置好了。</p><p></p><p>然后注册个 Udata 账户，订阅一个体会套餐。各个社区都是相同的，都有免费的体会套餐给初学者运用。</p><p>注册并订阅号后，获取 token。</p><p>https://udata.hs.net/console/overAllView</p><p>翻开链接，就能看到 token 获取方法，直接仿制即可。</p><p></p><p>然后运用如下代码，就能够获取数据了。</p>from hs_udata import set_token, stock_list        # 引进 hs_udata 模块中 set_token 和 stock_listif __name__ == &#34;__main__&#34;:    # 替换你的 token，检查 token 地址：https://udata.hs.net/console/overAllView    set_token(token = &#39;xxxxx&#39;)    # 获取 股票列表数据，回来格局为 dataframe        data = stock_list()    # 打印数据前 5 行    print(data.head())<p>有正确的数据成果了，那祝贺你，装备成功！</p><p></p><p></p>量化剖析<p>数据搞定了，咱们就能够运用这个 API 接口，做一些战略。</p><p>无论是选股，仍是择时买卖，都能够运用这个 API 接口的数据进行。</p><p>Udata 的 API 文档写得很全面：</p><p>https://udata.hs.net/datas/202/</p><p>包罗万象：</p><p></p><p>之前的教程，给咱们解说过 ETF 动量轮动战略。</p><p>今日来点不相同的，根底的剖析技巧，也是咱们必备的基本功。</p><p>比方画个 K 线，可视化东西，能够直接运用 pyecharts。</p><p>假如没有装置这个库，能够先运用 pip 装置一下。</p>pip install pyecharts<p>pyecharts 的运用十分简略，能够直接看手册。</p><p>https://pyecharts.org/#/zh-cn/intro</p><p>咱们结合 Udata 的数据获取 api 接口和 pyecharts 可视化东西，就能够自己制作 K 线。</p>import hs_udata as udatafrom datetime import datetime, timedeltaimport timefrom pyecharts import options as optsfrom pyecharts.charts import Klineif __name__ == &#34;__main__&#34;:    # 替换你的 token，检查 token 地址：https://udata.hs.net/console/overAllView    udata.set_token(token = &#39;xxxxx&#39;)    current_dt = time.strftime(&#34;%Y-%m-%d&#34;, time.localtime())    current_dt = datetime.strptime(current_dt, &#39;%Y-%m-%d&#39;)    # 获取 30 天的数据    day_num = 30    all_data = []    all_date = []    for i in range(1, day_num + 1)[::-1]:        search_date = current_dt - timedelta(days = i)        search_date = search_date.strftime(&#34;%Y%m%d&#34;)                # 恒生电子近 30 日的股价        data = udata.stock_quote_daily(en_prod_code = &#34;600570.SH&#34;, trading_date = search_date)        # 开盘价        open_price = data[&#39;open_price&#39;][0]        # 收盘价        close_price = data[&#39;close_price&#39;][0]        # 最低价        low_price = data[&#39;low_price&#39;][0]        # 最高价        high_price = data[&#39;high_price&#39;][0]        # 去掉非买卖日数据        if len(open_price) == 0:            continue        all_date.append(search_date)        all_data.append([float(open_price), float(close_price), float(low_price), float(high_price)])        # 运用 pyecharts 制作 K 线    c = (        Kline()        .add_xaxis(all_date)        .add_yaxis(            &#34;K线&#34;,            all_data,            itemstyle_opts = opts.ItemStyleOpts(                color = &#34;#ec0000&#34;,                color0 = &#34;#00da3c&#34;,                border_color = &#34;#8A0000&#34;,                border_color0 = &#34;#008F28&#34;,            ),        )        .set_global_opts(            xaxis_opts = opts.AxisOpts(is_scale = True),            yaxis_opts = opts.AxisOpts(                is_scale = True,                splitarea_opts = opts.SplitAreaOpts(                    is_show = True, areastyle_opts = opts.AreaStyleOpts(opacity = 1)                ),            ),            datazoom_opts = [opts.DataZoomOpts(type_ = &#34;inside&#34;)],            title_opts = opts.TitleOpts(title = &#34;恒生电子近 30 日 K 线&#34;),        )        .render(&#34;kline.html&#34;)    )<p>运转成功后，会生成一个 kline.html 文件，用浏览器翻开这个 html 文件，就能够看到制作作用了。</p><p></p><p>可能有小伙伴会问，这都是炒股软件现成的，为什么要自己制作？</p><p>只要亲身写代码后，你才干深入认识到每个数据背面所代表的意义。这是一个很好的，协助咱们学习的进程。更重要的是，等咱们娴熟之后，能够依据自己的各种需求，定制化自己独家炒股界面。</p><p>你能够监控自己想要监控的全部信息。</p><p>像什么 KDJ、MACD 等各种目标，咱们都是能够自己核算并可视化出来的。</p><p>不再受限于炒股软件的一些目标，乃至一些炒股软件的付费因子，咱们都能够自己核算。</p><p>再比方，咱们能够运用数据，做一些自己不了解的剖析。举个十分简略的比如，你知道 A 股的职业散布状况吗？</p><p>几行代码就能够搞定。</p>import hs_udata as udatafrom pyecharts import options as optsfrom pyecharts.charts import Piefrom tqdm import tqdmif __name__ == &#34;__main__&#34;:    # 替换你的 token，检查 token 地址：https://udata.hs.net/console/overAllView    udata.set_token(token = &#39;xxxxx&#39;)    # 获取全部股票    data = udata.stock_list(listed_state = &#34;1&#34;)    codes = data[&#39;hs_code&#39;].tolist()        industry_name_dict = {}    # 遍历股票    for code in tqdm(codes):        # 获取股票职业信息        data = udata.industry_category(en_prod_code = code)        industry_name_csrc = data[&#39;industry_name_csrc&#39;][0].split(&#34;-&#34;)[0]        # print(industry_name_csrc)        # 核算职业数量        if industry_name_csrc not in industry_name_dict.keys():            industry_name_dict[industry_name_csrc] = 1        else:            industry_name_dict[industry_name_csrc] += 1    # 可视化    c = (        Pie()        .add(            &#34;&#34;,            [                list(z)                for z in zip(                    industry_name_dict.keys(),                    industry_name_dict.values(),                )            ],            center=[&#34;40%&#34;, &#34;50%&#34;],        )        .set_global_opts(            title_opts=opts.TitleOpts(title=&#34;A 股股票职业散布&#34;),            legend_opts=opts.LegendOpts(type_=&#34;scroll&#34;, pos_left=&#34;80%&#34;, orient=&#34;vertical&#34;),        )        .set_series_opts(label_opts=opts.LabelOpts(formatter=&#34;{b}: {c}&#34;))        .render(&#34;pie.html&#34;)    )<p>运转代码，翻开 pie.html ，即可检查 A 股股票的职业散布状况。</p><p></p><p>制造业半壁河山啊！</p><p>除了这种简略的职业核算，咱们还能够核算每日的龙虎榜状况，监控股东持股状况，资金流向等。</p><p>依据股票的每日价格，咱们还能够核算各种因子，辅佐咱们决议计划。</p><p></p><p>依据自己的需求，来个私家定制，建立自己的买卖体系。</p><p>当然了，师傅领进门，修行看个人。能写的内容太多了，篇幅有限，今日先教一些根底的玩法。这个系列教程，还会持续更新的。</p><p></p>唠叨<p>最终再多说两句，一向有不少小伙伴问我，卖体系不？卖源码不？卖服务不？</p><p>这样的问询，自从发了那期量化炒股的文章后，就没有断过。</p><p>说实话，仍是主张自己学技能，自己写战略，那多香啊！真的，全部并没有那么难，铢积寸累，渐渐学，学惯用代码挣钱的进程，是一件很风趣的工作。</p><p></p><p>作者：Jack Cui</p><p>原文链接：https://mp.weixin.qq.com/s/80jJbVZinbEz-ocwQsjfPw</p>