當前位置:首頁 » 交易知識 » python自動交易股票名單一覽表
擴展閱讀
股票賬戶新代碼123006 2024-11-25 07:31:30
002657股票財經中國網 2024-11-25 07:03:25

python自動交易股票名單一覽表

發布時間: 2023-12-16 09:13:46

㈠ 怎樣用 Python 寫一個股票自動交易的程序

網址都沒有給出怎麼測試呢? 這個應該是伺服器生成的token吧,可以urllib2抓一下,如果抓不到的話那麼他可能用的js動態載入,這個得分析js源碼了,如果他用了flash來算出這個值的(我記得酷狗就是這么做的),那麼恭喜你,不能算出這個值了

㈡ 怎樣用 Python 寫一個股票自動交易的程序

股票自動交易助手提供了一個 Python 自動下單介面,參考代碼

#股票自動交易助手Python自動下單使用例子
#把此腳本和StockOrderApi.pyOrder.dll放到你自己編寫的腳本同一目錄

fromStockOrderApiimport*

#買入測試
#Buy(u"600000",100,0,1,0)

#賣出測試,是持倉股才會有動作
#Sell(u"000100",100,0,1,0)

#賬戶信息
print("股票自動交易介面測試")
print("賬戶信息")
print("--------------------------------")

arrAccountInfo=["總資產","可用資金","持倉總市值","總盈利金額","持倉數量"];
foriinrange(0,len(arrAccountInfo)):
value=GetAccountInfo(u"",i,0)
print("%s%f"%(arrAccountInfo[i],value))

print("--------------------------------")
print("")

print("股票持倉")
print("--------------------------------")
#取出所有的持倉股票代碼,結果以','隔開的
allStockCode=GetAllPositionCode(0)
allStockCodeArray=allStockCode.split(',')
foriinrange(0,len(allStockCodeArray)):
vol=GetPosInfo(allStockCodeArray[i],0,0)
changeP=GetPosInfo(allStockCodeArray[i],4,0)
print("%s%d%.2f%%"%(allStockCodeArray[i],vol,changeP))

print("--------------------------------")

㈢ python的量化代碼怎麼用到股市中

2010 ~ 2017 滬深A股各行業量化分析

在開始各行業的量化分析之前,我們需要先弄清楚兩個問題:

  • 第一,A股市場上都有哪些行業;

  • 第二,各行業自2010年以來的營收、凈利潤增速表現如何?

  • 第一個問題
    很好回答,我們使用JQData提供的獲取行業成分股的方法,輸入get_instries(name='sw_l1')
    得到申萬一級行業分類結果如下:它們分別是:【農林牧漁、採掘、化工、鋼鐵、有色金屬、電子、家用電器、食品飲料、紡織服裝、輕工製造、醫葯生物、公用事業、交通運輸、房地產、商業貿易、休閑服務、綜合、建築材料、建築裝飾、電器設備、國防軍工、計算機、傳媒、通信、銀行、非銀金融、汽車、機械設備】共計28個行業。

    第二個問題
    要知道各行業自2010年以來的營收、凈利潤增速表現,我們首先需要知道各行業在各個年度都有哪些成分股,然後加總該行業在該年度各成分股的總營收和凈利潤,就能得到整個行業在該年度的總營收和總利潤了。這部分數據JQData也為我們提供了方便的介面:通過調用get_instry_stocks(instry_code=『行業編碼』, date=『統計日期』),獲取申萬一級行業指定日期下的行業成分股列表,然後再調用查詢財務的數據介面:get_fundamentals(query_object=『query_object』, statDate=year)來獲取各個成分股在對應年度的總營收和凈利潤,最後通過加總得到整個行業的總營收和總利潤。這里為了避免非經常性損益的影響,我們對凈利潤指標最終選取的扣除非經常性損益的凈利潤數據。

    我們已經獲取到想要的行業數據了。接下來,我們需要進一步分析,這些行業都有什麼樣的增長特徵。

    我們發現,在28個申萬一級行業中,有18個行業自2010年以來在總營收方面保持了持續穩定的增長。它們分別是:【農林牧漁,電子,食品飲料,紡織服裝,輕工製造,醫葯生物,公用事業,交通運輸,房地產,休閑服務,建築裝飾,電氣設備,國防軍工,計算機,傳媒,通信,銀行,汽車】;其他行業在該時間范圍內出現了不同程度的負增長。

    那麼,自2010年以來凈利潤保持持續增長的行業又會是哪些呢?結果是只有5個行業保持了基業長青,他們分別是醫葯生物,建築裝飾,電氣設備,銀行和汽車。(註:由於申萬行業在2014年發生過一次大的調整,建築裝飾,電氣設備,銀行和汽車實際從2014年才開始統計。)

    從上面的分析結果可以看到,真正能夠保持持續穩定增長的行業並不多,如果以扣非凈利潤為標准,那麼只有醫葯生物,建築裝飾,電氣設備,銀行和汽車這五個行業可以稱之為優質行業,實際投資中,就可以只從這幾個行業中去投資。這樣做的目的是,一方面,能夠從行業大格局層面避免行業下行的風險,繞開一個可能出現負增長的的行業,從而降低投資的風險;另一方面,也大大縮短了我們的投資范圍,讓投資者能夠專注於從真正好的行業去挑選公司進行投資。

「2010-2017」投資於優質行業龍頭的收益表現

選好行業之後,下面進入選公司環節。我們知道,即便是一個好的行業也仍然存在表現不好的公司,那麼什麼是好的公司呢,本文試圖從營業收入規模和利潤規模和來考察以上五個基業長青的行業,從它們中去篩選公司作為投資標的。

3.1按營業收入規模構建的行業龍頭投資組合

首先,我們按照營業收入規模,篩選出以上5個行業【醫葯生物,建築裝飾,電氣設備,銀行和汽車】從2010年至今的行業龍頭如下表所示:

結論

通過以上行業分析和投資組合的歷史回測可以看到:

  • 先選行業,再選公司,即使是從2015年股災期間開始投資,至2018年5月1號,仍然能夠獲得相對理想的收益,可以說,紅杉資本的賽道投資法則對於一般投資者還是比較靠譜的。

  • 在構建行業龍頭投資組合時,凈利潤指標顯著優於營業收入指標,獲得的投資收益能夠更大的跑贏全市場收益率

  • 市場是不斷波動的,如果一個投資者從股災期間開始投資,那麼即使他買入了上述優質行業的龍頭組合,在近3年也只能獲得12%左右的累計收益;而如果從2016年5月3日開始投資,那麼至2018年5月2日,2年時間就能獲得超過50%以上的收益了。所以,在投資過程中選擇時機也非常重要。

出自:JoinQuant 聚寬數據 JQData

㈣ 怎樣用Python寫一個股票自動交易的程序

方法一前期的數據抓取和分析可能python都寫好了慶察,所以差這交易指令介面最後一步。

對於股票的散戶,正規的法子是華寶,國信,興業這樣願意給介面的券商,但貌似開戶費很高才給這權利,而且只有lts,ctp這樣的c++介面,沒python版就需要你自己封裝。方法二是wind這樣的軟體也有直鎮攔接的介面,支持部分券商,但也貴,幾萬一年是要的。方法三滑鼠鍵盤模擬法,很復雜的,就是模擬鍵盤滑鼠去操作一些軟體,比如券商版交易軟體和大智慧之類的。方法四就是找到這些軟體的關於交易指令的底層代碼並更改,不過T+1的規則下,預譽旅茄測准確率的重要性高於交易的及時性,花功夫做數據分析就好,交易就人工完成吧

㈤ 計算機龍頭股票一覽表2021

計算機龍頭股票一覽表2021:
1、中國長城(000066):計算機龍頭,公司擁有國家級企業技術中心、廣東省重點工程技術研究開發中心、深圳市信息安全計算機系統工程技術研究開發中心、深圳市重點實驗室、深圳市基於國產CPU及OS的存儲伺服器工程技術中心、深圳市自主可控雲平台技術工程實驗室各一個,設有深圳市博士後創新實踐基地,是國家高新技術企業、深圳市首批「自主創新行業龍頭企業。
2、深科技(000021):公司屬於電子信息製造服務行業,為客戶提供優質的電子產品研發製造服務,公司主要業務包括提供計算機與存儲、固態存儲、通訊及消費電子、醫療器械等各類電子產品的先進製造服務以及計量系統、自動化設備、半導體封測業務的研發生產。
3、特發信息(000070):國內最早開拓並專注於光纖光纜、配線網路設備及通信設備研製、生產的國家級高新技術企業之一;子公司成都傅立葉是軍工信息化裝備研發與製造的高新技術企業,是公司軍工信息化產業的實施主體,主要從事軍用航空通訊設備、測控集成和衛星通信技術、數據記錄儀和彈載計算機的研發、生產與銷售;18年10月,以3.15億元收購北京神州飛航,神州飛航專業從事軍用計算機、軍用匯流排測試及模擬設備、信號處理及導航。
4、常山北明(000158):北明軟體是一家從事系統集成及行業解決方案,代理產品增值銷售,定製化軟體及服務的提供商,擁有計算機信息系統集成一級資質,國家信息安全服務資質。
拓展資料
中國長城:近5日內該股資金流出較多,遠低於行業平均水平,5日共流出38031.95萬元。行業資金:近5日資金總體呈流出狀態。盈利能力:一般低於行業平均,兩項指標的行業排名分別為 43/118,62/118。