- 综合排序
- 最热优先
- 最新优先
- 来自专栏可以叫我才哥
使用Python进行量化投资A股的4 种方法！
这里，我将通过文字+视频的方式，先给大家分享如何用Python获取A股数据，以及如何用Python进行炒股的仓位控制。 首先来看四种利用 Python 获取A股数据的方法，算是一个不错且实用的总结： Pandas_datareader 最基础的方法是使用Pandas_datareader来获取，例如得到 yahoo 金融的数据 JoinQuant 最后一种方法来获取数据就是用现成的量化平台。这里我用joinquant实验了一下 可以看到，通过平台获取数据，还是比较简单的。 http://mpvideo.qpic.cn/0bc3lqaaaaaaoyaj25qpmbrfaxgdaboaaaaa.f10002.mp4? dis_k=4e6da654e1bbc5d6818c55e3835d64ea&dis_t=1649751382&vid=wxv_2274959819105320960&format_id=10002&support_redirect
1.8K10编辑于 2022-04-12 - 来自专栏量子位
GPT-4击败华尔街？最新研究：选股回报超40%
金磊 发自 凹非寺 量子位 | 公众号 QbitAI 如果把选股这事交给GPT-4来处理，会是怎样一种结果？ 更是有许多消息拿着数据称“AI永远无法打败股票市场”，认为AI不仅无法预测黑天鹅事件，甚至可能会引发黑天鹤事件： 那么此次基于GPT-4的选股研究是否靠谱，我们继续往下看。 通过这种方式，能够在更广泛的经济环境中对单一股票进行评估。 最后，信号生成这个步骤将上述所有分析整合，生成针对特定股票的投资信号（例如买入、持有或卖出），并提供详细的逻辑和理由。 例如此前GPT-4刚刚联网之际，便有一家名为Autopilot的公司在X中宣布（账号名为The GPT Portfolio），要用GPT-4进行实盘投资。 但在此前，从The GPT Portfolio在X中发布的数据来看，巅峰的数据应当是：超42000名投资者和3300多万美元的募集资金。
44210编辑于 2024-01-23 - 来自专栏悦思悦读
开发一款A股选股器
作者在自学机器学习的过程中，尝试开发了一个基于机器学习的A股选股工具。本文是在赤兔的“数据挖掘”小组分享的此次开发过程和心得体会的整理。 A股选股器开发过程 数据来源 就财经类的数据而言，现在各大门户网站都有专门的频道，信息很多，如果对实时要求高，通过爬虫取其中有用的部分应该是一个办法。 它是免费的，提供结构化的数据，感觉每天更新也挺快。 预处理 拿到数据后第一步是做预处理。我认为股票的数据主要是做归一化，使得不同股票具有可比性。比如涨幅百分比，复权等等。 最初是用了最近3年的数据，后来考虑到A股从2007年到2015年恰好走过了一个上涨到下降再到上涨的完整周期，因此扩大到了8年的数据。 再是对算法的改进，我尝试引入了“推荐指数”的概念。 股灾日经常是“千股跌停”，上涨的股票太少了…可以看出在这些“股灾日”的时候，模型也不太准确，出现了失真。 总结与心得 选股工具利用机器学习算法，一般情况下比传统的算法（或者人为经验）的准确率高。
3.3K80发布于 2018-03-15 - 来自专栏镁客网
美股遭血洗，科技股大跌
道指跌超过830点，创近两个月新低，纳指跌逾4%，创三个多月新低。并且，隔夜美股的暴跌态势已经蔓延到了亚太股市和欧洲股市。 今日早上，亚太市场开盘后随美股一样暴跌。 其中，最早开盘的澳洲股指ASX200指数盘初跌2%，日股日经225指数开盘跌2%，日本东证指数下跌3%，迈向3月以来最大跌幅，韩国KOSPI指数开盘下跌2.43%。 台股加权指数开盘跌1.9%，目前跌幅扩大至逾4%。 在美股惨遭血洗的时候，其中，科技巨头的股票也一路下跌。 国内媒体认为，美债收益率上升是美股承压原因之一。美国国债收益率本月以来一直攀升，10年美债收益率一度触及3.25%的七年最高水平。10月5日，有数据显示，美国失业率降到了3.7%的历史低位。
68040发布于 2018-10-18 - 来自专栏福大大架构师每日一题
音视频八股文（4）--ffmpeg常见命令（3）
17 FFmpeg滤镜 17.1 filter的分类 按照处理数据的类型，通常多媒体的filter分为：● 音频filter ● 视频filter ● 字幕filter 另一种按照处于编解码器的位置划分 如果想以多宫格的方式展现，则可以自己建立一个足够大的画布，下面就来看一下多宫格展示的例子：ffmpeg -i 1.mp4 -i 2.mp4 -i 3.mp4 -i 4.mp4 -filter_complex 1.2.3.4.mp4为文件路径，out.MP4为输出文件路径，通过nullsrc创建overlay画布，画布大小640:480, 使用[0:v][1:v][2:v][3:v]将输入的4个视频流去除，分别进行缩放处理 在这里插入图片描述 在这里插入图片描述 只叠加左上右上的命令： ffmpeg -i 1.mp4 -i 2.mp4 -i 3.mp4 -i 4.mp4 -filter_complex "nullsrc 将四个 MP4 文件 1.mp4、2.mp4、3.mp4 和 4.mp4 按照一定的规则合并，并将合并后的视频数据保存为 MP4 文件 out2.mp4。
1.2K30编辑于 2023-06-09 - 来自专栏福大大架构师每日一题
音视频八股文（4）--ffmpeg常见命令（3）
17 FFmpeg滤镜17.1 filter的分类按照处理数据的类型，通常多媒体的filter分为：● 音频filter● 视频filter● 字幕filter另一种按照处于编解码器的位置划分：● prefilters =1[out]"播放视频文件 input.mp4 并将另一个视频文件 sub_320x240.mp4 设为叠加层，然后根据一定的规则将其与原始视频合成，并在播放时应用此滤镜效果：ffplay -i input.mp4 如果想以多宫格的方式展现，则可以自己建立一个足够大的画布，下面就来看一下多宫格展示的例子：ffmpeg -i 1.mp4 -i 2.mp4 -i 3.mp4 -i 4.mp4 -filter_complex 图片图片只叠加左上右上的命令：ffmpeg -i 1.mp4 -i 2.mp4 -i 3.mp4 -i 4.mp4 -filter_complex "nullsrc=size=640x480[base MP4 文件 1.mp4、2.mp4、3.mp4 和 4.mp4 按照一定的规则合并，并将合并后的视频数据保存为 MP4 文件 out2.mp4。
1.6K00编辑于 2023-04-23 - 来自专栏福大大架构师每日一题
音视频八股文（10）-- mp4结构
介绍mp4⽂件格式⼜被称为MPEG-4 Part 14，出⾃MPEG-4标准第14部分 。它是⼀种多媒体格式容器，⼴泛⽤于包装视频和⾳频数据流、海报、字幕和元数据等。 Insidermp4的媒体数据信息主要存放在Moov Box中，是我们需要分析的重点。 在mp4⽂件中，sample是⼀个媒体流的基本单元，例如视频流的⼀个sample代表实际的nal数据。 chunk是数据存储的基本单位，它是⼀系列sample数据的集合，⼀个chunk中可以包含⼀个或多的sample。 09分隔符，这⾥占⽤了6个字节， 再看真正的数据区域，前4字节也为 NALU的⻓度0x000051bc=20924总共占⽤的字节计算 4+2+4+20924 = 20934图片
1.5K10编辑于 2023-05-05 - 来自专栏小姚的后端记录
八股
八股 浏览器输入网址到看到结果的全过程 ==首先是解析url，然后进行缓存判断，判断请求的资源在不在缓存中，如果在缓存中且没有失效，就直接使用，否则就要向服务器发起请求。 （4）获取MAC地址： 当浏览器得到 IP 地址后，数据传输还需要知道目的主机 MAC 地址，因为应用层下发数据给传输层，TCP 协议会指定源端口号和目的端口号，然后下发给网络层。 数据链路层（Data Link Layer）： 主要功能：在直接连接的两个设备之间提供可靠的数据传输。 作用：将物理层提供的比特流分组成数据帧，并负责数据的错误检测和纠正。 网络层（Network Layer）： 主要功能：实现数据包的路由和转发，为数据在不同网络之间的传输提供路径。 作用：负责逻辑寻址、数据包的路由选择和跨网络的数据传输。IP协议是网络层的代表。 因此，它更适合存储较大或复杂的数据，如购物车内容或用户登录状态。 存储容量： Cookie：每个Cookie通常限制在4KB左右的存储容量。因此，Cookie适用于小量数据。
60940编辑于 2023-10-11 股票数据API：日股、韩股、新加坡股票、印尼股票市场实时行情实时数据API—python
本文将介绍一个高效的亚太股市数据 API，支持日本股市行情、韩国股市行情、新加坡股市行情和印尼股市行情的实时数据查询。 该 API 提供实时价格、K 线数据、历史数据查询、实时 tick、实时报价、低延时报价 api、盘口数据和逐笔成交等功能，特别适合量化交易开发者使用。 主要优势：实时数据：毫秒级更新，支持实时价格和逐笔成交。历史数据查询：批量获取多股 K 线数据，包括开盘价、最高价、最低价、收盘价和成交量（OHLCV）。 批量历史 K 线查询支持多股同时查询历史 K 线数据，周期从分钟线到月线。适合历史数据查询和 K 线数据分析。请求路径：GET /stock/klines? K 线数据分析，支持多股批量操作。
1.6K10编辑于 2025-12-11A 股 Level-2 行情数据 API 实战指南
本文将系统介绍 A 股 Level-2 行情数据 API 的技术特点、接入方案及实战应用，帮助开发者在量化交易的道路上构建坚实的数据底座。 数据量方面，A 股 Level-2 行情每日增量约 30-45GB，历史数据可达 10TB 级别。这意味着，处理 Level-2 数据不仅需要高效的 API 接入方案，更需要强大的数据存储与计算能力。 同花顺 iFinD：延迟在 100-200 毫秒，覆盖全市场 A 股及港股数据。采用年费制，数据质量稳定，功能丰富，适合专业投资机构使用。 4.2 实时行情接入代码示例以下提供 iTick API 的完整接入示例，包括 REST API 和 WebSocket 两种方式，涵盖 A 股、港股、美股等市场。 分钟, 4-30分钟, 5-60分钟, 8-日K, 9-周K, 10-月K limit: 返回的 K 线条数 """ url = f"{BASE_URL}/stock/kline"
2.7K21编辑于 2026-03-21- 来自专栏数据科学实战
AkShare-股票数据-港股美股复权后数据
作者寄语 更新之前的港股和美股接口直接返回复权后的数据，方便策略回测使用，具体的使用方法参见文档。 AkShare 股票数据 美股-历史行情 接口: stock_us_daily 目标地址: http://finance.sina.com.cn/stock/usstock/sector.shtml 描述 : 获取美股历史行情数据，设定 adjust="qfq" 则返回前复权后的数据，默认 adjust="", 则返回未复权的数据，历史数据按日频率更新 限量: 单次返回指定上市公司指定 adjust 后的所有历史行情数据 输入参数 名称 类型 必选 描述 symbol str Y 美股代码, 可以通过 「get_us_stock_name」 函数返回所有美股代码, 由于美股数据量大, 建议按需要获取 adjust str , 可以选择返回复权后数据,更新频率为日频 限量: 单次返回指定上市公司的历史行情数据(包括前后复权因子), 提供新浪财经拥有的该股票的所有数据(并不等于该股票从上市至今的数据) 输入参数 名称 类型
2.7K20发布于 2020-05-07 - 来自专栏数据科学实战
AkShare-股票数据-千股千评
作者寄语 熟悉东方财富的小伙伴一定听过东方财富的股吧评论数据，无论是学术论文还是业界的金工报告都有提及相关内容，本次更新根据股吧浏览、自选股添等数据统计得出，关注指数越高代表该股越受市场关注的千股千评指数接口 ，本数据有东方财富制定。 /stockcomment/ 描述: 获取东方财富网-数据中心-特色数据-千股千评 限量: 单次获取所有数据 输入参数 名称 类型 必选 描述 - - - - 输出参数 名称 类型 默认显示 描述 TDate 接口示例 import akshare as akstock_em_comment_df = ak.stock_em_comment()print(stock_em_comment_df) 数据示例 - - -3953 2020-03-23T00:00:00 900955 海创B股 ...
2.9K20发布于 2020-03-25 - 来自专栏数据科学实战
AkShare-股票数据-破净股统计
作者寄语 更新 破净股统计 接口，破净是指市值跌破净资产值，破净股是指股票的每股市场价格低于它每股净资产价格。 数据的时间段为：2005年-至今 更新接口 "stock_a_below_net_asset_statistics" # A 股破净股统计 破净股统计 接口: stock_a_below_net_asset_statistics 目标地址: https://www.legulegu.com/stockdata/below-net-asset-statistics 描述: 获取 A 股破净股统计数据 限量: 单次获取所有历史数据 输入参数 名称 类型 必选 描述 - - - - 输出参数 名称 类型 默认显示 描述 date datetime Y 交易日 below_net_asset float Y 破净股家数 total_company = ak.stock_a_below_net_asset_statistics() print(stock_a_below_net_asset_statistics_df) 数据示例
92130发布于 2020-07-23 - 来自专栏数据科学实战
AKShare-股票数据-行业成份股
作者寄语 本次接口主要东方财富的行业板块中成份股，可以与同花顺的对照使用。 更新接口 "stock_board_industry_cons_em" # 东方财富-成份股 东方财富-成份股 接口: stock_board_industry_cons_em 目标地址: https: stock_board_industry_cons_em_df = ak.stock_board_industry_cons_em(symbol="小金属") print(stock_board_industry_cons_em_df) 数据示例 50.84 7.63 2 3 600259 广晟有色 56.40 10.01 ... 50.95 51.27 3.90 101.36 9.38 3 4 000795 英洛华 8.82 9.98 ... 8.20 8.02 7.67 52.16 4.03 4 5 600392 盛和资源 23.12
1.8K30编辑于 2022-01-12 美股实时行情与 K 线数据对接
对于金融科技开发者而言，如何稳定、低延迟地获取美股数据是开发全球资产配置工具的第一步。本文将基于 StockTV 全球金融 API，为你详解如何快速集成美股实时行情、历史数据及指数信息。 一、 美股接口对接美股数据通常面临着交易所授权费高昂、API 协议复杂（如 FIX 协议）等痛点。 4. 追踪美股三大指数获取道琼斯、标普 500 或纳斯达克 100 指数，是判断市场大势的关键。接口地址：https://api.stocktv.top/stock/indices? 数据缓存：对于 stock/companies 接口提供的公司描述、行业分类等静态信息，建议在本地数据库做缓存，以优化 App 加载速度。 结语对接美股数据并不复杂，关键在于选择一个稳定且数据维度丰富的供应商。StockTV API 以其标准化的 JSON 结构和覆盖全球的金融数据，极大地降低了金融应用的开发门槛。
60610编辑于 2026-02-26爬虫技术选股：Python 自动化筛选潜力股
BeautifulSoup4：强大的网页解析库，能够将 Requests 获取的杂乱 HTML 页面解析为结构化数据，方便提取我们需要的股票代码、营收、净利润等核心信息。 Pandas：高性能的数据处理与分析库，负责对提取的金融数据进行清洗、整理、指标计算与筛选，是实现选股逻辑的关键支撑。2. A 股列表数据，提取核心选股指标。 步骤 4：预设选股逻辑，实现自动化筛选选股逻辑是自动化选股的核心，本文结合价值投资的经典指标，预设以下筛选规则（可根据个人投资风格调整）：每股收益（EPS）> 0.3 元（反映个股盈利能力较强）；净利润增长率 五、总结本文通过 Python 的 Requests、BeautifulSoup4 与 Pandas 三大核心库，实现了一套完整的自动化选股流程，从公开金融数据抓取到标准化清洗，再到基于价值投资指标的潜力股筛选
1K10编辑于 2026-01-14- 来自专栏kwai
数据库基础(六) mysql八股文
2，引擎：InnoDB，MyIsam 3，超键，候选键，主键，外键 4，Sql约束： 主键约束：唯一性，非空 唯一约束：唯一性，有一个可为空 检查约束：对列的数据范围限定 默认约束：数据的默认值 外键约束 8，mysql查询过程 事务 1，ACID 2，事务隔离级别 3，什么是事务 4，什么是脏读，不可重复读，幻读 5，事务实现原理 6，redo log，undo log 7，binlog 8，事务中可以混合使用引擎吗 不可以，正常情况下没问题，但是如果需要回滚，innodb没问题，myisam就会无法撤销，出现数据不一致。 也可以对数据，如for update。 乐观锁有CAS和版本号机制。 4，InnoDB的行锁怎么实现 给索引项加锁，所以使用行锁一定要使用索引。 其他 1，为什么要使用分库分表 分表：数据太大 分库：并发太大 2，读写分离，主从同步，主从复制 就这两大类问题。
1K60编辑于 2022-01-10 日股历史数据历史行情,价格,走势,实时API
日股历史数据和实时报价对量化工作意义重大。 日股 API 为量化工作者获取这两类数据提供便捷途径，专业日股 API 能定制数据获取，提高效率和准确性，满足量化交易要求，免费报价 API 虽有局限，但对初步量化研究和小型量化团队也有价值，能降低成本开展工作 近期日股整体呈现上涨趋势，具体来看以下几个方面：指数表现：当地时间 1 月 15 日，日股三大股指全面大幅上涨。 上涨原因分析通胀数据符合预期：最新发布的消费者价格指数（CPI）数据显示，日本 2024 年 12 月 CPI 同比上升 2.9%，环比升 0.4%，均与市场预期相符。 请求K线python -m pip install requests"""**iTick**：是一家数据代理机构，为金融科技公司和开发者提供可靠的数据源APIs，涵盖外汇API、股票API、加密货币API
4K00编辑于 2025-02-04港美A股实时盘口数据：Python 接入示例教程
港美A股实时盘口数据：Python 接入示例教程在量化交易和大宗交易决策中，实时盘口数据（也称为市场深度或 Level 2 数据）是关键要素。 本文聚焦港股（HK）、美股（US）和 A 股（SH/SZ）的实时盘口，介绍如何通过 RESTful API 和 WebSocket 方式接入这些数据，支持多市场覆盖和毫秒级更新。 例如，在港股市场，腾讯控股（700.HK）的盘口可能显示买一价 568 HKD，挂单量 75000 股。 美股 (US)：如 AAPL (苹果)、TSLA (特斯拉)。A 股 (SH/SZ)：上海和深圳交易所股票。接入方式有批量查询（REST）和实时推送（WebSocket）。 支持港美 A 股订阅（如 params: "700$HK,AAPL$US,600000$SH"）。
91600编辑于 2025-12-01- 来自专栏数据科学实战
AKShare-股票数据-技术选股-创新低
stock_rank_cxd_ths" # 创新低 创新低 接口：stock_rank_cxd_ths 目标地址：http://data.10jqka.com.cn/rank/cxd/ 描述：同花顺-数据中心 -技术选股-创新低 限量：单次指定 symbol 的所有数据 输入参数 名称 类型 描述 symbol str symbol="创月新低"; choice of {"创月新低", "半年新低", "一年新低 akshare as ak stock_rank_cxd_ths_df = ak.stock_rank_cxd_ths(symbol="创月新低") print(stock_rank_cxd_ths_df) 数据示例 5.66 5.66 2021-09-29 2 3 000034 神州数码 0.00 0.53 14.90 14.90 2021-10-28 3 4 000038 深大通 0.00 0.42 8.04 8.04 2021-10-28 4 5 000059 华锦股份 -0.84 1.68 5.90
80910发布于 2021-11-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号