接着上一篇Python和wind的交互,本文讲解如何用Python和excel进行交互,包括读取excel和输入到excel。 学习一门新知识的时候,有时候觉得很难,很可能是因为讲的不够好,而并非自身学习能力不行。本文是我在初学的时候的总结,希望能帮到初学者。 一、读取和写入excel—基础篇 首先我们先安装好所需要模块,安装方法在前一篇文章Python和wind的交互—在债券中的应
项目背景最近在做一个利率市场化咨询的项目,主要是协助银行搭建定价体系,提供定价策略,在充分考虑产品差异、顾客需求差异、时间差异、地点差异等因素基础上制定不同的存贷款定价方法。在制定定价策略之前, 我们通常会分析客户所处的内外部的环境。外部环境分析可以分成宏观环境分析、行业环境分析等部分。 在行业分析(Industrial Analysis) 部分, 我们会确定客户的存贷款利率价格在业内处于什么样的
转载 2023-12-04 21:53:53
37阅读
前言在之前的文章(如下)中,分享了爬取天天基金、中债指数的代码。爬取的数据很多,如何方便地存储、查询,也是一个麻烦的问题。本文分享一下我实现的基于 lsm-db 的本地文件数据存储、查询模块。分享天天基金数据爬取的Python脚本【Python分享】爬取中债指数的信息和历史行情基础使用文件存储数据以下面的数据为例,要把 index 存储下来,一个非常简单的方法,就是用 JSON 序列化,存储到文件
# 使用 Python 从 Yahoo 下载美国国债利率的指南 在这篇文章中,我们将学习如何使用 Python 从 Yahoo Finance 下载美国国债利率数据。整个过程包括安装所需的库、获取数据、处理数据以及保存数据。下面是整个流程的概述: ## 流程概述 | 步骤 | 描述 | | ------- | -------------
原创 9月前
299阅读
这篇文章主要为大家分享对基金数据的爬取,并通过python对获取的基金数据做一定的数据分析,如净值数据绘图,周均值,月均值的计算,及搜寻处于下降态势的基金,通过这些方法能对基金的买入与卖出提供一定的辅助作用!最后还是建议大家尽量不要盲目相信数据分析结果或者群众引导而进行买入和卖出,一定要结合自身对该基金或者股票的思考来考虑是否进行买入和卖出操作。目录 文章目录目录1.基金数据爬取1.工具准备:2.
转载 2024-02-05 14:47:50
20阅读
Ashare (免费 开源 极简 A实时行情数据API)股市A股行情实时数据最简封装API接口,包含日线,分时分钟线,全部格式成DataFrame格式数据,可用来研究,量化分析,证券程序化自动化交易系统 行情系统包括新浪腾讯双数据核心,自动故障切换,为量化研究者在数据获取方面极大地减轻工作量,更加专注于策略和模型的研究与实现。功能特点核心库轻量化:项目库就一个文件Ashare.py,
转载 2023-05-29 15:56:53
480阅读
1. 路由的介绍接着上面程序的判断场景,假如咱们再处理一个个人中心的动态资源请求非常简单,再添加一个函数和更加一个分支判断就可以实现了。framework.py 示例代码:# 获取个人中心数据 def center(): # 响应状态 status = "200 OK"; # 响应头 response_header = [("Server", "PWS2.0")]
转载 2024-07-25 14:04:06
57阅读
本例实现了股票筛选功能。 前一半是过滤出市盈率在0-30倍之间,且今日换手率>1%,涨幅超2%的股票。 后一半统计今日涨停和接近涨停的股票。
转载 2023-06-30 18:03:32
393阅读
搭建自己的量化系统如果要长期在市场中立于不败之地!必须要形成一套自己的交易系统。如何学会搭建自己的量化交易系统?边学习边实战,在实战中学习才是最有效地方式。于是我们分享一个即可以用于学习,也可以用于实战炒股分析的量化系统——QTYX。分享QTYX系统目的是提供给大家一个搭建量化系统的模版,最终帮助大家搭建属于自己的系统。因此我们提供源码,可以根据自己的风格二次开发。QTYX系统结构如下所示:由于Q
# Python实现流程 ## 1. 确定选策略 在进行Python之前,首先需要明确选的策略。选策略可以包括行业分析、财务指标分析、技术指标分析等。根据具体需求,选择适合的选策略。 ## 2. 数据获取 获取股票数据是进行选的基础。可以通过金融数据接口、第三方数据供应商或者爬虫技术等方式获得股票数据。在Python中,有很多库可以用于获取股票数据,比如pandas-data
原创 2023-08-29 03:44:25
520阅读
# 深入了解st Python 在金融市场中,Python已经成为一种非常流行的编程语言。它不仅可以帮助金融机构进行数据分析和建模,还可以用于自动化交易和算法交易。其中,“st”是指股票市场上的“上市公司”。本文将深入探讨如何使用Python来分析和交易st。 ## Python在金融领域的应用 Python在金融领域有很多应用,比如数据分析、量化交易、风险管理等。在股票市场中,Pyt
原创 2024-03-16 06:23:32
54阅读
# 使用Python进行美股数据分析与可视化 在当今数字化发展的时代,数据分析和可视化已成为个人投资者和金融分析师的重要工具。Python作为一种强大的编程语言,提供了丰富的库和工具,使得股票数据分析变得更加简单和直观。本文将介绍如何使用Python获取美股数据,并通过饼状图和序列图对数据进行可视化。 ## 环境准备 在开始之前,您需要安装以下Python库: ```bash pip in
原创 11月前
84阅读
# 如何使用Python进行A筛选 作为一名新手开发者,进行股票筛选看似复杂,但其实只需按照简单的步骤即可。本文将为您提供一个完整的指南,以实现“A筛选”的功能。 ## 整体流程 以下是实现A筛选的具体步骤: | 步骤 | 描述 | | --- | --- | | 1 | 确定筛选条件 | | 2 | 获取A股数据 | | 3 | 编写Python代码进行筛选 | | 4 | 输出筛
原创 10月前
732阅读
# 用 Python 获取美股数据的简单指南 在现代金融世界中,数据分析已成为投资决策的重要工具。特别是对于美股市场,投资者需要快速获取、处理和分析海量的数据。Python 作为一种简洁而功能强大的编程语言,受到了越来越多金融专业人士和投资者的青睐。本篇文章将介绍如何使用 Python 获取美股数据,并通过相关代码示例展示实现过程。 ## 1. 环境准备 在开始之前,你需要确保你的计算机上安
原创 11月前
192阅读
在本篇博文中,我将分享关于“APython接口”的详尽步骤,包括环境准备、集成步骤、配置详解、实战应用、排错指南以及生态扩展。这些内容将帮助有意使用A股数据的开发者们迅速搭建合适的环境和解决方案。 ## 环境准备 在开始之前,我们需要安装一些依赖包,以便可以顺利调用APython接口。 以下是基本依赖: ```bash pip install requests pandas ```
原创 6月前
18阅读
## Python Python是一种强大的编程语言,它可以用于各种领域的开发和应用。其中之一就是股票选。随着股票市场的不断变化,选成为了投资者们关注的重点之一。Python提供了丰富的工具和库,可以帮助我们进行有效的选股分析。 ### 数据获取 首先,我们需要获取股票市场的数据。Python中有很多第三方库可以帮助我们实现这个功能,比如`pandas-datareader`库。这个
原创 2023-08-02 12:13:44
298阅读
# Python A backtrader入门指南 ## 前言 Backtrader是一个用于回测交易策略的Python库,它具有灵活性高、易用性强的特点,适合量化交易研究和实践。在A股市场,利用Backtrader可以方便地测试和优化交易策略,提高投资效率。 本文将介绍如何使用Python A backtrader进行回测,并结合代码示例进行详细说明。 ## 安装backtrader
原创 2024-04-29 03:44:07
949阅读
# Python A下影线实现流程 ## 引言 在A股市场中,股票的K线图是投资者进行技术分析的重要工具之一。其中,下影线是指K线图中实体部分之下的细长线段,它通常是价格下跌后的回升阶段。对于投资者而言,下影线的形态和长度可以提供一定的参考价值,帮助判断股票价格的走势。本文将介绍如何使用Python实现A下影线的提取。 ## 流程图 ```mermaid flowchart TD
原创 2024-01-14 05:19:46
68阅读
# 用Python实现勾股定理 在本文中,我将指导你如何使用Python编写一个简单的程序,实现勾股定理的计算。勾股定理是一个数学定理,通常用于计算直角三角形的边长。根据勾股定理,如果直角三角形的两条直角边分别为a和b,斜边为c,则有: \[ c = \sqrt{a^2 + b^2} \] ## 实现流程 为了实现这个功能,我们需要遵循以下几个步骤: | 步骤 | 描述
原创 2024-08-29 05:46:48
81阅读
量化投资选python程序实践(附源码)首先选取沪深股票市场,本人比较关注的12只股票:000002 万科A,600566 济川药业,300051 三五互联,002039 黔源电力,600872 中炬高新,300324旋极信息,600885 宏发股份,600382 广东明珠,000732 泰和集团,002174&n
  • 1
  • 2
  • 3
  • 4
  • 5