本程序使用传统的[TuShare接口]，并非需要捐赠的[pro接口]获取数据无限制;另，由于TuShare的增量更新接口有bug（最近一个交易日的数据获取不到），所以每次计算前都是删除所有数据，全部重新获取。本程序实现了若干种选股策略，大家可以自行选择其中的一到多种策略组合使用，参见work_flow.py各策略中的end_date参数主要用于回测。安装依赖: 根据不同的平台安装TA-Lib程序
转载
2023-07-06 22:52:33
43阅读
# 使用Python进行模型选股
在现代金融市场中，选股是一项关键的投资活动。借助数据分析和机器学习技术，投资者可以利用Python编写模型来分析股票以做出更明智的投资决策。本文将介绍如何使用Python进行模型选股，包括数据获取、特征选择、模型训练和评估等步骤。
## 第一步：数据获取
我们可以使用 `yfinance` 库从Yahoo Finance下载股票数据。首先，我们需要安装这个库
学习目标：选股策略1：5_group操作学习内容：1：导入必要库import pandas as pd
pd.set_option('expand_frame_repr', False) # 当列太多时不换行2：从hdf文件中导入数据# 从hdf文件中导入数据
stock_data = pd.read_hdf('all_stock_data_h5.h5', key='all_stock_data
转载
2023-10-28 10:50:56
8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
# coding=utf-8
from __future__ import print_function, absolute_import, unicode_literals
import numpy as np
from gm.api import *
from pandas import DataFrame
'''
本策略每隔1个月定时触发,根据Fama-French三因子模型对每只进行回
转载
2024-01-26 07:32:23
371阅读
首先，我们先来看一下通过卷积神经网络选股模型的整体流程，然后再根据每一步流程进行介绍，具体如下图所示：1、数据获取用于历史回测数据来自所有A股股票，其中剔除了ST股以及上市3个月的股票，另外，每只股票是做一个样本。回测的区间是从2011年1月31日到2019年1月31日。2、特征和标签提取通过CNN进行分类预测时，必然需要进行对特征进行提取并进行标签的标注工作。其中，样本特征是根据每个自然月的最后
转载
2023-12-26 21:01:08
9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
多因子选股模型在模型搭建中，往往会涉及到非常多的股价影响因子，并可能导出数量极多的备选模型。因此，对于多因子选股模型的评价和筛选，就显得尤为关键。对于专业的量化投资人而言，就需要进一步了解多因子选股模型的两种主要的评价判断方法——打分法和回归法。打分法的评价原理和流程所谓打分法，就是根据各个因子的大小对股票进行打分，然后按照一定的权重加权得到一个总分，最后根据总分再对股票进行筛选。对于多因子模型的
## Python选股
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股。随着股票市场的不断变化，选股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选股实现流程
## 1. 确定选股策略
在进行Python选股之前，首先需要明确选股的策略。选股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，选择适合的选股策略。
## 2. 数据获取
获取股票数据是进行选股的基础。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
前言： 在无人指导自学的环境下，只能靠网络搜索去记录些会用到的知识定义，以此来方便以后的学习，不定时频繁更新。1：CAPM 资本资产定价模型 capital asset pricing model2：CAPM模型:一个投资组合的超额回报率可由它对三个因子的暴露来解释，这三个因子是:市场资产组合（Rm-Rf）、市值因子（SMB）、账面市值比因子（HML）3：ROE 净资产收益率 return on
转载
2023-08-14 15:50:26
5阅读
经过前两篇文章，我们把多因子选股策略三大步骤：因子的选取，检验，冗余因子剔除等介绍了一遍，接下来这一篇将利用已经得到的结论，完成最后一步，策略的实现。我们根据前两篇文章的内容，我们选取以下因子来构建策略：TAGRT，ROEANNUAL，SHTLIABTOTLIABRT，PB其因子的有效性图如下，股票池为“IT指数”成分股。 策略构建：基本思路：我们按照一定排列规则，将所有股票排序，并选取
转载
2023-10-20 17:16:34
58阅读
注：本次实验使用python3.7以及pycharm完成网络爬虫所为爬虫就是建立一个与某个网站的连接 通过该连接获取输入流，读取网站内容。实质上就是一个socket的输入输出操作，根据http状态码以及请求头里的信息，验证是否发送完毕（一般是200），结束连接。模块 本次使用python中自带的requests模块，和第三方xlwt库处理文档。通过以下代码，得到一个HttpRequest对象以下为
转载
2023-09-21 08:01:11
103阅读
背景近期在学习数据分析，在课程最后老师讲了一下通过量化分析选择股票的案例，感觉挺有意思的，恰好周围也有人在炒股票，干脆自己做一个软件来实践一下学到的知识。课程上主要用python相关库来处理比特币的数据，数据量也不大，但是理解原理之后我们可以举一反三。首先来回顾一下主要的知识点，选择股票的时候会用到两个重要的指标RSV、KDJ。他们的定义见下面的课件截图，具体的内容我就不阐述了，因为我是非金融专业
转载
2023-12-19 18:58:11
6阅读
多因子策略选股简介多因子模型是一种常用的选股模型，多因子模型的构建一般分为回归法和打分法两类。其基本思想就是找到某些影响股票收益的因子然后利用这些因子进行选股。一、alpha因子的种类因子分类有许多种，按因子分析角度分为基本面因子与技术因子。其中基本面因子包含：价值因子、盈利因子、成长因子、资本结构因子、运营因子、流通性因子等；技术因子包含：动量因子、趋势因子、市值因子、波动因子、成交量因子等。按
转载
2023-06-13 21:36:34
700阅读
前言：比昨天增加了Radiobutton单选按钮，还有增加了在多股回测下实现选中股票的backtrader图形化，改了下字体颜色跟框架，改动后效果如下： 改动了两个文件代码，分别是tk_window.py跟stock_backtrader.py tk_window.pyimport tkinter as tk
import graphic
import function
import stock_
转载
2023-12-21 10:57:25
12阅读
# 量化选股：Python实现方法与示例
量化选股是利用数据分析、统计学及计算机技术来选择股票的一种方法。通过对股票的历史数据进行分析，量化选股能够帮助投资者做出更为理性的决策。随着Python语言在数据科学领域的逐渐普及，越来越多的投资者选择利用Python来实现量化选股策略。
## 什么是量化选股？
量化选股的基本思路是使用数学模型和算法，根据市场数据和各种财务指标来评估股票的价值。常见
原创
2024-09-09 06:25:34
144阅读
# Python因子选股入门指南
因子选股是一种投资策略，通过选择一组影响股票回报率的因子来进行投资决策。这些因子可能包括公司财务指标、市场情绪和其他相关数据。近年来，Python由于其强大的数据处理能力和丰富的金融库，成为量化投资领域的重要工具。本文将介绍如何使用Python进行因子选股，并通过一个简单的示例来展示其基本思路。
## 什么是因子？
因子可以理解为驱动资产回报的变量。例如，成
原作者：JoinQuant-TWist 摘要灵感细化 逐步实现策略 调整与改进策略 自测与自学通过前文基础知识的学习，本文将引导读者运用所学写成一个策略。如果发现某些知识忘了很正常，回头再看就行，用到什么去学什么学习的效率更高。灵感细化之前也提到过策略灵感的来源多种多样，可能是通过阅读、通过与人交流、或是通过自己感悟与研究等等。灵感最初可能只是模糊的感觉或疑问，比如“感觉低市盈率的股票好像长期收益
本项目的核心思路：根据pe ratio对股票进行分组，分组之后等权重投资低估值的股票，再平衡日为每月最后一天。 Contents1 获取并处理数据1.1 获取数据1.2 数据整理 1 获取并处理数据注：本项目使用的全部数据来自Tushare社区（id=570231）：Tushare社区1.1 获取数据1.首先，我们安装一下Tushare库pip install tushare2.调用API之前，进
转载
2023-08-06 13:13:06
306阅读
