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
# 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
516阅读
## 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
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
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
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
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
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
## 如何使用Python进行同花顺选股
在股票投资中，选股是一项非常重要的技能，而Python为我们提供了强大的数据处理和分析能力。本文将为刚入门的小白介绍如何使用Python进行同花顺选股，使用pandas、requests等库进行数据获取和处理。
### 整体流程
以下是整个选股过程的步骤：
| 步骤 | 描述 |
|---
原创
2024-09-19 05:58:06
1192阅读
# Python量化选股
## 介绍
Python作为一种强大的编程语言，在量化投资领域也有着广泛的应用。量化选股是指利用数学和统计学方法，结合计算机编程，通过对大量数据进行分析和筛选，选出具有潜在投资价值的股票。Python提供了丰富的库和工具，使得量化选股变得更加便捷和高效。
## 量化选股流程
量化选股的流程可以分为数据获取、数据处理、策略设计和回测等步骤。下面我们将通过一个简单的示
原创
2024-07-14 08:10:41
67阅读
# Python Tushare 选股指南
在当前的金融市场中，选股是投资者决策过程中的一个关键环节。一个好的选股策略能够帮助投资者识别潜在的投资机会。近年来，Python逐渐成为金融分析领域中一种流行的编程语言，而Tushare是一个用于股票数据分析的Python库。本文将深入探讨如何使用Python Tushare库进行选股，提供代码示例，并阐明选股的基本流程。
## 1. 什么是Tush
### 使用 Python 进行选股: 基础与实用示例
选股是股票投资中最重要的一环，如何通过数据进行科学合理的选股，成为了许多投资者关注的焦点。随着计算机技术的进步，特别是 Python 语言的盛行，数据分析和处理变得更加简单高效。本文将通过示例展示如何用 Python 编写一个简单的选股程序，并结合数据可视化技术，帮助我们更好地进行决策。
#### 一、选股的基本理论
在开始编写代码之前
原创
2024-09-19 08:10:19
550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
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
1 #-*- coding: utf-8 -*-
2
3 importos4 importsys5 importpickle6 importmath7 importdatetime8 importmatplotlib9
10 matplotlib.use("WXAgg", warn=True) #这个要紧跟在 import matplotlib 之后，而且必须安装了 wxpython 2.8 才行
转载
2023-09-18 03:42:36
142阅读
多因子筛选与因子正交化引言在多因子研究框架中，如果已经检验出多个有效的因子，而在实际因子选股的过程中，各个有效的因子可能会相互影响，而高度相关的两个有效因子，即使都有不错的获取alpha的能力，但其来源可能相同。如下图为一系列的资金流向因子和成交额的相关散点图矩阵 图中资金流向因子与成交额因子都有高度的相关性，存在大量的共同信息是的无法研究各资金流向因子之间的差异。这时就需要正交化方法，将所有资金
转载
2023-11-23 22:57:37
8阅读
