Skip to content
/ stock Public
forked from Rockyzsu/stock

30天掌握量化交易 (持续更新)

Notifications You must be signed in to change notification settings

aimkobe/stock

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

更好的帮助自己炒股(亏钱-。-)

本人业余投机者(韭菜)一枚,自学量化交易,把经历写成代码推送到github。代码和策略会一直保持更新,如果你有好的策略或者想法和疑问想要交流,可以私信我或者QQ:896820010

  • black_list_sql.py 记录A股市场上所有有黑历史的股票名单,并存入数据库
  • big_deal.py 监控每天A股市场上的大单交易
  • bond_monitor 可转债监控
  • ceiling_break.py 新股一直板开板后多少天能够重新回到开板价格
  • delivery_order.py 把交割单导出到Mysql,便于查找某只清仓股的操作历史痕迹,对自己的操作记录一目了然
  • fetch_each_day.py --获取每天换手率前50的热门股
  • filter_stock.py 通过不同的因子策略选股,常见的如市盈率,流通量,股东数,基金持股数等
  • foreign_exchange.py 获取美元汇率的每天走势并存入Mysql
  • get_break_high.py --获取当天破50天新高的股票。为什么不获取60天呢? 因为大家都在用,用的人多了就不准了。
  • ipo_speed.py 统计每天IPO新股发行速度与大盘的相关性
  • ipo_stock.py 新股统计
  • jisilu.py 获取集思录的可转债行情
  • jubi.py -获取国内山寨币平台的实时数据
  • new_stock_break 分析新股的开板时机
  • new_stock_fund 打新基金获取,并选出中签科创板的基金
  • pledgeed_validation.py 股权质押数据整理
  • push_msn.py -短信提醒自己 设定的某个股票价格或者涨幅达到自己 要求
  • relationship_case.py 每个月的解禁股与大盘指数的关系
  • select_stock.py - 选股策略, 根据自己的经验选出来的个股。
  • SPSIOP_PRICE.py - 华宝油气估值 通过爬虫获取数据然后计算
  • stockInfo.py 爬取市场股票新闻消息,并存储到ElasticSearch数据库中
  • strategy_verify.py 获取雪球的策略并验证
  • simulation.py 记录自己的模拟仓
  • strategy_verify.py -获取雪球的即时交易策略
  • win_or_lost_each_day.py --评估自己每天每只股票的盈亏情况 完成度100%
  • zdt.py --每天股票市场的涨停热度

您的支持就是我最大的动力! 如果您觉得本示例对你有用,作为对作者的打赏,可以扫描以下支付宝红包,这是作者的免费红包二维码,领取了到店铺支付时使用,可抵扣相应金额。

alipay

如果您真的很感激作者,也可以直接扫描以下二维码打赏作者。

weixin
alipay

About

30天掌握量化交易 (持续更新)

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • Jupyter Notebook 83.6%
  • Python 16.4%