前言:
而今各位老铁们对“python如何查看源代码”大致比较注重,咱们都需要剖析一些“python如何查看源代码”的相关文章。那么小编同时在网上收集了一些对于“python如何查看源代码””的相关内容,希望大家能喜欢,咱们快快来学习一下吧!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的,对这些词汇解释起来有点吃力。我们只要记住这两个指标如何计算,以及后面如何使用即可
KDJ指标的定义
计算K指标
计算D指标
计算J指标
实验原理
老师在课程中讲到K和D都是反映股票变化趋势的,K要比D灵敏,当K值上穿D值时(第一次出现K>D)时代表股票可能出现向上反弹,此时是买入时机,当K下穿D值时(第一次出现K<D)时,代表股票有较大概率出现下跌,此时是卖出时机。
通过利用这个方法,我们可以在4000多支股票中筛选出若干可能出现反弹的股票,然后再用人的经验和其他方面的信息选出心仪的股票了。
我们的实验思路是:
先从网络上获取过去半年 4000支股票的交易信息,包括日期(date)、最高价(high)、最低价(low)、开盘价(open)、收盘价(close),将这些信息存储到stockbars表中用python程序读取stockbars表中的每条记录,计算出rsv指标存储到stockrsvs表中最后用python程序读取stockrsvs表,计算出k、d、j三个指标最后我们用SQL语句查询数据库,每个人可以基于RSV、k、d、j这四个值自由定义查询方式
这里我们用到了kdj金融知识、python编程知识、SQL语言以及数据库相关的内容,也算是一次综合性的演练了。还可以利用Sugar来在线绘制大屏,
实验过程
实验环境准备
我们用到了python开发环境,这里我们用docker直接获取一个镜像使用,省的安装一堆乱七八糟的依赖,当然你也可以按照自己的喜好来自行安装
docker pull docker.io/python
数据库我们使用了一个免费的云数据库MemFireDB ,他提供了公网IP以及可视化的SQL编辑器方便我们后续查询数据
实验步骤和代码
获取原始数据
计算RSV指标
for bar in bars: rsv = session.query(StockRSV).filter( StockRSV.id == bar.stock_id + "_" + str(bar.date) ).first() if rsv is not None: print("rsv: id:%s stock_id:%s, date:%s,rsv value:%s cal next bar" % ( rsv.id, rsv.stock_id, rsv.date, rsv.rsv )) continue prevbars = session.query(StockBar).filter( StockBar.stock_id == stock.id, StockBar.date <= bar.date ).order_by(StockBar.date.desc()).limit(window).all() if len(prevbars) < window: print("stock %s date %s perv less than window %s cal next date" % (stock.id, bar.date, window)) continue for prevbar in prevbars: print("prevbar: id %s , stock_id:%s, date:%s, open:%s, high:%s, low:%s, close:%s" % (prevbar.id, prevbar.stock_id, prevbar.date, prevbar.open, prevbar.high, prevbar.low, prevbar.close)) low = prevbars[0].low high = prevbars[0].high lastopen = prevbars[0].open lastclose = prevbars[0].close for prevbar in prevbars: if prevbar.high >= high: high = prevbar.high if prevbar.low <= low: low = prevbar.low print("rsv: stock_id %s, date:%s lastopen:%s, lastclose:%s, high:%s, low:%s" % ( bar.stock_id, bar.date, lastopen, lastclose, high, low)) stockrsv = StockRSV(id = bar.stock_id + "_" + str(bar.date), stock_id = bar.stock_id, date = bar.date, rsv = 100 * (lastclose - low) / (high - low)) session.add(stockrsv) session.commit()
计算结果
计算KDJ指标
for stock in stocks: i += 1 rsvs = session.query(StockRSV).filter( StockRSV.stock_id == stock.id ).order_by(StockRSV.date.asc()).all() if len(rsvs) < 1: print("stock %s rsv less than window %s real %s cal next stock" % (stock.id, 1, len(rsvs))) continue for stockrsv in rsvs: curkdj = session.query(StockKDJ).filter( StockKDJ.id == stockrsv.stock_id + "_" + str(stockrsv.date) ).first() if curkdj is not None: print("kdj id:%s, stock_id:%s,date:%s,k:%s, d:%s,j:%s exist cal next" % ( curkdj.id, curkdj.stock_id, curkdj.date, curkdj.k, curkdj.d, curkdj.j )) continue lastkdj = session.query(StockKDJ).filter( StockKDJ.stock_id == stockrsv.stock_id, StockKDJ.date < stockrsv.date ).order_by(StockKDJ.date.desc()).limit(1).first() lastkvalue = 0 lastdvalue = 0 if lastkdj is not None: lastkvalue = lastkdj.k lastdvalue = lastkdj.d stockkdj = StockKDJ(id = stockrsv.stock_id + "_" + str(stockrsv.date), stock_id = stockrsv.stock_id, date = stockrsv.date, k = curkvalue, d = curdvalue, j = 0) session.add(stockkdj) session.commit()
计算结果
使用SQL选股
我们选择最近RSV值较低,且K>D 的十只股票
到股票软件上查看这几只股票的趋势图
实验总结
通过这次实验,我们探索了一种方法,使用python获取股票数据,因为记录数较多且计算过程无法递归,只能通过循环的方式结合数据库循环计算指标。最后将计算的结果存储在数据库中,利用SQL语言的丰富语义,可以灵活验证各种选股的模型。
标签: #python如何查看源代码