暂无搜索历史
很多人选数据源的过程是这样的:"搜一下 Python 股票数据 → 看到 akshare 免费 → 装上了 → 能跑就行。"
你的选股脚本以为自己在扫描"全市场",其实它扫描的是半年前的全市场减去退市的加上一堆错误。
做量化最怕什么?不是策略亏钱——亏钱至少说明策略跑起来了。最怕的是:策略根本没跑起来。
很多人盯盘盯了一整天,其实最该认真看的只有两个时段:开盘 30 分钟和收盘 30 分钟。
日线金叉了,你买进去,结果周线还在往下走——日线级别的反弹被周线级别的下跌吞掉了。反过来也有:日线死叉了你吓得卖了,结果月线趋势完好,跌下去两天就拉回来。
5000 多只 A 股,你不可能全看一遍。大部分人只盯着自选股或者涨幅榜,但真正有意义的异动——比如一只长期缩量横盘的票突然放量 3 倍、一只连跌 7 天的票尾...
AlphaFeed 的 batch 接口把这些全解决了:传一个列表进去,内部自动分块、并发、重试,几秒钟全部拉完。
回测年化 30%、夏普 2.5、最大回撤 8%。你兴奋地开了实盘,三个月后一看——亏了 12%。
如果你在搜"Python 获取股票实时数据"、"Python 股票实时行情接口"、"A股实时报价 API",这篇文章就是写给你的。
纳斯达克大涨,大家会期待 A 股科技股高开;恒生科技下跌,很多人会担心港股互联网和 A 股成长板块承压;美股半导体走强,又会有人去看 A 股芯片股。
很多人判断市场强弱,习惯看指数:上证指数涨了,觉得行情不错;创业板跌了,觉得市场很差。
A 股有个广为流传的说法:"七亏两平一赚"。意思是 70% 的散户在亏钱,20% 不赚不亏,只有 10% 赚到了钱。
A 股散户圈里有一种玩法叫"打板"——今天某只股票涨停了,明天开盘就买进去,赌它继续涨。
炒股的人都知道要复盘。但大多数人的复盘是这样的:收盘后打开行情软件,翻翻涨幅榜,看看自选股涨了还是跌了,刷两条财经新闻,觉得自己"复盘了"。
前面几篇文章里,我们做过各种选股:按涨幅筛、按放量筛、按均线排列筛、按动量排名。这些筛选条件本质上都是因子——用来描述一只股票某个维度特征的量化指标。
前面几篇文章里,我们用 pandas 手写了回测逻辑:计算信号、乘以收益率、累乘得到净值曲线。这种方式简单直接,适合快速验证一个想法。
大多数量化教程只讲日 K 线。原因很简单:日线数据容易拿、逻辑清晰、回测方便。但只看日线,你会丢掉一个重要维度——盘中发生了什么。
大多数量化入门教程只讲 K 线——日 K、周 K、均线、MACD、布林带。但如果你只看 K 线,你看到的只是"结果":价格已经走到这里了。
然后你发现,A 股数据用的是 akshare,美股数据要换成 yfinance,港股又得去找别的接口。三个数据源的代码格式、字段名、时区处理全不一样,光是把三份...
大多数人的做法是打开行情软件,手动翻看自选股、刷涨幅榜,或者跟着论坛帖子追热点。这种方式在股票数量少的时候还行,一旦想覆盖全市场——沪深京超过 5000 只股票...
暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市