在开始之前，需要做好准备工作，我们需要安装一些必要的Python库，主要包括requests（用于发送HTTP请求）、json（用于处理JSON数据）、pandas（用于数据处理和展示）和tabulate（用于在shell端展示数据），这里主要使用以下命令进行安装：
由于文件标题是中文，直接读取会报错，所以加了encoding编码申明。一般encoding设置成GBK、utf-8、GB2312即可满足读取需求。
本人最近在尝试着发表“以股票案例入门Python编程语言”系列的文章，在这些文章里，将用Python工具绘制各种股票指标，在讲述各股票指标的含义以及计算方式的同时，验证基于各种指标的交易策略，本文是第一篇，通过K线和均线案例讲述Numpy，Maplotlib等相关库的用法，并且还用代码案例来验证买卖的交易策略。在本系列的后面文章中,将陆续通过python绘制成交量、KDJ、MACD、RSI和OBV等指标,而且还会用Python编写针对这些指标的交易策略,敬请关注。
最近苹果的股价一路疯长，继周四突破万亿美元市值后，周五盘中高点、收盘价双创新高。盘中高点达208.74美元，收盘价报207.99美元，上涨0.29%，创历史收盘新高，市值达10045.76亿美元。
在用python的matplotlib和numpy库绘制股票K线均线的整合效果（含从网络接口爬取数据和验证交易策略代码）一文里，我讲述了通过爬虫接口得到股票数据并绘制出K线均线图形的方式，在本文里，将在此基础上再引入成交量效果图，并结合量价理论，给出并验证一些交易策略。
来源：towardsdatascience 作者：Baijayanta Roy 编译&内容补充：早起Python
CSV文件是由逗号分隔的值文件，其中纯文本数据以表格格式显示。它们可以与任何电子表格程序一起使用，如Microsoft Office Excel、Google Spreadsheets或LibreOffice Calc
我们展示了如何将一个诺贝尔经济学奖获奖理论应用于股票市场，并使用简单的Python编程解决由此产生的优化问题。
今天小编来为大家安利另外一个用于绘制可视化图表的Python框架，名叫Dash，建立在Flask、Plotly.js以及React.js的基础之上，在创建之出的目的是为了帮助前端知识匮乏的数据分析人员，以纯Python编程的方式快速制作出交互特性强的数据可视化大屏，在经过多年的迭代发展，如今不仅仅可以用来开发在线数据可视化作品，即便是轻量级的数据仪表盘、BI应用甚至是博客或者是常规的网站都随处可见Dash框架的影子，今天小编就先来介绍一下该框架的一些基础知识，并且来制作一个简单的数据可视化大屏。
我们给方法、变量命名出的名字就叫标识符。在Python中，标识符只允许有：英文、中文、数字、下划线。
人们很容易被丰富的数据和各种免费开源工具所吸引。在研究了quandl financial library和prophet modeling library之后，我打算试着探究简单的股票数据。我花了几天
最近的市场行情有点好，很多人都出来梭哈了，无论是互联网公司的腾讯员工，还传统企业的大爷大妈，有的甚至拿出自己的积蓄，一下子都投入....
摘要： 本篇文章是”Python股市数据分析”两部曲中的第二部分。在本篇文章中，我们讨论了均线交叉策略的设计、回溯检验、基准测试以及实践中可能出现的若干问题，并结合Python代码实现了一个基于均线交叉的交易策略系统。 注意：本篇文章所涉及的看法、意见等一般性信息仅为作者个人观点。本文的任何内容都不应被视为金融投资方面的建议。此外，在此给出的所有代码均无法提供任何保证。选择使用这些代码的个人需自行承担风险。 交易策略 我们把在未来条件满足时将被终止的交易称为未平仓交易。多头仓位是指在交易过程中通过金融商品增
最近在学习一点股票的知识，可是发现自己在像个小白，找不到门路，可是如果不学习就会变韭菜。人们常说股市就如同赌博，这没有问题。但谁能说去买菜或者买东西不是博弈？只是量级的问题。所以很多问题并没有什么标准和规则，全凭自己如何看待。可是物质的运动规律是可以掌握的，问题是你是否掌握了足够的信息量。以及如何看待其中的关系。写这种文章的意义是什么，对于我来说就是整理思维，我特别喜欢辩证的思考问题，在不断的反驳自己能够让自己深度思考某些问题。然后对于这个世界有比较深入的解。
不用复制粘贴，也不用写python，今天教你一个零代码可以自动播报股价数据的好办法。来看看我自动化的效果吧！
现在很多免费的股票数据库，比如akshare，其实是从新浪财经或者东方财富网站上爬取下来的。如果能直接从新浪财经或者东方财富网站上爬取数据，可以获取更全面更即时的信息。
数据变得越来越重要，其核心应用“预测”也成为各个行业以及产业变革的重要力量。对于股市来说，用人工智能来对股价进行预测成为量化投资的一个重要手段。本项目帮助客户运用powerBI获取网易财经上茅台2020年股票数据、并用SPSSmodeler 的类神经网络模型对第二天股价涨跌幅度进行预测。
我最近出了一本书，《基于股票大数据分析的Python入门实战 视频教学版》，京东链接：https://item.jd.com/69241653952.html，在其中给出了MACD，KDJ等指标图的绘制方法。此外，还可以用价格通道来分析。根据指定股票通道指标的算法，能用过去一定时间段的交易数据绘制出上下两条通道线，即价格通道里的上下轨道。一般来说，当股价向上突破上轨时，即预测后市将涨，反之当股价向下突破下轨时，即预测后市将跌。
怎么算呢？趁着高数知识还没忘完，赶紧拿起纸演算起来。大部分人是这么做的。但是如果现在跟你说，可以用 AI 来做，你信吗？
字符串 在python3中已经全面支持中文。 由于Python源代码也是一个文本文件，所以，当你的源代码中包含中文的时候，在保存源代码时，就需要务必指定保存为UTF-8编码。当Python解释器读取源代码时，为了让它按UTF-8编码读取，我们通常在文件开头写上这两行： #!/usr/bin/env python3# -*- coding: utf-8 -*- Python提供了ord()函数获取字符的整数表示，chr()函数把编码转换为对应的字符： 📷 要计算str包含多少个字符，可以用len()函数： 在
字符串 在python3中已经全面支持中文。 由于Python源代码也是一个文本文件，所以，当你的源代码中包含中文的时候，在保存源代码时，就需要务必指定保存为UTF-8编码。当Python解释器读取
由于Python源代码也是一个文本文件，所以，当你的源代码中包含中文的时候，在保存源代码时，就需要务必指定保存为UTF-8编码。当Python解释器读取源代码时，为了让它按UTF-8编码读取，我们通常在文件开头写上这两行：
本推文会介绍如何在利用股票分钟数据，基于强化学习来做配对交易。包括基本概念和具体实现；这里采用的强化学习方法，是类似多臂老虎机（N-armed bandit）问题。
Python 进行数据分析和价值挖掘是当前炙手可热的技术领域，如何高效地管理大量数据是其中非常关键的环节。数据库是最佳的解决方案之一，目前流行的数据库有Oracle、MySQL、MongoDB、Redis、SQLite……关于数据库的选型通常取决于性能、数据完整性以及应用方面的需求。
编者按：本文介绍了如何使用LSTM模型进行时间序列预测。股票市场的数据由于格式规整和非常容易获得，是作为研究的很好选择。但不要把本文的结论当作理财或交易建议。
尽管预测股价确实是一个老问题，至今仍然没有被解决。事实十分简单：股票的价格由多种因素决定，而股票的历史价格仅仅是众多原因中的一小部分。因此，预测股价走势是一个非常困难的问题。
本篇文章是”Python股市数据分析”两部曲中的第一部分，内容基于我在犹他州立大学MATH 3900 (Data Mining)课程上的一次讲座。在这些文章中，我将介绍一些关于金融数据分析的基础知识，例如，使用pandas获取雅虎财经上的数据，股票数据可视化，移动均线，开发一种均线交叉策略，回溯检验以及基准测试。第二篇文章会介绍一些实践中可能出现的问题，而本篇文章着重讨论移动平均线。 注意：本篇文章所涉及的看法、意见等一般性信息仅为作者个人观点。本文的任何内容都不应被视为金融投资方面的建议。此外，在此提供的
美国食品与药品管理局（FDA）批准新药、法律裁决、企业合并、股票回购和CEO偶然在播客上露脸，这些都是影响股价的事件的例子。现实生活中发生的重大事件虽然不能被像技术指标一样被量化，但是无疑会对股价产生影响。
数据是金融量化分析的重要基础，包括股票历史交易数据、上市公司基本面数据、宏观和行业数据等。随着信息流量的日益膨胀，学会获取、查询和加工数据信息变得越来越重要。对于鼓捣量化交易的人来说，怎么能说不会玩数据库呢？目前常用的开源（免费）数据库有MySQL、Postgresql 、Mongodb 和 SQLite （Python自带），在2018-2019年DB-Engines 排行榜上位居前十（见下图），可见其使用量和受欢迎程度较高。这几个数据库各有自己的特点和适用环境，关于该学习哪一个或如何学习网上有很多相关资料。本文主要为大家简单介绍如何使用 Python 操作 Postgresql 数据库（其他数据库类似），利用 psycopg2 和 sqlalchemy 实现 postgresql 与 pandas 的 dataframe 进行交互，一步步搭建自己的量化分析数据库。
摘要：本篇文章是"Python股市数据分析"两部曲中的第一部分，主要介绍金融数据分析的背景以及移动均线等方面的内容。 本篇文章是"Python股市数据分析"两部曲中的第一部分，内容基于我在犹他州立大学MATH 3900 (Data Mining)课程上的一次讲座。在这些文章中，我将介绍一些关于金融数据分析的基础知识，例如，使用pandas获取雅虎财经上的数据，股票数据可视化，移动均线，开发一种均线交叉策略，回溯检验以及基准测试。第二篇文章会介绍一些实践中可能出现的问题，而本篇文章着重讨论移动平均线。 注意：
在股市里，光是一支股票，其 K 线、形态、指标就已经含有丰富的信息，更何况股市里有大几千支股票，各种信息令人眼花缭乱。普通散户到底如何全盘分析，选出一支潜力股？
NumPy是Python中用于数据分析、机器学习、科学计算的重要软件包。它极大地简化了向量和矩阵的操作及处理。python的不少数据处理软件包依赖于NumPy作为其基础架构的核心部分（例如scikit-learn、SciPy、pandas和tensorflow）。除了数据切片和数据切块的功能之外，掌握numpy也使得开发者在使用各数据处理库调试和处理复杂用例时更具优势。
你可能还记得高中时的一个简单的微积分问题——在给定盒子体积的情况下，求出构建盒子所需的最小材料量。
每天给你送来NLP技术干货！ ---- 今天看到一条热搜：英伟达。 我以为是 RTX 40 系显卡的预热内容，想着距离把我饱经风霜的 2060 换掉又近了一步。 结果看到的是： 8月31日，全球两大 GPU 厂商 NVIDIA 和 AMD 均证实，已收到美国政府通知，即刻停止向中国出口旗下高端 AI 芯片。 图：英伟达向SEC提交的文件 NVIDIA（英伟达）8 月 31 日向美国证券交易委员会(SEC)提交的一份文件披露，美国政府于 8 月 26 日通知该公司，未来若要出口 A100 和 H100 芯片
一般在Python当中，我们用于绘制图表的模块最基础的可能就是matplotlib了，今天小编分享几个用该模块进行可视化制作的技巧，帮助你绘制出更加高质量的图表。
在本人的新书里，将通过股票案例讲述Python知识点，让大家在学习Python的同时还能掌握相关的股票知识，所谓一举两得。这里给出以线性回归算法预测股票的案例，以此讲述通过Python的sklearn库实现线性回归预测的技巧。
不过，就在一片大好的形势下，刚刚却曝出来一个出人意料的消息：谷歌的Python团队解散了？！
当我们说起金融时间序列的预测，大家可能第一个想到的是预测股票价格。 然而，Chollet 的《Deep Learning with Python》一书强调，人们不应该尝试使用时间序列预测方法去预测股票价格。 他解释道，在股市中过去的数据并不是估计未来的一个好的基础。
机器学习排序(Learning to rank)将搜索转化为机器学习问题，在本文中，我想找出搜索与其他机器学习问题不同的原因，如何将搜索排名作为机器学习或者是分类和回归问题？我们将通过两种方法，对机器学习排序方法的评估有个直观的认识。
这是市场的波动率和股市的关系。和FRM中提到的一样，在市场低迷，或者说，金融危机的时候，市场的波动率急剧增加。于是，就有了恐慌指数这个东西，也就是Vix，其实就是市场的波动率指数。
翻译 | AI科技大本营（rgznai100） 参与 | 刘畅 编辑 | 周翔 【AI科技大本营导读】最近，A股尤其是上证指数走势凌厉，让营长有种身在牛市中的错觉。然而大盘天天涨，营长账户中还是那几百万，甚至还有所缩水。夜深人静的时候，营长常常会点着一支烟，思索到底有没有一个完美的算法，可以预测股价的涨跌，这样就可以早日实现财务自由，走向人生巅峰。这时，一篇外国友人的文章成功引起了营长的注意，看完后备受启发，所以我们将其编译后，分享给大家。 友情提醒：股市有风险，投资需谨慎。 对数据科学家来说，预测证券
本文展示了如何基于基础ARMA-GARCH过程（当然这也涉及广义上的QRM）来拟合和预测风险价值（Value-at-Risk，VaR）
如果你的代码是纯Python。如果你有一个很大的for循环，你只能使用它，而不能放入矩阵中，因为数据必须按顺序处理，那该怎么办？有没有办法加快Python本身的速度？
布朗运动的数学模型（也称为随机游动）也可以用来描述许多现象以及微小颗粒的随机运动， 如股市的波动和在化石中的物理特性的演变。
作者在自学机器学习的过程中，尝试开发了一个基于机器学习的A股选股工具。本文是在赤兔的“数据挖掘”小组分享的此次开发过程和心得体会的整理。 股票价格的可预测性——工具的意义 关于股票价格的可预测性，我想
在这篇文章中，我将利用stocker模块，演示如何进行数据分析的，你可以从Github仓库中获得这个模块的代码：https://github.com/WillKoehrsen/Data-Analysis/tree/master/stocker。
Python中，matplotlib可以视为数据可视化的基准和主力。尽管有许多其他的可视化库，但是matplotlib已经确立了一个标杆，在许多情况下，它都是健壮、可靠的可视化工具。在标准的绘图工作中
在本文里，将给出若干精彩范例，包括用爬虫获取股市数据，用matplotlib可视化控件绘制K线和均线，以及用sklean库里的方法，通过机器学习预测股价的走势。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
云直播
