# 简介
qstock由“Python金融量化”公众号开发,试图打造成个人量化投研分析开源库,目前包括数据获取(data)、可视化(plot)、选股(stock)和量化回测(backtest)四个模块。其中数据模块(data)数据来源于东方财富网、同花顺、新浪财经等网上公开数据,数据爬虫部分参考了现有金融数据包tushare、akshare和efinance。qstock致力于为用户提供更加简洁和规整化的金融市场数据接口。可视化模块基于plotly.express和pyecharts包,为用户提供基于web的交互图形简单操作接口;选股模块提供了同花顺的技术选股和公众号策略选股,包括RPS、MM趋势、财务指标、资金流模型等,回测模块为大家提供向量化(基于pandas)和基于事件驱动的基本框架和模型。
qstock目前在pypi官网上发布,最早开源版本为1.1.0,目前更新至1.2.0版本
读者直接在cmd或anaconda prompt上输入“pip install qstock ”进行安装,或输入“pip install -upgrade qstock”进行更新。
GitHub地址:https://github.com/tkfy920/qstock。
目前部分策略选股和策略回测功能仅供知识星球会员使用,会员可在知识星球置顶帖子上上获取qstock-1.2.1.tar.gz (强化版)安装包,进行离线安装(将离线安装包放置在工作路径上使用'pip install qstock-1.2.1.tar.gz' 进行安装)。
下面为大家介绍qstock各模块的具体调用方式和应用举例。
```python
#导入qstock模块
import qstock as qs
```
# 数据模块
# 行情交易数据接口
## 实时行情数据
获取指定市场所有标的或单个或多个证券最新行情指标
realtime_data(market='沪深A', code=None):
- market表示行情名称或列表,默认'沪深A股',
'沪深京A':沪深京A股市场行情; '沪深A':沪深A股市场行情;'沪A':沪市A股市场行情
'深A':深市A股市场行情;北A :北证A股市场行情;'可转债':沪深可转债市场行情;
'期货':期货市场行情;'创业板':创业板市场行情;'美股':美股市场行情;
'港股':港股市场行情;'中概股':中国概念股市场行情;'新股':沪深新股市场行情;
'科创板':科创板市场行情;'沪股通' 沪股通市场行情;'深股通':深股通市场行情;
'行业板块':行业板块市场行情;'概念板块':概念板块市场行情;
'沪深指数':沪深系列指数市场行情;'上证指数':上证系列指数市场行情
'深证指数':深证系列指数市场行情;'ETF' ETF基金市场行情;'LOF' LOF 基金市场行情
- code:输入单个或多个证券的list,不输入参数,默认返回某市场实时指标
如code='中国平安',或code='000001',或code=['中国平安','晓程科技','东方财富']
### 某市场所有标的最新行情
```python
#获取沪深A股最新行情指标
df=qs.realtime_data()
#查看前几行
df.head()
```
```python
#获取期货最新行情指标
df=qs.realtime_data('期货')
#查看前几行
df.head()
```
```python
#获取概念板块最新行情指标
df=qs.realtime_data('概念板块')
#查看前几行
df.head()
```
```python
#获取ETF最新行情指标
df=qs.realtime_data('ETF')
#查看前几行
df.head()
```
### 个股最新行情指标
- code:输入单个或多个证券的list,不输入参数,默认返回某市场实时指标
如code='中国平安',或code='000001',或code=['中国平安','晓程科技','东方财富']
```python
qs.realtime_data(code=['中国平安','300684','锂电池ETF','BK0679','上证指数'])
```
### 日内成交数据
intraday_data(code)
- code可以为股票或债券或期货或基金代码简称或代码,如晓程科技或300139,返回股票、期货、债券等的最新交易日成交情况
```python
#股票日内交易数据
df=qs.intraday_data('中国平安')
df.head()
```
```python
#基金日内交易数据
df=qs.intraday_data('有色50ETF')
df.head()
```
### 获取个股实时交易快照
stock_snapshot(code):
- 获取沪深市场股票最新行情快照,code:股票代码
```python
qs.stock_snapshot('中国平安')
```
### 实时交易盘口异动数据
获取交易日实时盘口异动数据,相当于盯盘小精灵。
realtime_change(flag=None):
- flag:盘口异动类型,默认输出全部类型的异动情况。可选:['火箭发射', '快速反弹','加速下跌', '高台跳水', '大笔买入', '大笔卖出',
'封涨停板','封跌停板', '打开跌停板','打开涨停板','有大买盘','有大卖盘',
'竞价上涨', '竞价下跌','高开5日线','低开5日线', '向上缺口','向下缺口',
'60日新高','60日新低','60日大幅上涨', '60日大幅下跌']
上述异动类型分别可使用1-22数字代替。
```python
df=qs.realtime_change('60日新高')
#查看前几行
df.head()
```
```python
#异动类型:火箭发射
df=qs.realtime_change(1)
#查看前几行
df.head()
```
## 历史行情数据
### 历史K线
获取单只或多只证券(股票、基金、债券、期货)的历史K线数据。可以根据realtime_data实时行情接口获取相应金融市场交易标的的代码或简称,用于获取其历史K线数据。
- get_data(code_list, start='19000101', end=None, freq='d', fqt=1)
获取股票、指数、债券、期货、基金等历史K线行情。参数说明:
- code_list输入股票list列表,如code_list=['中国平安','贵州茅台','工业富联']
,返回多只股票多期时间的面板数据
- start和end为起始和结束日期,年月日
- freq:时间频率,默认日,1 : 分钟;5 : 5 分钟;15 : 15 分钟;30 : 30 分钟;
60 : 60 分钟;101或'D'或'd':日;102或‘w’或'W':周; 103或'm'或'M': 月
注意1分钟只能获取最近5个交易日一分钟数据
- fqt:复权类型,0:不复权,1:前复权;2:后复权,默认前复权
#### 个股数据
```python
#默认日频率、前复权所有历史数据
#open:开盘价,high:最高价,low:最低价,close:收盘价
#vol:成交量,turnover:成交金额,turnover_rate:换手率
#在notebook上输入"qs.get_data?"可查看数据接口的相应参数
df=qs.get_data('601318')
df.tail()
```
```python
#个股code_list可以输入代码或简称或多个股票的list
#获取中国平安2022年9月28日至今的5分钟数据,默认前复权
df=qs.get_data('中国平安',start='20220928',freq=5)
df.tail()
```
#### 获取美股数据
```python
#获取苹果公司股票数据
df=qs.get_data('AAPL')
df.tail()
```
#### 获取期货历史K线数据
```python
df=qs.get_data('棕榈油2210')
df.tail()
```
#### 指数
注意上证指数代码'000001'与平安银行股票代码相同,
为避免代码相同引起的混乱,获取指数数据,要输入指数的中文简称或拼音缩写。
如'sh'代表'上证指数','sz'代表'深证综指','cyb'代表‘创业板指','zxb'代表'中小100'(原来的中小板指数),'hs300'代表'沪深300','sz50'代表
'上证50','zz500'代表'中证500'等等
```python
code_list=['sh','sz','cyb','zxb','hs300','sz50','zz500']
df=qs.get_data(code_list)
df
```
```python
#全球指数可参见:https://quote.eastmoney.com/center/qqzs.html
global_indexs=['道琼斯','标普500','纳斯达克','恒生指数','英国富时','法国CAC40','德国DAX',
'日经225','韩国KOSPI','澳大利亚标普200','印度孟买SENSEX','俄罗斯RTS','加拿大S&P',
'台湾加权','美元指数','路透CRB商品指数']
```
```python
qs.get_data(global_indexs)
```
### 多只证券的历史价格数据
获取单只或多只证券(股票、基金、债券、期货)的收盘价格dataframe
- get_price(code_list, start='19000101', end='20500101', freq='d', fqt=1)
code_list输入股票list列表
如code_list=['中国平安','贵州茅台','工业富联']
```python
code_list=['中国平安','300684','锂电池ETF','BK0679',
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
【资源说明】 1、该资源内项目代码都是经过测试运行成功,功能正常的情况下才上传的,请放心下载使用。 2、适用人群:主要针对计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、数学、电子信息等)的同学或企业员工下载使用,具有较高的学习借鉴价值。 3、不仅适合小白学习实战练习,也可作为大作业、课程设计、毕设项目、初期项目立项演示等,欢迎下载,互相学习,共同进步! 股票AI操盘手项目学习资料合集(包含股票知识、策略实例、因子挖掘、传统策略、机器学习、深度学习、强化学习、图网络、高频交易、C++部署和聚宽实例代码等).zip
资源推荐
资源详情
资源评论
收起资源包目录
股票AI操盘手项目学习资料合集(包含股票知识、策略实例、因子挖掘、高频交易、C++部署和聚宽实例代码等).zip (674个子文件)
CPPLINT.cfg 38B
.clang-format 3KB
logger.conf 672B
full_data.csv 25.77MB
train_data.csv 23.08MB
trade_data.csv 2.68MB
DJIA_Apr112014_Apr112019.csv 359KB
DJIA_Apr112014_Apr112019.csv 359KB
DJIA_Apr112014_Apr112019.csv 359KB
DJIA_Apr112014_Apr112019.csv 359KB
DJIA_Apr112014_Apr112019_kpf3.csv 195KB
DJIA_Apr112014_Apr112019_kpf1.csv 193KB
DJIA_Apr112014_Apr112019_kpf1.csv 193KB
DJIA_Apr112014_Apr112019_kpf1.csv 193KB
DJIA_Apr112014_Apr112019_kpf1.csv 193KB
DJIA_Apr112014_Apr112019_kpf2.csv 190KB
DJIAkpf1Apr2016to20193YBeta.csv 118KB
DJIAkpf1Apr2016to20193YBeta.csv 118KB
DJIAMarketDataApr2016to20193YBeta.csv 57KB
DJIAMarketDataApr2016to20193YBeta.csv 57KB
Lesson2FinDataWranglingSampledata.csv 2KB
Lesson2MissingValBSE200.csv 466B
.flake8 675B
git-pre-commit 81B
.gitignore 532B
LGB_topK_dropN.ipynb 881KB
第8章-DQN改进算法.ipynb 191KB
2_股票数据获取及图形分析.ipynb 183KB
2_Train.ipynb 148KB
1_龙虎榜数据.ipynb 143KB
第11章-TRPO算法.ipynb 127KB
3_Backtest.ipynb 123KB
svm动态因子选股.ipynb 117KB
第18章-离线强化学习.ipynb 113KB
第5章-时序差分算法.ipynb 113KB
第12章-PPO算法.ipynb 108KB
第14章-SAC算法.ipynb 104KB
第2章-多臂老虎机问题.ipynb 99KB
使用tsfresh自动构造因子.ipynb 87KB
Lesson7_MainContent.ipynb 86KB
第21章-多智能体强化学习进阶.ipynb 74KB
第15章-模仿学习.ipynb 71KB
第13章-DDPG算法.ipynb 63KB
第9章-策略梯度算法.ipynb 62KB
第6章-Dyna-Q算法.ipynb 62KB
Lesson5_MainContent.ipynb 59KB
第10章-Actor-Critic算法.ipynb 56KB
第7章-DQN算法.ipynb 56KB
1_Data.ipynb 55KB
Lesson3_MainContent.ipynb 49KB
第17章-基于模型的策略优化.ipynb 48KB
Lesson1_MainContent.ipynb 44KB
第20章-多智能体强化学习入门.ipynb 39KB
第16章-模型预测控制.ipynb 39KB
第19章-目标导向的强化学习.ipynb 37KB
各接口使用示例.ipynb 32KB
快速入门.ipynb 29KB
Lesson4_MainContent.ipynb 23KB
004_寻找两个有序数组的中位数_难.ipynb 22KB
Lesson2_MainContent.ipynb 20KB
第4章-动态规划算法.ipynb 20KB
02_按日期选择.ipynb 19KB
Lesson6_MainContent.ipynb 19KB
tushare.ipynb 17KB
第3章-马尔可夫决策过程.ipynb 14KB
deep_forest.ipynb 13KB
01_交集并集.ipynb 10KB
lightGBM_tutorial.ipynb 7KB
news_analysis.ipynb 6KB
array添加元素.ipynb 4KB
demo_sina_data.ipynb 3KB
dict_2_class.ipynb 2KB
1_date_time.ipynb 2KB
字典方式获取类成员.ipynb 1KB
01_遍历文件.ipynb 1KB
2_logging_lib.ipynb 934B
二进制文件保存.ipynb 629B
doc2vec.ipynb 591B
涨.jpeg 71KB
1_版块分类.jpg 130KB
支付宝收款码_alma_new.jpg 109KB
微信收款码_alma_new.jpg 81KB
LICENSE 11KB
README.md 34KB
05_全网量化工具资源.md 29KB
02_CNN.md 28KB
03_超参调优和模型训练.md 26KB
README.md 15KB
README.md 15KB
01_一文读懂_图卷积GNN原理_应用和库.md 11KB
README.md 11KB
deep_forest.md 10KB
README.md 9KB
03_工具和模型转换.md 9KB
04_Github量化开源项目.md 8KB
README.md 8KB
01_Win下GPU配置.md 8KB
README.md 6KB
wind使用介绍.md 5KB
README.md 5KB
共 674 条
- 1
- 2
- 3
- 4
- 5
- 6
- 7
资源评论
龙年行大运
- 粉丝: 1004
- 资源: 3854
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功