qstock安装、开发

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，回测模块提供向量化（基于pandas）和基于事件驱动的基本框架和模型。

import numpy as np  
import pandas as pd  
import qstock as qs  
import matplotlib.pyplot as plt  
from scipy.stats import norm  
import seaborn as sns  

#获取数据  
df=qs.get_data('cyb',start='20130101',end='20231013')  
returns=df.close.pct_change().dropna()  
qs.hist_kde(returns)
# 计算标准差  
std_dev = returns.std()  
  
# 置信水平为 95%  
confidence_level = 0.95  
  
# 查找相应的Z分数  
z_score = norm.ppf(confidence_level)  
  
# 时间窗口（以天为单位）  
time_period = 5  # 一周有5个交易日  
  
# 计算一周的VaR  
VaR1= -z_score * std_dev * np.sqrt(time_period)  
  
print(f"在95%的置信水平下，一周的价值在险（VaR）为：{VaR1:.4f}")

 修改日期：

import numpy as np  
import pandas as pd  
import qstock as qs  
import matplotlib.pyplot as plt  
from scipy.stats import norm  
import seaborn as sns  

#获取数据  
df=qs.get_data('cyb',start='20240101',end='20240213')  
returns=df.close.pct_change().dropna()  
qs.hist_kde(returns)
# 计算标准差  
std_dev = returns.std()  
  
# 置信水平为 95%  
confidence_level = 0.95  
  
# 查找相应的Z分数  
z_score = norm.ppf(confidence_level)  
  
# 时间窗口（以天为单位）  
time_period = 5  # 一周有5个交易日  
  
# 计算一周的VaR  
VaR1= -z_score * std_dev * np.sqrt(time_period)  
  
print(f"在95%的置信水平下，一周的价值在险（VaR）为：{VaR1:.4f}")

 

 

#导入qstock模块
import qstock as qs
#获取沪深A股最新行情指标
df=qs.realtime_data()
#查看前几行
print(df.head())

https://github.com/tkfy920/qstock

 

#导入qstock模块
import qstock as qs
#1-获取沪深A股最新行情指标
# df=qs.realtime_data()
# #查看前几行
# print(df.head())
#2-默认参数输出财联社电报新闻数据
# df=qs.news_data()
# print(df.tail())
#3-历史资金流向数据
df=qs.hist_money('建设银行')
print(df.tail())