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。
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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}")
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
#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
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
#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())
,Best Wish 不负年华
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 如何给本地部署的DeepSeek投喂数据,让他更懂你
· 从 Windows Forms 到微服务的经验教训
· 李飞飞的50美金比肩DeepSeek把CEO忽悠瘸了,倒霉的却是程序员
· 超详细,DeepSeek 接入PyCharm实现AI编程!(支持本地部署DeepSeek及官方Dee
· 用 DeepSeek 给对象做个网站,她一定感动坏了