20180422【充实计划】第685期

昨天阅读1小时，累计阅读127小时

昨天阅读1小时，累计阅读67小时

昨日阅读1小时，累计阅读39小时。

昨日阅读时间1小时，总阅读时间255小时

DAY #22

1.主题
CSDN股票量化分析系列
https://blog.csdn.net/niuge8905/article/details/78117503
https://blog.csdn.net/xieyan0811/article/details/73799775
https://blog.csdn.net/xieyan0811/article/details/74315819
Python股票处理之八_大数定律
https://blog.csdn.net/xieyan0811/article/details/76473630
如何使用Python api 函数写股票策略
https://blog.csdn.net/JDquant/article/details/54316870
python 股票系统设计
https://blog.csdn.net/freewebsys/article/details/75364909

2.摘要
TuShare是国内股票数据抓取工具，除了股票的实时和历史数据，还有基本面数据。

在数据统计和预测的过程中，工程师基本都使用现成的算法，工程师的主要工作是根据具体业务逻辑预处理数据和选择算法。
首先要对数据预处理（数据清洗），包括数据的归一化，去除重复数据，修改错误数据，填充无效数据，抽象数据表示，筛选特征值，分配权重等等，以得到更准确的数据和更有效的结果。

TA-Lib 用中文可以称作技术分析库，是一种广泛用在程序化交易中进行金融市场数据的技术分析的函数库。
主要包括：多种指标，如ADX, MACD, RSI, 布林轨道等等K线形态识别，如黄昏之星，锤形线等等
Talib的180个函数，其中六十多个“CDL”开头的函数，全都是关于K线图（英文蜡烛图，candle）。
需注意的是，Ta-lib与国内股票软件的指数指标，计算方式有较大的差异，例如：
•ATR的计算，国内一般是取TR（真实波幅）的简单平均，而Ta-lib则是采取类似EMA平均一样的方法求TR的平均值
•MACD（12,26,9）的计算，Ta-lib对于前33个初始值是未定义的，国内软件计算时则是根据已有的几根Bar计算的平均值比照MACD公式进行换算的。

首先导入：
import tushare as ts
import talib
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

#获取股票分时tick数据：
ts.get_tick_data('601318',date='2017-06-26')  

#获取股票日线级数据——>返回OHLC + MA(5,10,20) + MAV(5,10,20)+TURNOVER
ts.get_hist_data('601318',start='2017-06-23',end='2017-06-26')  

# 获取历史复权数据：get_stock_basics  
df2 = ts.get_stock_basics()  

#画出MA30：——>也可以画均线组
#通过tushare获取股票信息
s1=ts.get_k_data('300580',start='2017-01-01',end='2018-03-26')
#提取收盘价
closed=s1['close'].values
#获取均线的数据，通过timeperiod参数来分别获取 30 日均线的数据。
ma30=talib.SMA(closed,timeperiod=30)
plt.plot(closed)
plt.plot(ma30)
plt.show()

#计算RSI与momentum：
df=ts.get_k_data('600600')
close = [float(x) for x in df['close']]
df['RSI']=talib.RSI(np.array(close), timeperiod=12)     #RSI的天数一般是6、12、24
df['MOM']=talib.MOM(np.array(close), timeperiod=5)
df.tail(12)

利用set格式选取交集：
有的时候我们利用不同标准会得到不同的股票池，如果想得到不同股票池的共同股票，那么可以使用set格式。
Set格式可以很方便的进行交集、并集等集合运算。比如我们通过设置一定的财务数据条件会得到一个dataframe，记作df。df的列为股票代码，但可能并不都是我们所需的，比如我们只想得到沪深300的成份股，那么可以这样操作：
1 ——> s=get_index_constituents(‘000300.SH’) 得到沪深300的成份股。
2 ——> z=set(s) & set(df.columns) 得到交集z。
3 ——> 得到的z是set格式，需要转换为list格式，可以这样操作 zl=list(z)。
4 ——> 利用pandas 函数 筛选出我们需要的个股 d=df.loc[:zl] d即位我们所需要的数据。

3.心得感悟
按需积累语句块，为最后的组装打好基础。

全系使用python实现。因为都是python的类库，互相之间调用方便。
从数据抓取，数据处理，到数据展示数据运算都是python实现。

股票交易系统工具集：
①.股票数据抓取框架 ——> TuShare
②.数据分析清洗 ——> pandas + numpy
③.数据存储到磁盘上，不使用数据库。存储PyTabe，hdf5格式
④.web框架 ——> tornado
⑤.机器学习 ——> TensorFlow
⑥.数据展示 ——> echarts

4.时间统计
昨日阅读5小时，累计510小时

充实每一天 发表于 2018-4-22 06:58
【加入充实计划】【了解充实计划】

|新充实挑战|    |公告【想成为牛人】|

昨日2小时，累计512小时

昨天阅读3.5小时，本月累计阅读时间55小时

充实每一天 发表于 2018-4-22 06:58
【加入充实计划】【了解充实计划】

|新充实挑战|    |公告【想成为牛人】|

昨日1小時
累積27小時

1.今天你阅读到的有价值的全文内容链接
光大宏观：港币暴跌 何去何从？http://stock.qq.com/a/20180421/007098.htm

2.今天你阅读到的有价值的内容段落摘录
浮动汇率实施初始两年风平浪静，但随后便被证明是短命的，香港经济进入动荡期，经济增长和通胀经历大涨大跌，港元一度大幅贬值40%，而触发点则是1982年撒切尔夫人与邓小平对话后，港币汇率动荡，为稳定汇价，香港政府于1983年10月推出以7.80港元兑1美元的联系汇率制。
香港的联系汇率制(Linked Exchange Rate System)本质是一种与美元挂钩的“货币局”制度（currency board），汇率制度与货币制度合二为一。货币局制度特征是1）本币与锚货币挂钩，且完全可兑换；2）本币发行量与外汇储备量对应[1]；3）货币局没有独立的货币政策，不能控制货币发行量，这是货币局与中央银行最明显的区别。
1998年亚洲金融危机后，港币大贬，利率飙升。金管局于1998年9月及时推出措施（1）调整贴现窗机制，补充了“最终贷款人”职能，缓解了流动性短缺。（2）承诺所有银行都可按7.75的汇价将港元兑换为美元，实际是一个单向的兑换保证，以较高的港币兑换价格打击市场做空港元的势力。
与人民币汇改同步，2005年5月，金管局推出了美元兑港元7.85的弱方兑换保证，至此形成了围绕7.8的双向、对称的兑换保证区间。当港币贬值，有资金流出压力，港元兑美元汇率触及7.85时[2]，金管局承诺卖出美元、买进港元，港元流动性紧缩，利率上升，港币升值。反之当港币升值，市场汇率触及7.75强方保证时，金管局承诺卖出港元、买入美元，增加港币流动性，利率下行，港币回落。
此轮港币贬值，直接原因在于美元和港币利差扩大。2015年以来，美国6次加息，联邦基金利率累计上调1.5个百分点至1.75%；香港贴现窗利率随之上调1.5个百分点至2%。但港币市场利率升幅不大，3月期LIBOR-HIBOR利差已由16年的0扩大至100bp，套利者抛港币买美元，造成港币贬值。为什么HIBOR升幅不够？
而在触及弱方保证前，金管局不用出手买港元。而近期的港币贬值、触及弱方保证，正是香港利率环境正常化、消除过度流动性的必经之路，也是联系汇率的制度安排的结果。

3.今天你阅读到的有价值信息的自我思考点评感想
有意思的地方。港币的波动区间7.75，7.85。相对人民币波动双向波动区间实际很小。有三家银行发行货币，汇丰银行、中国银行和渣打银行。货币发行量不能控制，这是什么意思。所以资金能够潜入。资金流动性始终宽裕，这点和内地不一样。Shibor影响很快，HIbor力度有限。是不是沪港通深港通的货币流通平抑了这种波动。

4.昨日你阅读的时间量
0.5小时

5.你参与活动至今的总时间量
19.5小时

昨天阅读1小时，总计695小时