引言
之前在blink上说过，这是我在csdn上的第一篇博客，作为菜鸟，很多时候不好意思表达自己的意见，难免错过很多交流的机会。
大概半年之前，我妈让我给她写个炒股程序，我一直没当回事，每次我妈提起，都让我以“最近有点忙”，“快了快了”之类的理由搪塞过去，其实我起初也每把我妈说的话当回事，时间还是主要投入在自己想从事的方向中了，我觉得她说的这个东西应该很好做吧，无非是通过实时MACD、RSI等指标进行进行一些简单的数据分析，筛选出符合她心里预期姿态的股票。
但后来我妈以一台macbook pro收买了我，因此我决定帮我妈实现这个需求，十月，我正式开始写这个程序，耗时一周，但后续的优化和条件增添着实耗费了我很多精力（可能是长期的吸烟和不健康行为导致我精力本身就不那么充沛）但看到我妈因为我写的程序省去大量的筛股时间，我也感到些许成就感————这是我人生中第一次写出的被应用于实际的程序。
数据来源
我获取数据的方法是通过Tushare pro，Sina API，Pandas_datareader，baostock等开源数据平台获取实时以及历史的股票数据，获取这些数据的方法在csdn，博客园上都有很多，如何处理这些数据，成为了我当时的难题，比如Tushare返回的就是DataFrame格式的数据，而Sina返回的则是json格式，而且他们的排列顺序也各不相同，我试着将他们的数据进行统一整合，以便得到我想的得到的便于处理的月，周，日，分钟实时数据。
计算实时MACD，RSI等指标
众所周知，MACD指标被称为异同移动平均线，通过收盘价短期移动平均线和长期移动平均线间聚合和分离的情况，判断当前市场的买卖机会。
既然通过上面的方法获取了我需要的实时数据，就可以通过这种方法计算出股票的实时指标。
根据实时指标筛选股票
实时指标生成后，我们可以通过指标所展现的形态进行股票筛选。
有些股民说没办法通过程序筛选出自己心仪的数据形态，我对此很疑惑，也许我是个科技万能论患者。
举个简单的例子，我们知道，一维数据无非是单调递增，单调递减，因此我们想获取一个形态，就可以把这个形态拆分成一个个的递增（减）子序列，然后通过一些简单的逻辑条件，就可以通过计算机对符合指标的股票进行筛选，从而大大降低我们选股的时间成本。
最后
如果有人对选股程序有需求，欢迎私信交流，后面我会发布部分源码，为大家提供一种个人量化思路。
祝自己早日戒烟。
|