前言：
本人也是股票投资爱好着，这段时间行情不是很好，就想着做些其他事情转移下注意力，突然想起之前写过的小项目代码，运行后会对你想要的时间日期进行数据的分析生成，然后保存到本地，数据库之前我用的是tushare的，不过太久没用现在不知道数据的接口有没有改变，要想运行成功还是得要去他们那里搞个账号，具体我就不细节展开了。下面我放出代码，供各位大佬们参考，有能力的应该可以改成精美的图形html展示形式。
df_daily = pro.daily(trade_date=date) # 先获得所有股票的行情数据，成交额单位是千元，成交量是手
Women's Day
tb.autofit = True #关闭表格行宽自适应
今年3月，竞秀警方接到举报线索，多名网民在互联网在线招聘平台上发布留言称，自己在保定某网络科技有限公司、河北某企业管理咨询有限公司工作期间，发现公司涉嫌操纵股票实施诈骗，且诈骗对象多为境外用户，已有多名东南亚等地用户上当受骗。
此处代码较长省略。完整代码见Python金融量化知识星球。
上海交通大学经济学硕士。2008年5月-2009年3月,任职于高盛高华证券有限公司投资银行部。2009年4月-2022年1月就职于鹏华基金管理有限公司,历任研究部高级研究员、投资经理助理、基金经理、权益投资一部副总监。2022年1月至今,就职于兴证全球基金管理有限公司。
效果图：
2023年中国经济活力将明显优于2022年，从而有利于提高我们的投资回报。就基金目前的持仓而言，主要的风险来自于海外资金的投资偏好与本基金的持仓结构有所不同，如果海外资金大规模增加对中国市场的投资，可能造成板块间此消彼长的效果，为此，我们也预留了足够的仓位来应对这种变化。
功能：可获取当日停复牌、新上市、除权等信息的股票列表。
彭博社报道截图
我们先来学习上升趋势：
df = pd.read_csv('{}_ts.csv'.format(str(date_now)), encoding='gbk') #读取时间段内每日的股票数据
import os
193万获赞197万粉
#astype强制将涨幅，PE，总市值，流通市值转换成float格式,ts_code转化成str后，NAN也变成nan str格式
功能：查询某只A股大中小单历史成交量，分析主力动向。
自去年11月发布以来，新型聊天机器人模型ChatGPT已经被用于各种各样的工作：撰写求职信、编写儿童读物，甚至帮助学生在论文中作弊。谷歌公司发现，从理论上来讲，如果机器人参加谷歌的面试，该公司会雇佣它成为一名入门级程序员。
新增 X 轴数据.add_xaxis(xaxis_data=list数据)
翻转 XY 轴数据,.reversal_axis()
扩展 X/Y 轴,.extend_axis(xaxis_data=扩展X坐标数据项,xaxis=扩展 X 坐标轴配置项,yaxis=新增 Y 坐标轴配置项)
新增 Y 轴数据.add_yaxis(series_name='',y_axis=序列数据,xaxis_index= 使用的 x 轴的 index，在单个图表实例中存在多个 x 轴的时候有用
yaxis_index = 使用的 y 轴的 index，label_opts=标签配置项，markpoint_opts=标记点配置项,markline_opts=标记线配置项,tooltip_opts=提示框组件配置项)
df_down = df[df['change'] < 0.00] #找出下跌的股票
三安光电、鹏鼎控股、锦江酒店、思源电气、立讯精密、东方电子、韵达股份、闻泰科技、公牛集团、远兴能源
print('A股总成交额：%d, 总成交量：%d' % (df['amount'].sum(), df['vol'].sum()))
对于ChatGPT所存在的不足，财通证券分析师也坦言，“如需形成专业可信的研究报告，待手动确认及调整的部分仍然较多，内容的准确性、时效性有待提升；无法直接提供数据来源；复杂句式存在语义不通顺的情况。”
偏好平衡大盘股和盈利能力高且估值水平低的股票
重仓医药板块，净值随医药板块主题波动较大
重仓科技板块，净值随科技主题波动较大
limit_down = df[df['change']/df['pre_close'] <= -0.0970]
#os.chdir()用于改变当前工作目录到指定的路径
欢迎留言补充、推荐！
虽然今天大盘呈现一个弱势震荡的格局，但是盘面上热点还是层出不穷，尤其是近期火热的ChatGPT、AIGC等概念，人气指标股依然封在涨停板上。在市场普跌的格局下，短线题材方向依然能够保持热度，后续可以关注热点题材的结构性机会。
df['list_date'] = pd.to_datetime(df['list_date'])
还有很多人讲，每个人的想法都不一样，体现到市场当中，除了看涨还是看跌，你还有别的想法吗？你再怎么想，最终的这个结论也是涨或者跌，所以不管有多少人，不管有多少想法，最终市场给你可操作和交易的方向就是买卖，你只要判断多数人在这种情况下会买还是会卖不就清楚了吗？而股票价格的波动幅度是确定买卖极端情况或买卖一致性的关键因素。
trade_d = pro.trade_cal(exchange='SSE', is_open='1',start_date=st_date,end_date=ed_date,fields='cal_date') #获取st_date,ed_date时间段内的交易日期
output['平均成交额(千)'] = round(df.groupby(columns)['amount'].mean(),2)
引用地址:https://www.cha65.net/202306/28751.html
tags: