投资

php批量爬取上市公司高管持股变动信息

浪子不回头ぞ 提交于 2019-12-15 03:48:40
php批量爬取上市公司高管持股变动信息 用php的爬虫功能 批量爬取上市公司高管的持股信息,我们只需要知道最近一年的持股变动,还需要知道有几位高管持股有变动,人数越多,才说明这个变动和公司的发展是高度相关的。 上面选取了17个样本 可以看到 从20180505-20190515 中国平安有13位高管 共计增持170万股,恒生电子 和海尔 也是增持!说明了公司的发展前景得到了高管门的认同。而创业惠康 菲利华 禾丰牧业都是次新股 有部分高管上市套现也在情理之中。 上干货! 1php处理大数据量业务需要不受30秒时间限制 set_time_limit ( 0 ) ; 2:数据来源 http://data.cnstock.com/gpsj/ggcg/600600.html这个站点 数据很友好 $content = file_get_contents ( "http://data.cnstock.com/gpsj/ggcg/ $code .html" ) ; 3 去掉多余的废话 有用的都在表格里 主要是字符串截取 strstr ( $content , '<tr ' ) ; 同理 以后的全部截掉 strstr ( $result2 , '</tbody>' , 1 ) ; 然后再字符串转数组 $result2 = explode ( "<tr" , $result2 ) ;

122 买股票的最佳时机ii

泄露秘密 提交于 2019-12-15 00:39:52
给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。 设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易(多次买卖一支股票)。 注意:你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。 示例 1: 输入: [7,1,5,3,6,4] 输出: 7 解释: 在第 2 天(股票价格 = 1)的时候买入,在第 3 天(股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。 随后,在第 4 天(股票价格 = 3)的时候买入,在第 5 天(股票价格 = 6)的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。 示例 2: 输入: [1,2,3,4,5] 输出: 4 解释: 在第 1 天(股票价格 = 1)的时候买入,在第 5 天 (股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。 注意你不能在第 1 天和第 2 天接连购买股票,之后再将它们卖出。 因为这样属于同时参与了多笔交易,你必须在再次购买前出售掉之前的股票。 示例 3: 输入: [7,6,4,3,1] 输出: 0 解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。 来源:力扣(LeetCode) 链接:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock

定投数字货币

China☆狼群 提交于 2019-12-14 12:09:33
import pandas as pd pd.set_option('expand_frame_repr', False) # 照抄即可,不求甚解 # ===读取数据 df = pd.read_csv('/Users/liyili2/Downloads/datas/xbx/EOSUSD_1D.csv', skiprows=1, # 跳过第一行数据 ) # print(df) df = df[['candle_begin_time', 'close']] # ===选取时间段 # df = df[df['candle_begin_time'] >= '2013-12-04'] # 定投开始时间 # df = df[df['candle_begin_time'] <= '2015-12-31'] # 定投结束时间 # ===计算累计投入资金 df['每次投入资金'] = 100 # 每个周期投入100元买币 df['累计投入资金'] = df['每次投入资金'].cumsum() # 至今累计投入的资金,cumulative_sum # ===计算累计买币数量 c_rate = 0.002 # 手续费,回测一定要精确 df['每次买币数量'] = df['每次投入资金'] / df['close'] * (1 - c_rate) # 每个周期买入币的数量,扣除了手续费

量化选股模型—资金流模型

吃可爱长大的小学妹 提交于 2019-12-13 13:03:57
在市场中,经常存在交易性机会,其中一个就是资金流模型,该模型使用资金流流向来判断股票在未来一段时间的涨跌情况,如果是资金流入的股票,则股价在未来一段时间将可能会上涨;如果是资金流出的股票,则股价在未来一段时间会可能下跌,那么,根据资金流向就可以构建相应的投资策略。    基本概念    资金流是一种反映股票供求关系的指标。传统的量价无法区分市场微观结构中的流动性和私有信息对股价的影响,而根据委托测算的资金流,能够有效地观察微观市场交易者的真实意图及对股价造成的影响。    资金流定义如下:证券价格在约定的时间段中处于上升状态时产生的成交额是推动指数上涨的力量,这部分成交额被定义为资金流入;证券价格在约定的时间段中下跌时的成交额是推动指数下跌的力量,这部分成交额被定义为资金流出;若证券价格在约定的时间段前后没有发生变化,则这段时间中的成交额不计入资金流量。    策略模型    1.逆向选择理论    在非强势有效的A股市场,普遍存在信息不对称的问题。机构投资者与散户投资者在对同一信息的评估能力上存在差异。在大部分情况下,散户投资者缺乏专业的投资能力和精力,那么根据“搭便车”理论,希望借助机构投资者对股价的判断进行投资,一旦机构投资者率先对潜在市场信息做出反应,羊群效应的散户投资者则追涨杀跌,往往导致在很多情况下市场对潜在信息反应过度。这样根据逆向选择理论

量化选股模型—趋势追踪模型

为君一笑 提交于 2019-12-13 11:28:28
衡量股票趋势的指标最重要的就是均线系统,因为它是应用最为广泛的趋势追踪指标,所以均线是不可或缺的,把它作为捕捉大盘主趋势的基石。但是纯粹的均线由于噪音等原因,使得经常会出现误操作,需要进行更多的处理机制,包括极点、过滤微小波动、高低点比较策略、高低点突破策略、长波的保护机制、长均线的保护机制等概念和技术细节。 1.均线简化 股票价格的波动会让人感觉价格变化飘忽不定,很难把握。为了便于捕捉趋势,所以需要对价格走势曲线进行简化处理,这样可以借助于均线方法。将a个(a为模型参数)连续的交易日的收盘价取一个均值,形成MA(a),比如a为10,即10个交易日数据取一均值,那么就可以得到股价的10日均线U,完成对价格曲线的第一步简化。 2. 记录极点 极点就是局部的高点或者低点,在极点处股价出现了转折,所以它们是记录股价变化的关键点,包含了比较多的信息。如果股价上涨至此,接下来又出现了下跌,那么就形成一个局部的高点;如果股价下跌至此,接下来又出现上涨,那么就形成一个低点。这些叫做极点,往往是股价变化的关键信息点,将它们记录下来,以备进一步制定策略。 3. 设置阀门,过滤微小波动 均线策略最大的优势跟踪趋势效果比较好,在形成趋势时能紧跟趋势,但是最大的问题在于碰到盘整行情,均线就摇摆不定,容易频繁地发出交易信号,所以必须对其进行进一步处理。 可以结合记录的极点形成过滤微小波动的方法

JQData | 股市估值分析,带你穿越资本市场迷雾

青春壹個敷衍的年華 提交于 2019-12-12 17:22:15
投资最重要的事 -- 估值 投资最重要的是什么?答: 判断“胖瘦”的能力 。 巴菲特:对面过来一个200斤的人,你不需要一台体重秤,也该知道他是胖子。 要想做好投资,你该知道自己心仪的标的到底是贵还是便宜。 在资本市场,判断“胖瘦”的能力,我们也叫估值。 没有估值,没有识别贵贱的能力,就会像大海里的浮萍,亏盈全靠市场和运气。 有了估值,你就像拥有了定海神针,任凭市场涨涨跌跌,潮起潮落,我自低买高卖,波动越大,收益越多。 看到这里,请暂停1分钟,仔细思考下是不是这样? 对于市场估值的准确估计是根本的出发点。 为什么估值如此重要? 当我们没有这份能力的时候,怎么知道一个标的是不是值得买? 如果大家都嫌弃的时候,你是不是也感到害怕不敢买入? 或者当大家都看好的时候,确实赚到钱的时候,你也兴奋的杀入? 然后就变成了接盘侠、韭菜、旅鼠、浮萍。 当我们有这份能力的时候,我们知道这个标的的真正价值,假设值1块钱。 当它跌到5毛的时候,我们其实会想超市大促销一样开心,可以买更多。 当它涨到2块的时候,我们则慢慢卖出,卖给欢天喜地抢购的人。 因为我们知道,价值总会被发现,价值终将回归,价格始终围绕价值波动。 是不是有点“他强任他强 清风拂山岗”的感觉? 信心从这里开始。 这也是价值投资,逆向投资的第一步。也是最重要的一步。 让我们用数据说话。 通过聚宽本地金融数据JQData

币圈怡卉:比特币空头持续发力,日内反弹高空为主

白昼怎懂夜的黑 提交于 2019-12-12 02:43:20
   【行情回顾】   昨日比特币白盘冲向7450一线之后马上回落,多头动能不足,回落至7350一线,然后一直在7300一线徘徊,至下午冲向7280一线反弹至7350一线。凌晨又跌至最低点7150一线。    【行情分析】   BTC: 四小时级别图中,布林带开口,行情沿着布林带的下轨伸展的方向运行;各均线均下行,在其上方钩织出强而有力的攻势防线,给予后期的上破增加了不少阻碍;技术指标中,RSI和Stoch低位不断下移,但是渐渐有了上行的迹象。      ETH: 日线附图指标中布林带呈收口向下运行姿态,STOCH在80水平线附近向下运行,RSI在40水平线附近向下运行,后续在走势很可能进入震荡下行的节奏中,而高位阻力仍然较为强势,价格还未能在144一线企稳,走势略显弱势,那么短期行情走势仍将以调整的姿态进行。    来源: CSDN 作者: ZhangYiHui_ 链接: https://blog.csdn.net/ZhangYiHui_/article/details/103489602

量化—神话、黑箱与真谛

梦想与她 提交于 2019-12-12 01:23:55
作者:国信证券总裁助理何诚颖 一、量化投资:寻根溯源 2011年,我赴美国沃顿商学院访问学习。当中有一门课程——投资组合管理引起我极大的兴趣,我跟量化投资的“因缘际会”正由此而来。沃顿不愧为世界第一流的商学院,教授们不仅学术上可圈可点,还管理着华尔街的对冲基金,并且做得有声有色。在美国学习期间,经常和朋友们在一起探讨中美两国证券市场发展的种种差异,当时的A股市场正处于漫漫熊途,股指期货的大门刚刚打开,而国内的量化投资犹如屏风后的少女,欲露还羞。 一直以来,中国市场上的多数机构投资者都是基于价值分析和主观判断进行投资决策。作为一个在证券市场有着近20年经历的人,我从未怀疑过价值投资是这个市场上亘古不变的真理。然而面对游戏规则的变化,以及不见终日的熊途,那些在牛市中“娇生惯养”的投资经理心急如焚却又束手无策。我强烈感觉到一场由量化投资带来的大变革即将来临,这场变革将会给券商、基金、私募等机构投资者所惯用的传统投资方式带来新的挑战。 2008年次贷危机让雷曼灰飞烟灭、让花旗大伤元气、让美林被美国银行所并购,有一家名不见经传的对冲基金——MagnetarCapital却逆势大发横财,而这家对冲基金正是量化投资的践行者。《诗经》有云,“知我者谓我心忧,不知我者谓我何求”,这句话与我当时的心境是如此的默契。回国之后,我们立即着手组建一支主要由博士后组成的高水平的量化研究团队。

从段永平采访中得到的投资感悟

给你一囗甜甜゛ 提交于 2019-12-11 23:26:02
以下是交流实录:   1.从段永平采访中得到的投资感悟对你来说什么东西是最重要的?为什么?   段永平:不同年龄答案是不同的。现在是家人、亲情、友情。这还需要说为什么吗?   2.没有销售部,那你的价格决策机制是什么?   段永平:做市场调研,在上市的时候就尽可能定准价,错了及时调整。(电子产品)竞争的本质在于产品差异化,要做别人提供不了的东西。没有差异化,就成了日用基础商品,只能靠价格来竞争,很难挣钱。   3.你有没有试图改变过性格和思维方式?   段永平:我觉得没有,性格很难改。中欧有个统计,世界500强的CEO中什么样的性格都有,而他们只有一个共性,就是integrity(诚实)。   4.中国民营企业应该怎么应对贸易战的挑战?   段永平:最主要的是取决于企业本身,做的好,有没有贸易战都无所谓。很多做的不好的企业,会拿贸易战当遮羞布。好的企业,危机来的时候,反而是机会。我们不贷款,有充裕的现金流,所以每一次危机来的时候都是机会。   5.投资早期企业的逻辑是什么?   段永平:我不投早期,只投上市企业。投黄峥是因为个人原因,他是我朋友,我了解他、相信他。黄峥是我知道的少见的很有悟性的人,他关注事物本质(投资中最核心是看透事物的本质,分辨什么是长期利好,什么是短期炒作,什么是正能量的概念,什么是不是主流价值观倡导的概念)。   6.谈一谈营销方法论?   段永平:(外界

分析模型案例解析:决策树分析法

旧城冷巷雨未停 提交于 2019-12-10 18:13:20
1. 概念含义 1.1. 基本概念 决策树分析法又称概率分析决策方法,是指将构成决策方案的有关因素,以树状图形的方式表现出来,并据以分析和选择决策方案的一种系统分析法。它是风险型决策最常用的方法之一,特别式勇敢于分析比较复杂的问题。她以损益值为依据,比较不同方案的期望损益值(简称期望值),决定方案的取舍,其最大特点是能够形象地显示出整个决策问题在时间上和不同阶段上的决策过程,逻辑思维清晰,层次分明,非常直观。 2. 主要内容 2.1. 结构 决策树是由不同结点和方案枝构成的树状图形。决策树图像如图 1 所示。 图 1 中,图中符号说明如下: □表示决策点。需要决策一次,就有一个决策点。从决策点上引出的分枝称为方案枝,方案枝的枝数表示可行方案的个数。 ○表示方案的状态结点(也称自然状态点)。从结点上引出的分枝称为状态枝,状态枝的枝数表示可能出现的自然状态。 △表示结果点(也称末稍)。在结果点旁列出不同状态下的收益值或损失值, 供决策之用。 2.2. 种类 决策树根据问题的不同可分为: 单级决策树 单级决策树是只需进行一次决策(一个决策点)就可以选出最优方案的决策。 多级决策树 需要进行两次或两次以上的决策,才能选出最优方案的称为多级决策。其决策原理与单级决策相同,但要分级计算收益期望值。 3. 工具应用 3.1. 绘制步骤 决策树的绘制方法如下: 首先确定决策点,决策点一般用“口