Fetch the repository succeeded.
This action will force synchronization from foolcage/zvt, which will overwrite any changes that you have made since you forked the repository, and can not be recovered!!!
Synchronous operation will process in the background and will refresh the page when finishing processing. Please be patient.
Read this in other languages: English.
In [20]: df = get_top_ten_tradable_holder(start_timestamp='2018-09-30',filters=[TopTenTradableHolder.holder_name.like('%社保%')],order=TopTenTradableHolder.shareholding_ratio.desc())
Out[21]:
holder_name code shareholding_numbers shareholding_ratio change change_ratio
0 全国社保基金一零三组合 600511 20000000.0 0.0720 5000000.0 0.3333
1 全国社保基金一零三组合 002061 39990000.0 0.0715 -15000000.0 -0.2728
2 全国社保基金六零四组合 002539 38600000.0 0.0637 32500000.0 5.3271
3 全国社保基金六零四组合 002539 38600000.0 0.0637 NaN NaN
779 全国社保基金一一三组合 601088 9258000.0 0.0005 NaN NaN
780 全国社保基金四零七组合 601628 10950000.0 0.0004 1500000.0 0.1587
781 全国社保基金四零七组合 601628 9450000.0 0.0003 NaN NaN
[782 rows x 6 columns]
In [26]: df = get_top_ten_tradable_holder(filters=[TopTenTradableHolder.holder_name=='马云'])
Out[27]:
holder_name code shareholding_numbers shareholding_ratio change change_ratio
0 马云 002204 460800.0 0.0085 NaN NaN
1 马云 300027 3912000.0 0.0205 NaN NaN
2 马云 300027 8319000.0 0.0230 NaN NaN
3 马云 300027 8319000.0 0.0230 NaN NaN
22 马云 300027 99780000.0 0.0520 NaN NaN
23 马云 300027 99780000.0 0.0520 NaN NaN
24 马云 300027 99780000.0 0.0451 NaN NaN
In [30]: df = get_finance_factor(start_timestamp='2018-12-31',order=FinanceFactor.basic_eps.desc(),limit=50,columns=[FinanceFactor.code,FinanceFactor.timestamp,FinanceFactor.basic_eps])
Out[31]:
code timestamp basic_eps
0 600519 2018-12-31 28.0200
1 603444 2018-12-31 10.1200
2 601318 2018-12-31 6.0200
3 000661 2018-12-31 5.9200
47 603393 2018-12-31 2.0900
48 601869 2018-12-31 2.0900
49 600507 2018-12-31 2.0800
里面包含很多数据,api用法都是一致的,掌握了一种,就掌握了所有.
具体查看代码:
data schema
data api
如果你要扩展数据,可以通过继承recorder里面的基类来实现.
项目一部分的数据源以开源的方式直接提供,一部分闭源,只提供最终数据库文件(会发布在dropbox和qq群).
"故经之以五事，校之以计，而索其情：一曰道，二曰天，三曰地，四曰将，五曰法。"------孙子兵法
我看过各种量化平台的因子库,成千上万的,它们甚至用机器学习的方法试图去找出因子跟股价的关系,然而却忘了最简单的"乘法原理",或者说因子的正交.这一点,缠中说禅曾经有过非常精彩的论述:
"当然，上面这三个独立的程序只是本ID随手而写，任何人都可以设计自己的独立交易程序组，但原则是一致的，就是三个程序组之间必须是互相独立的，像人气指标和资金面其实是一回事情，各种技术指标都是互相相关的等等，如果把三个非独立的程序弄在一起，一点意义都没有。就像有人告诉你，面首的鼻子大就不会“早泄”，另一个告诉你耳朵大不会“早泄”，第三个告诉你胡子多不会“早泄”，如果真按这三样来选人，估计连武则天大姐的奶妈的邻居的奶妈的邻居的奶妈的奶妈的奶妈，都会不满意的"
所以,只拥有一台破电脑的你,在后工业时代,最重要的是:你必须知道标的们在某个时刻在某一方面在整个市场中的位置.
生存,还是死亡? 离散,还是连续?
MustFactor
ScoreFactor
In [39]: factor = ManagerGiveUpFactor(the_timestamp='2018-12-31', window=pd.DateOffset(days=365))
In [40]: factor.run()
In [41]: factor.df
Out[41]:
volume score
security_id timestamp
stock_sh_600031 2018-12-31 -2.618000e+05 False
2018-12-31 -2.209000e+05 False
2018-12-31 -2.067667e+05 False
stock_sh_600089 2018-12-31 -2.226000e+03 False
stock_sh_600136 2018-12-31 -7.510333e+06 False
2018-12-31 -6.791000e+06 False
stock_sz_300635 2018-12-31 -3.922000e+06 False
2018-12-31 -2.020000e+06 False
stock_sz_300637 2018-12-31 -5.670000e+04 False
2018-12-31 -5.670000e+04 False
2018-12-31 -4.723667e+04 False
2018-12-31 -4.133500e+04 False
2018-12-31 -4.440800e+04 False
2018-12-31 -3.937333e+04 False
2018-12-31 -4.184857e+04 False
stock_sz_300699 2018-12-31 -1.506000e+04 False
2018-12-31 -3.238000e+04 False
2018-12-31 -2.784333e+04 False
2018-12-31 -5.105750e+04 False
2018-12-31 -4.494400e+04 False
2018-12-31 -3.756417e+04 False
2018-12-31 -3.234029e+04 False
2018-12-31 -3.085900e+04 False
[318 rows x 2 columns]
In [42]: from zvt.factors.finance_factor import *
In [43]: factor = FinanceGrowthFactor(window=pd.DateOffset(days=365), start_timestamp='2017-12-31',end_timestamp='2018-12-31')
In [43]: factor.run()
In [44]: factor.df
Out[44]:
op_income_growth_yoy net_profit_growth_yoy
security_id timestamp
stock_sh_600000 2017-12-31 NaN 0.3
2018-03-31 NaN 0.3
2018-06-30 NaN 0.3
2018-09-30 NaN 0.3
2018-12-31 NaN 0.3
stock_sh_600004 2017-12-31 0.3 0.3
2018-03-31 NaN 0.3
2018-06-30 0.3 0.3
2018-09-30 0.3 0.3
stock_sh_600006 2017-12-31 0.3 NaN
2018-03-31 NaN NaN
2018-06-30 0.0 0.5
2018-09-30 0.0 0.7
2018-12-31 0.0 0.9
... ... ...
stock_sz_300763 2017-12-31 0.9 0.9
2018-12-31 NaN 0.3
stock_sz_300765 2017-12-31 0.3 NaN
2018-06-30 0.3 0.3
2018-12-31 0.5 0.3
stock_sz_300766 2017-12-31 0.9 0.9
2018-12-31 0.9 0.7
[16116 rows x 2 columns]
selector不过是各种factor的组合和权重的调整
trader不过是selector在时间轴上的应用,然后看其表现
QQ群:300911873
如果你喜欢该项目,请加星支持一下,并在申请入群时告知github user name.
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。