1. 打开chatgpt,向其提问题,内容如下:
    写一个Python程序,能够统计最近一个月涨幅达到30%以上的股票在最近一个月前的市值、成交额、阳线数量、振幅和继续形态(使用TA-Lib),请把每一个维度统计的方法和参数定义出来。

得到的chatgpt回答截图如下:

得到的代码如下:

import tushare as ts
import pandas as pd
import numpy as np
import talib# 获取股票数据
start_date = '2022-02-25'
end_date = '2023-02-25'
stock_data = ts.get_hist_data('600519', start=start_date, end=end_date)# 计算股票的涨幅
stock_data['pct_change'] = (stock_data['close'] - stock_data['close'].shift(1)) / stock_data['close'].shift(1)# 找到最近一个月涨幅超过30%的日期
condition = stock_data['pct_change'] > 0.3
last_month_date = condition[condition].index[-1]# 统计最近一个月涨幅超过30%的股票的市值
last_month_market_value = ts.get_stock_basics(date=last_month_date)['totals']['600519']# 统计最近一个月涨幅超过30%的股票的成交额
last_month_turnover = stock_data.loc[last_month_date:, 'amount'].sum()# 统计最近一个月涨幅超过30%的股票的阳线数量
last_month_up_days = len(stock_data[stock_data['pct_change'] > 0])# 统计最近一个月涨幅超过30%的股票的振幅
last_month_amplitude = talib.ATR(stock_data['high'], stock_data['low'], stock_data['close'], timeperiod=14).iloc[-1]# 统计最近一个月涨幅超过30%的股票的继续形态
last_month_continuation = talib.CDL2CROWS(stock_data['open'], stock_data['high'], stock_data['low'], stock_data['close']).iloc[-1]

以上是选股结果:茅台股票

  1. 启动 Anconda3软件,运行得到的代码,查看实际结果。
    1)首先需要安装 talib库,一个金融领域常用的库,安装命令如下:
    conda install -c conda-forge ta-lib
    2)除此之外,如果是windows ,则采用安装talib 包比较简单,但要是直接pip3 install talib 会报错,需要下载whl 文件安装。
    下载地址:https://www.lfd.uci.edu/~gohlke/pythonlibs/#ta-lib
    打开下载界面,往下翻,在中间位置,或者查找字符:TA-Lib,则可以找到。
    TA_Lib‑0.4.24‑cp310‑cp310‑win_amd64.whl
    安装命令:
    pip3 install TA_Lib-0.4.24-cp310-cp310-win_amd64.whl

  2. Tushare是一个免费的、开源的python财经数据接口包。主要实现对股票等金融数据从数据采集、清洗加工到数据存储的过程,能够为金融分析人员提供快速、整洁和多样的便于分析的数据,为他们在数据获取方面极大地减轻工作量,使他们更加专注于策略和模型的研究与实现上
    现在使用tushare容易出现问题,问题如下提示:
    本接口即将停止更新,请尽快使用Pro版接口:https://tushare.pro/document/2
    解决办法:
    1)注册地址可使用这个链接 https://tushare.pro/register?reg=456140
    2)token获取方法:
    注册好后登陆账号,点击右上角 头像----个人主页----点击接口TOKEN----复制好了token

  1. 设置token
    #set token
    ts.set_token(‘you_token’)
    pro = ts.pro_api()

###############################
欢迎您阅读《跟我学习AI量化投资》的作品!
欢迎加微信进行交流,谢谢!

《跟我学习AI量化投资》通过chatgpt进行选股,简单易懂,降低人为操作风险相关推荐

  1. AI量化投资开源平台——Qlib(微矿)的学习使用笔记(随缘更新)

    零.Qlib的简介 可以查看以下链接了解Qlib的功能以及结构框架. 微矿Qlib:业内首个AI量化投资开源平台 官方GitHub仓库 一.Qlib环境安装 安装过程非常艰难,主要参考了以下资料,在此 ...

  2. 微矿Qlib:业内首个AI量化投资开源平台

    近期,微软亚洲研究院正式发布了 AI 量化投资开源平台"微矿 Qlib".这是微软亚洲研究院成立"创新汇"三年以来,在与金融行业的成员企业合作研究的基础之上,打 ...

  3. 微软开源!世界首个AI量化投资平台 Qlib 基本使用教程

    量化往期推荐 Easytrader 超简单的股市自动交易神器 Lean - 优秀好用的开源量化交易平台 30分钟教你搭建普罗监控系统-股票人气榜实时变化! 可转债交易薅羊毛策略 - Python 量化 ...

  4. 微软 AI 量化投资平台 Qlib 体验

    华泰人工智能系列之四十 核心观点 本文介绍微软 AI 量化投资平台 Qlib 基础和进阶功能,对比传统量化策略 开发流程和 Qlib 提供的解决方案,提炼 Qlib 特色及优势,并探讨笔者使用 体会. ...

  5. 三分钟玩转微软AI量化投资开源库QLib

    数量技术宅团队在CSDN学院推出了量化投资系列课程 欢迎有兴趣系统学习量化投资的同学,点击下方链接报名: 量化投资速成营(入门课程) Python股票量化投资 Python期货量化投资 Python数 ...

  6. ETF场内基金:AI量化投资最佳切入点(数据篇)

    原创文章第77篇,专注"个人成长与财富自由.世界运作的逻辑, AI量化投资". 关于量化的基础知识,前面说得差不多了. 后面要开始实战. 量化的细分市场很多,如下图所示: 再从风险 ...

  7. 如何使用强化学习进行量化投资?

    如何使用强化学习进行量化投资? 文章目录 如何使用强化学习进行量化投资? 直观使用强化学习进行量化投资 使用强化学习进行量化投资 量化投资强化学习流程图 行为决定(买入.卖出.持有) 执行行为 批量生 ...

  8. 大白话微软人工智能AI量化投资平台Qlib试用体验

    进qq群 1125384417 ,交流Qlib技术 点此查看Qlib视频教程 ============================================= 最近微软研究院发布了一个融合了 ...

  9. 量化投资之多因子选股(一):数据准备与单因子检验

    文章目录 前言 系列文章 矢量化选股回测概述 要点1:数据格式 要点2:股票池 要点3:剔除ST股.停盘股.涨跌停 要点4: 仓位构建 要点5:回测 数据准备 单因子检测 样例 前言 本菜狗现在是哈工 ...

最新文章

  1. 苏宁云仓投入使用,此时物流爆发是否来得及?
  2. [引]ASP.NET IIS 注册工具 (Aspnet_regiis.exe)
  3. win7计算机内存占用高,WIN7系统电脑内存占用高的解决办法有哪些
  4. MATLAB随机信号统计特征
  5. 矩阵快速幂(教主传授)
  6. 图像卷积和图像滤波的一些知识
  7. 2dpca的matlab代码,2DPCA人脸识别的matlab代码
  8. 基于 HTTP/2 的全新 APNs 协议
  9. 2018.8.29牛客OI测试赛A-斐波那契题解(找规律)
  10. 一个免费提升独立站转化率神器-tidio实时在线客服聊天工具
  11. 单片机数字电路-protues之74HC573演示
  12. 利用ISA防火墙发布邮件服务器并部署OWA访问
  13. cookie中__jsl_clearance参数的破解。
  14. 低成本血氧仪方案设计
  15. python平行四边形函数_在Python中,如何确定一个点是否在某个平行四边形内?
  16. Echarts柱状图柱子点击事件
  17. 拉格朗日(Lagrange)插值函数(C语言)
  18. [AGC048D]Pocky Game
  19. 简述TCP的三次握手
  20. 浅谈城市大脑与智慧城市发展趋势

热门文章

  1. 断点恢复执行时的设置
  2. Git 之二 架构、工作流程、.git 目录文件
  3. linux彻底卸载nginx,linux彻底删除nginx
  4. BCEWithLogitsLoss= BCELoss + Sigmoid
  5. PR模板 复古回忆棱镜光效梦幻内容展示PR视频模板
  6. 移动端 懒加载、下拉刷新、上拉加载
  7. 【转】HttpClient之 addHeader与setHeader
  8. [韩国KBS][伟大的遗产]
  9. 基于独立分量分析的语音信号盲源分离
  10. ros学习之多机器人导航(仿真)