请　[注册]　或　[登录]　 | 返回主站

量化交易吧 /  量化平台 帖子：3364712 新帖：0

酒股地中短线策略

你在说什么呢发表于：5 月 10 日 03：07回复(1)

酒股近年来发展地比较好，所以想到了中短线策略，通过阶梯式的做多做空策略，最大化收益率的情况下尽可能减小波动率。

新手教程—财务数据¶

我们以查询数据库的方式向您提供了财务数据接口, 调用 get_fundamentals, 传入您要筛选的条件即可. 我们提供了四类财务数据, 分别存放到如下四个表中: 市值表, 利润表, 现金表, 负债表¶

# 使用?快速获取帮助

# 获取财务数据接口帮助
get_fundamentals?

# 注释掉下面的行来查询各个API的介绍
# query?

# # 各个表的介绍
# valuation?
# income?
# balance?
# cash_flow?

# # 各个表的字段的介绍示例
# valuation.pe_ratio?
# income.total_operating_revenue?

### 获取单只股票在某一日期的市值数据
df = get_fundamentals(query(
        valuation
    ).filter(
        valuation.code == '000001.XSHE'
    ), date='2015-10-15')

df
id code pe_ratio turnover_ratio pb_ratio ps_ratio pcf_ratio capitalization market_cap circulating_cap circulating_market_cap day
0 5024884 000001.XSHE 7.5 0.41 1.06 1.87 1.02 1430868 1598.28 1180405 1318.51 2015-10-15 
# 取出总市值
df['market_cap'][0]

1598.28
### 获取多只股票在某一日期的市值, 利润
df = get_fundamentals(query(
        valuation, income
    ).filter(
        # 这里不能使用 in 操作, 要使用in_()函数
        valuation.code.in_(['000001.XSHE', '600000.XSHG'])
    ), date='2015-10-15')

df
id code pe_ratio turnover_ratio pb_ratio ps_ratio pcf_ratio capitalization market_cap circulating_cap ... income_tax_expense net_profit np_parent_company_owners minority_profit basic_eps diluted_eps other_composite_income total_composite_income ci_parent_company_owners ci_minority_owners
0 5024884 000001.XSHE 7.50 0.41 1.06 1.87 1.02 1430868 1598.2800 1180405 ... 1866000000 5955999744 5955999744 0 0.430 0.430 268000000 6224000000 0 0
1 5031852 600000.XSHG 6.14 0.00 1.04 2.20 8.15 1865347 2965.8999 1865347 ... 3915000064 12817000448 12709000192 108000000 0.681 0.681 1614000000 14430999552 14323000320 108000000

2 rows × 53 columns

# 只选择表里的某些字段
### 获取多只股票在某一日期的市值, 利润, 现金流和负债数据
df = get_fundamentals(query(
        valuation.code, valuation.market_cap, valuation.pe_ratio, income.total_operating_revenue
    ).filter(
        # 这里不能使用 in 操作, 要使用in_()函数
        valuation.code.in_(['000001.XSHE', '600000.XSHG'])
    ), date='2015-10-15')

df
code market_cap pe_ratio total_operating_revenue
0 000001.XSHE 1598.2800 7.50 25904001024
1 600000.XSHG 2965.8999 6.14 37710000128 
# 选出所有的总市值大于1000亿元, 市盈率小于10, 营业总收入大于200亿元的股票
df = get_fundamentals(query(
        valuation.code, valuation.market_cap, valuation.pe_ratio, income.total_operating_revenue
    ).filter(
        valuation.market_cap > 1000,
        valuation.pe_ratio < 10,
        income.total_operating_revenue > 2e10
    ), date='2015-10-15')

df
code market_cap pe_ratio total_operating_revenue
0 000001.XSHE 1598.2800 7.50 2.590400e+10
1 000002.XSHE 1493.9100 9.47 4.137246e+10
2 000333.XSHE 1173.9200 9.61 4.030065e+10
3 000651.XSHE 1049.7500 7.41 2.651671e+10
4 600000.XSHG 2965.8999 6.14 3.771000e+10
5 600016.XSHG 3137.7400 6.86 4.087200e+10
6 600030.XSHG 1904.7800 9.65 2.117836e+10
7 600036.XSHG 4625.3198 7.92 5.338800e+10
8 600104.XSHG 1959.2400 6.86 1.537495e+11
9 600606.XSHG 1844.6899 -243.86 8.609665e+10
10 601166.XSHG 2894.0500 5.86 3.805100e+10
11 601288.XSHG 10166.0596 5.66 1.347040e+11
12 601328.XSHG 4678.5498 7.05 4.731700e+10
13 601398.XSHG 16002.6396 5.78 1.750780e+11
14 601668.XSHG 1869.0000 7.63 2.199666e+11
15 601818.XSHG 1890.5000 6.46 2.327500e+10
16 601939.XSHG 13575.5996 5.93 1.486750e+11
17 601988.XSHG 11451.6904 6.71 1.181210e+11
18 601998.XSHG 2942.9199 7.14 3.704600e+10 
# 在回测环境中可用: 选取上面的结果作为universe
# set_universe(list(df['code']))

       

全部回复

0/140

量化课程

    移动端课程