使用python实现短线选股

经常做短线的朋友都知道，选股是个较为复杂的工作，尤其是像我们这种非职业选手，下面就分享一些通过python实现选股的思路。

股票信息获取

炒短线离不开龙虎榜，我们先来通过龙虎榜来进行股票选择

url = 'https://applhb.longhuvip.com/w1/api/index.php'headers = {'user-agent':'Mozilla/5.0(Linux; Android 7.1.2; SM-G955N Build/NRD90M.G955NKSU1AQDC; wv)'}# POST请求参数params = {'st': '500','Index': '0','c': 'LongHuBang','PhoneOSNew': 1,'a': 'GetStockList','DeviceID': '0f6ac4ae-370d-3091-a618-1d9dbb2ecce0','apiv': 'w31','Type': 2,'UserID': 0,'Token': 0,'Time': 0,}# 发送POST请求response = requests.post(url, params=params, headers=headers)# 将编码设置为当前编码response.encoding = response.apparent_encoding# 解析JSON数据data = json.loads(response.text)# 获取买入营业部、卖出营业部和风口概念等数据BIcon = data.get('BIcon')SIcon = data.get('SIcon')fkgn = data.get('fkgn')lb = data.get('lb')all_data_list = []# 遍历股票列表，提取数据for item in data.get('list'):ID = item.get('ID')item_data = [ID,item.get('Name'),item.get('IncreaseAmount'),item.get('BuyIn'),item.get('JoinNum'),','.join(BIcon.get(ID, [])),','.join(SIcon.get(ID, [])),','.join(fkgn.get(ID, {}).values()),lb.get(ID),]# 将数据转换成DataFrame类型sample_data = pd.DataFrame(item_data).Tcolumn_dict = {0: '股票代码',1: '股票名称',2: '涨幅',3: '净买入',4: '关联数',5: '买入营业部',6: '卖出营业部',7: '风口概念',8: '连板数'}sample_data.rename(columns=column_dict, inplace=True)all_data_list.append(sample_data)# 返回DataFrame类型数据all_data = pd.concat(all_data_list)

这个时候我们就拿到了我们想要的数据

     股票代码   股票名称  ...                                               风口概念   连板数
0  600895   张江高科  ...  光刻机,蚂蚁金服概念,芯片,上海,REITs,地产链,创投,中报增长,业绩增长,汽车类,新能源汽车  None
0  002194   武汉凡谷  ...  5G,滤波器,芯片,华为概念,人工智能,ST摘帽,武汉,教育,智能驾驶,毫米波雷达,通信,C...  None
0  000766   通化金马  ...  阿尔茨海默,医药,创新药,肝炎概念,中药,大麻,医美,民营医院,超跌,并购重组,中报增长,业绩增长     4
0  002229   鸿博股份  ...  英伟达概念,ChatGPT,虚拟人,服务器,元宇宙,华为概念,人工智能,海南,包装印刷,世界...  None

这个时候我们就拿到了龙虎榜的基础信息

进一步信息获取

龙虎榜上的信息有限，我们可以进一步获取到信息。

def get_dea_info(certificate_id):exchange_list = ['sh','sz',]now_time = get_now_time()year, month, date = now_time.split("-")start_month = month[-1] if "0" in month else monthstart_month = int(start_month) - 1start_month = str(start_month) if start_month > 9 else f"0{start_month}"end_date = f'{year}-{month}-{date}'start_date = f'{year}-{start_month}-{date}'print(start_date)print(end_date)have_search_info = Falsefor exchange in exchange_list:rs = bs.query_history_k_data(f"{exchange}.{certificate_id}","date,code,open,high,low,close,preclose,volume,amount,adjustflag,turn,tradestatus,pctChg,peTTM,pbMRQ,psTTM,pcfNcfTTM,isST",start_date=start_date,end_date=end_date,frequency="d", adjustflag="3")detail_data_list = []while (rs.error_code == '0') & rs.next():  # 获取一条记录，将记录合并在一起detail_data_list.append(rs.get_row_data())if detail_data_list:have_search_info = Truebreakif have_search_info:result = pd.DataFrame(detail_data_list, columns=rs.fields)for count_rs in ['open', 'high', 'low', 'close']:result[count_rs] = result.apply(lambda x: get_percentage(x, count_rs), axis=1)result['turn'] = result['turn'].apply(lambda x: x[:5])result = result.sort_values(by='date', ascending=False)return result

这样我们就拿到了个股最新一个月的量价信息

          date       code  open   high  ...     pbMRQ     psTTM  pcfNcfTTM isST
21  2023-09-15  sz.002889  5.74  10.02  ...  2.256259  1.842298  21.709520    0
20  2023-09-14  sz.002889 -1.19  10.02  ...  2.050822  1.674554  19.732829    0
19  2023-09-13  sz.002889 -3.15   0.53  ...  1.863981  1.521993  17.935063    0
18  2023-09-12  sz.002889  0.55   6.99  ...  1.855126  1.514763  17.849860    0
17  2023-09-11  sz.002889  0.92   1.26  ...  1.786057  1.458366  17.185283    0
16  2023-09-08  sz.002889  0.96   9.99  ...  1.832989  1.496687  17.636855    0
15  2023-09-07  sz.002889 -0.05  -0.05  ...  1.666514  1.360756  16.035054    0

策略书写

后面就是策略选股了
比如我们要进行选股了，我们想做连板票，我们搜素一下未放量，且最近一个月没有前高的票

def search_strategy_result(sample_data):# 我们筛选涨停票, 且没有放巨量, 之前也未放过巨量的recently = sample_data.iloc[0]# 判断当天是否涨停close = float(recently['close'])if float(recently['pctChg']) < 9.6:return False# 判断一个月内是否有前高max_high = float(sample_data['high'].max())if close < max_high:return False# 判断换手率是否超过15if float(recently['turn']) > 15.0:return False# 相比前一天是否放量turn_ration = float(recently['turn']) / float(sample_data.iloc[1]['turn'])if turn_ration > 1.5:return Falsereturn True

结果

通化金马  000766 符合策略已入库
东方嘉盛  002889 符合策略已入库
泉阳泉  600189 符合策略已入库
龙江交通  601188 符合策略已入库
路桥信息 未查询到信息
2023-09-17龙虎榜共有43只股票4只股票符合要求

本文章只是技术分享，不能作为投资建议