【AI选股】如何通过python调用wencai包实现AI选股（请移步新文章）

请移步：通过pywencai访问同花顺问财接口实现智能选股

前言

i问财是同花顺旗下专业的机器人智能选股问答平台,致力于为投资者提供宏观数据、新闻资讯、A股、港美股、新三板、基金等各类方案。wencai是i问财的策略回测接口的Pythonic工具包，满足量化爱好者和数据分析师在量化方面的需求。

提示：以下是本篇文章正文内容，下面案例仅供参考

一、wencai问财如何实现AI选股？

1.实用基础篇（wencai选股函数与使用方法）

注意：由于近期接口地址有变动，pip安装或升级完毕，需要按如下替换步骤更新后方可使用如下代码，否则将无法访问到数据，或者程序接口会报错。(如无法访问，详见http://t.csdn.cn/nVWS7)

=导入问财包=
安装：pip install wencai
升级：pip install wencai --upgrade
替换：将我的压缩包解压，覆盖python安装目录下Lib\site-packages\下的wencai目录。（个别地址和函数有修改，修改后才可以使用wencai及更好的使用问财）

将以下代码保存为文件：wencai_xg.py

# -*- coding: utf-8 -*-# 文件名：wencai_xg.py
import wencai as wc
# 若需中文字段则cn_col=True,chromedriver路径不在根目录下需指定execute_path
wc.set_variable(cn_col=True)def xg_wencai(query,perpage=20):'''功能：调用问财接口筛选股票参数：query查询条件，perpage反馈的条目数'''import wencai as wc# 若需中文字段则cn_col=True,chromedriver路径不在根目录下需指定execute_pathwc.set_variable(cn_col=True)r = wc.search(query,perpage)return r.round(3)if __name__ == '__main__':# 实用基础篇if 1:# 选股条件query = '非st；非停牌；股价大于5元；流通市值50亿到750亿；股价突破444日均线；'# 控制一次最多选多少支股票perpage = 10df = xg_wencai(query,perpage)print(df)# df_table(df,query)# 写入EXCEL文件df.to_excel("xg_wencai.xlsx", encoding="utf8")# 有人说我只要股票代码code_list = df['股票代码'].values.tolist()# 取5只股票代码print(code_list[0:5]) 

注：query 是选股的口语化条件说梦，使用中文分号间隔。也可以在问财的网页段先试试，看看别人都是怎么写的条件。

引用方法：将以上文件保存到wencai_xg.py，在同目录调用使用如下方法即可。

from wencai_xg import xg_wencai
query = '非st；非停牌；股价大于5元；流通市值50亿到750亿；股价突破444日均线；'
perpage = 10
df = xg_wencai(query,perpage)

对于大多数情况，只要学会修改query 条件，即可实现AI选股。

2.进阶发挥篇（附可转债数据处理演示）

2.1 进阶相对就复杂了一些，入股只是选股，入门的内容已经足够用。进阶增加了一些美化输出和数据处理的内容，给大家示例以下数据如何加工处理，并列举可转债相关数据处理。运行那段就将if后的0改为1即可。
文件名：wencai_xg.py

# -*- coding: utf-8 -*-
import pandas as pd
import os
# 在当前目录下生成wencai目录，写入EXCEL文件放在该目录
BASEDIR=os.path.dirname(os.path.realpath(__file__))+'/wencai/'
# 如果目录不存在则新建该目录
if not os.path.exists(BASEDIR):os.makedirs(BASEDIR)# ===============表格美化输出===============
def df_table(df,index):import prettytable as pt#利用prettytable对输出结果进行美化,index为索引列名:df_table(df,'market')tb = pt.PrettyTable()df = df.reset_index(drop = True)tb.add_column(index,df.index)for col in df.columns.values:#df.columns.values的意思是获取列的名称tb.add_column(col, df[col])print(tb)# ===============导入问财包===============
# 安装：pip install wencai
# 升级：pip install wencai --upgrade
# 替换：将我的压缩包解压，覆盖python安装目录下Lib\site-packages\下的wencai目录。（个别地址和函数有修改，修改后才可以使用wencai及更好的使用问财）import wencai as wc
# 若需中文字段则cn_col=True,chromedriver路径不在根目录下需指定execute_path
wc.set_variable(cn_col=True)def xg_wencai(query,perpage=20):'''功能：调用问财接口筛选股票参数：query查询条件，perpage反馈的条目数'''import wencai as wc# 若需中文字段则cn_col=True,chromedriver路径不在根目录下需指定execute_pathwc.set_variable(cn_col=True)r = wc.search(query,perpage)return r.round(3)if __name__ == '__main__':# 实用基础篇if 0:# 选股条件query = '非st；非停牌；股价大于5元；流通市值50亿到750亿；股价突破444日均线；'# 控制一次最多选多少支股票perpage = 10df = xg_wencai(query,perpage)# print(df)df_table(df,query)# 写入EXCEL文件df.to_excel("xg_wencai.xlsx", encoding="utf8")# 进阶发挥篇if 1:query='人气排名'# 查询最近的热门股query='可转债概念 特高压'# 查询特高压相关概念的可转债df = wc.search(query,perpage=20)df = df.apply(pd.to_numeric, errors='ignore')print(df)# 以下三行，某些条件筛选后不包含该列信息，则会报错，将列注释掉即可。df = df.drop('所属概念',axis=1) df['正股价-转股价'] = round((df['最新价'] - df['未清偿可转债转股价格']),2)df['正股较转股价溢出率'] = round(df['正股价-转股价']/df['未清偿可转债转股价格'],2)df_table(df,query)df.to_excel(BASEDIR+"wencai_search2.xlsx", encoding="utf8")

3.数据分析篇（调节参数分析数据背后的数据）

此处列举了几种数据统计的方法，具体数据意义大家一块研究。要执行代码，只需要将以下代码复制在进阶篇后面，运行那段就将if后的0改为1即可。

    if 0:'''策略回测，周期内的涨幅'''query='中证1000，30日涨幅小于10%，股价在30日均线上，沪深主板；市盈率小于20，市值从小到大排列；'start_date='2021-01-01'end_date='2022-08-30'period='4'transaction = wc.get_strategy(query=query,start_date=start_date,end_date=end_date,period=period,fall_income=1,lower_income=5,upper_income=9,day_buy_stock_num=3,stock_hold=5)r = transaction.history_pick(trade_date='2020-08-05', hold_num=10)df = r.round(3)df_table(df,'get_strategy')df.to_excel(BASEDIR+"wencai_get_strategy.xlsx", encoding="utf8")if 0:'''获取策略报告'''query='非停牌；非st；今日振幅小于5%；量比小于1；涨跌幅大于-5%小于1%；流通市值小于20亿；市盈率大于25小于80；主力控盘比例从大到小'start_date='2022-01-01'end_date='2022-08-05'period='1'r = wc.get_strategy(query=query,start_date=start_date,end_date=end_date,period=period,fall_income=1,lower_income=5,upper_income=9,day_buy_stock_num=1,stock_hold=2)print(r.profit_data) # 累计收益数据print(r.backtest_data) # 报告评级print(r.condition_data) # 准确回测语句print(r.history_detail(period='1')) # 历史明细查询print(r.history_pick(trade_date='2022-08-03', hold_num=1)) # 策略选股df_table(r.profit_data,'profit_data')df_table(r.history_pick(trade_date='2022-08-03', hold_num=1),'history_pick')if 1:'''获取回测分析'''query='非st；非停牌；周线MACD红柱上移；日线j小于-10'start_date='2022-01-01'end_date='2022-08-06'period='1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16' #设置多个K线范围，可分别观察这些股票在不同交易区间的涨跌幅print('query:',query,'\nstart_date',start_date,'end_date',end_date,'period',period)r = wc.get_scrape_report(query=query,start_date=start_date,end_date=end_date,period=period,benchmark='1A0001')print(r.report_data) # 报告评级print(r.backtest_data)	# 回测分析print(r.condition_data)  # 准确回测参数print(r.history_detail(period='1')) # 历史明细查询                                 # 检查5天的收益情况，修改nn = 5df = r.history_detail(period=str(n))df = df.round(3)# print(df)df_table(df,'get_scrape_report')df.to_excel(BASEDIR+"wencai_get_scrape_report.xlsx", encoding="utf8")

总结

首先，感谢同花顺i问财给我们提供了这么好的智能化工具。它使用很快捷，可以节省收集资料的时间，还给出你历史统计数据。i问财的答案简单明了，没有太多的主观色彩，是一个便捷客观的选股软件。另外同花顺提供的BackTest量化策略平台也很不错，这里有一个非常简单有效的历史统计工具，它主要有三个板块：回测预测，策略分析，事件回测。需要的人可以常去打卡访问。

其次，要感谢wencai的开发者。wencai是i问财的策略回测接口的Pythonic工具包，满足量化爱好者和数据分析师在量化方面的需求。
软件仓库：https://github.com/GraySilver/wencai

对问财的应用，个人也只是摸了个皮毛，但数据处理的基础框架已为各位奉上，希望能帮到大家。代码个人都测试过。如有人运行报错，请仔细检查开头的要求。再有问题，可在评论中留言。

最后，再次感谢同花顺和wencai包的开发者。大家也且用且珍惜吧。