pythonstock V1 项目简介

特别说明：股市有风险投资需谨慎，本项目只能用于Python代码学习，股票分析，投资失败亏钱不负责，不算BUG。

PythonStock V1 是基于Python的pandas，tushare，bokeh，tornado，stockstats，ta-lib等框架开发的全栈股票系统。

1)可以直接使用docker直接本地部署运行，整个项目在docker hub上压缩后200BM，本地占用500MB磁盘空间。

2)使用Docker解决了Python库安装问题，使用Mariadb(MySQL)存储数据。借助tushare抓取数据(老API，后续使用tushare pro开发)

3)使用corn做定时任务，每天进行数据抓取计算，每天18点开始进行数据计算，计算当日数据，使用300天数据进行计算，大约需要15分钟计算完毕。

4)股票数据接口防止被封，按天进行数据缓存，储存最近3天数据，每天定时清除，同时使用read_pickle to_pickle 的gzip压缩模式存储。

5)使用tornado开发web系统，支持股票数据，沪深300成份股，中证500成份股，龙虎榜数据，每日股票数据，每日大盘指数行情等

6)数据展示系统，是通用数据展示系统，配置字典模板之后，页面自动加载数据，并完成数据展示，后续自己开发的指标数据可以加入进去。

7)增加曲线数据分析，在查看股票中，可以直接跳转到东方财富页面查看相关信息，点击指标之后使用Bokeh将多达 17 个指标的数据绘图，进行图表展示。

bokeh 绘图指标数据：

然后根据3个指标进行股票数据计算：

KDJ:

1，超买区：K值在80以上，D值在70以上，J值大于90时为超买。一般情况下，股价有可能下跌。投资者应谨慎行事，局外人不应再追涨，局内人应适时卖出。

2，超卖区：K值在20以下，D值在30以下为超卖区。一般情况下，股价有可能上涨，反弹的可能性增大。局内人不应轻易抛出股票，局外人可寻机入场。

RSI:

1．当六日指标上升到达80时，表示股市已有超买现象，如果一旦继续上升，超过90以上时，则表示已到严重超买的警戒区，股价已形成头部，极可能在短期内反转回转。

2．当六日强弱指标下降至20时，表示股市有超卖现象，如果一旦继续下降至10以下时则表示已到严重超卖区域，股价极可能有止跌回升的机会。

CCI

1、当CCI＞﹢100时，表明股价已经进入非常态区间——超买区间，股价的异动现象应多加关注。

2、当CCI＜﹣100时，表明股价已经进入另一个非常态区间——超卖区间，投资者可以逢低吸纳股票。

购买条件结果表：guess_indicators_lite_buy_daily

购买条件结果表：guess_indicators_lite_sell_daily

每日股票指标数据计算17个指标如下(数据表 guess_indicators_daily)：

计算指标

说明

1，交易量delta指标分析

The Volume Delta (Vol ∆)

2，计算n天差

可以计算，向前n天，和向后n天的差。

3，n天涨跌百分百计算

可以看到，-n天数据和今天数据的百分比。

4, CR指标

http://wiki.mbalib.com/wiki/CR%E6%8C%87%E6%A0%87 价格动量指标 CR跌穿a、b、c、d四条线，再由低点向上爬升160时，为短线获利的一个良机，应适当卖出股票。 CR跌至40以下时，是建仓良机。而CR高于300~400时，应注意适当减仓。

5，最大值，最小值

计算区间最大值 volume max of three days ago, yesterday and two days later stock["volume_-3,2,-1_max"] volume min between 3 days ago and tomorrow stock["volume_-31_min"] 实际使用的时候使用 -22 可计算出5天的最大，最小值。

6, KDJ指标

http://wiki.mbalib.com/wiki/%E9%9A%8F%E6%9C%BA%E6%8C%87%E6%A0%87 随机指标(KDJ)一般是根据统计学的原理，通过一个特定的周期(常为9日、9周等)内出现过的最高价、 最低价及最后一个计算周期的收盘价及这三者之间的比例关系，来计算最后一个计算周期的未成熟随机值RSV， 然后根据平滑移动平均线的方法来计算K值、D值与J值，并绘成曲线图来研判股票走势。 (3)在使用中，常有J线的指标，即3乘以K值减2乘以D值(3K－2D＝J)，其目的是求出K值与D值的最大乖离程度， 以领先KD值找出底部和头部。J大于100时为超买，小于10时为超卖。

7，SMA指标

http://wiki.mbalib.com/wiki/Sma 简单移动平均线(Simple Moving Average，SMA) 可以动态输入参数，获得几天的移动平均。

8, MACD指标

http://wiki.mbalib.com/wiki/MACD 平滑异同移动平均线(Moving Average Convergence Divergence，简称MACD指标)，也称移动平均聚散指标 MACD 则可发挥其应有的功能，但当市场呈牛皮盘整格局，股价不上不下时，MACD买卖讯号较不明显。 当用MACD作分析时，亦可运用其他的技术分析指标如短期 K，D图形作为辅助工具，而且也可对买卖讯号作双重的确认。

10, RSI指标

http://wiki.mbalib.com/wiki/RSI 相对强弱指标(Relative Strength Index，简称RSI)，也称相对强弱指数、相对力度指数 2)强弱指标保持高于50表示为强势市场，反之低于50表示为弱势市场。 (3)强弱指标多在70与30之间波动。当六日指标上升到达80时，表示股市已有超买现象，如果一旦继续上升，超过90以上时，则表示已到严重超买的警戒区，股价已形成头部，极可能在短期内反转回转。

12, CCI指标

http://wiki.mbalib.com/wiki/%E9%A1%BA%E5%8A%BF%E6%8C%87%E6%A0%87 顺势指标又叫CCI指标，其英文全称为“Commodity Channel Index”， 是由美国股市分析家唐纳德·蓝伯特(Donald Lambert)所创造的，是一种重点研判股价偏离度的股市分析工具。 1、当CCI指标从下向上突破﹢100线而进入非常态区间时，表明股价脱离常态而进入异常波动阶段， 中短线应及时买入，如果有比较大的成交量配合，买入信号则更为可靠。 2、当CCI指标从上向下突破﹣100线而进入另一个非常态区间时，表明股价的盘整阶段已经结束， 将进入一个比较长的寻底过程，投资者应以持币观望为主。 CCI, default to 14 days

13, TR、ATR指标

http://wiki.mbalib.com/wiki/%E5%9D%87%E5%B9%85%E6%8C%87%E6%A0%87 均幅指标(Average True Ranger,ATR)均幅指标(ATR)是取一定时间周期内的股价波动幅度的移动平均值，主要用于研判买卖时机。

14, DMA指标

http://wiki.mbalib.com/wiki/DMA DMA指标(Different of Moving Average)又叫平行线差指标，是目前股市分析技术指标中的一种中短期指标，它常用于大盘指数和个股的研判。 DMA, difference of 10 and 50 moving average stock[‘dma’]

15, DMI，+DI，-DI，DX，ADX，ADXR指标

http://wiki.mbalib.com/wiki/DMI 动向指数Directional Movement Index,DMI) http://wiki.mbalib.com/wiki/ADX 平均趋向指标(Average Directional Indicator，简称ADX) http://wiki.mbalib.com/wiki/%E5%B9%B3%E5%9D%87%E6%96%B9%E5%90%91%E6%8C%87%E6%95%B0%E8%AF%84%E4%BC%B0 平均方向指数评估(ADXR)实际是今日ADX与前面某一日的ADX的平均值。ADXR在高位与ADX同步下滑，可以增加对ADX已经调头的尽早确认。 ADXR是ADX的附属产品，只能发出一种辅助和肯定的讯号，并非入市的指标，而只需同时配合动向指标(DMI)的趋势才可作出买卖策略。 在应用时，应以ADX为主，ADXR为辅。

16, TRIX，MATRIX指标

http://wiki.mbalib.com/wiki/TRIX TRIX指标又叫三重指数平滑移动平均指标(Triple Exponentially Smoothed Average)

17, VR，MAVR指标

http://wiki.mbalib.com/wiki/%E6%88%90%E4%BA%A4%E9%87%8F%E6%AF%94%E7%8E%87 成交量比率(Volumn Ratio，VR)(简称VR)，是一项通过分析股价上升日成交额(或成交量，下同)与股价下降日成交额比值， 从而掌握市场买卖气势的中期技术指标。

使用方法(依赖docker)

使用 mariadb 和 stock 两个镜像

mkdir -p /data/mariadb/data

docker pull pythonstock/pythonstock:latest

docker pull mariadb:latest

docker run --name mariadb -v /data/mariadb/data:/var/lib/mysql \

-e MYSQL_ROOT_PASSWORD=mariadb -p 3306:3306 -d mariadb:latest

docker run -itd --link=mariadb --name stock \

-v /data/notebooks:/data/notebooks \

-p 8888:8888 \

-p 9999:9999 \

pythonstock/pythonstock:latest

直接启动stock ，使用其他 mysql 数据库，需要配置变量方式：

docker run -itd --name stock \

-v /data/notebooks:/data/notebooks \

-p 8888:8888 \

-p 9999:9999 \

-e MYSQL_HOST=127.0.0.1 \

-e MYSQL_USER=root \

-e MYSQL_PWD=mariadb \

-e MYSQL_DB=stock_data \

pythonstock/pythonstock:latest

进入镜像：

docker exec -it stock bash

sh /data/stock/jobs/cron.daily/run_daily

说明，启动容器后，会调用。run_init.sh 进行数据初始化，同时第一次执行后台执行当日数据。

以后每日18点(只有18点左右才有今日的数据)进行股票数据抓取并计算。

本地访问端口

查看jupyter的密码：

docker exec -it stock bash

查看登录 token 问题：

jupyter notebook list

# 就可以看到 token 了，然后可以登录了。

1，股票系统设计

2，架构设计

全系使用python实现。因为都是python的类库，互相之间调用方便。

从数据抓取，数据处理，到数据展示数据运算都是python实现。

最终的数据都到前端展示出来。主要分为4个文件夹。

jobs 抓取数据并存储实现类。

libs 通用工具类。

web 前端展示框架。

supervisor 进程管理工具。

3，应用部署

需要mysql数据库启动。项目放到/data/stock 目录。

CREATE DATABASE IF NOT EXISTS `stock_data` CHARACTER SET utf8 COLLATE utf8_general_ci;

使用 :

3，web使用datatable显示报表

通用数据配置，在 libs/stock_web_dic.py 配置数据之后，可以实现动态加载菜单，根据数据库表的行列显示数据。

不用一个表一个表进行开发，通用数据展示。

4，使用pandas处理重复数据

data = ts.get_report_data(year, quarter)

# 处理重复数据，保存最新一条数据。

data.drop_duplicates(subset="code", keep="last")

5，增加多字段排序

1，点击是单个字段进行排序。

2，按照【shift】，点击多个，即可完成多字段排序。

3，服务端分页排序。

4，按照多个字段进行筛选查询。

6，开发环境执行

sh startStock.sh 1

9，解决跑数据问题

# 通过数据库链接 engine。

def conn():

try:

db = MySQLdb.connect(MYSQL_HOST, MYSQL_USER, MYSQL_PWD, MYSQL_DB, charset="utf8")

# db.autocommit = True

except Exception as e:

print("conn error :", e)

db.autocommit(on=True)

return db.cursor()

之前升级过代码，造成 db.cursor() 问题。

8，解决日志打印问题

配置 main.py

tornado.options.parse_command_line()

然后启动配置参数：

/usr/local/bin/python3 /data/stock/web/main.py -log_file_prefix=/data/logs/web.log

10，升级 bokeh 到 2.1.1 版本

https://pypi.org/project/bokeh/#files

11，解决 Bokeh JS兼容问题。

升级 bokeh 到 2.1.1 版本

升级JS，因为 lib 包升级导致问题。