python評估股票交易模型

A. 怎樣用 Python 寫一個股票自動交易的程序

股票自動交易助手提供了一個 Python 自動下單介面，參考代碼

#股票自動交易助手Python自動下單使用例子
#把此腳本和StockOrderApi.pyOrder.dll放到你自己編寫的腳本同一目錄

fromStockOrderApiimport*

#買入測試
#Buy(u"600000",100,0,1,0)

#賣出測試,是持倉股才會有動作
#Sell(u"000100",100,0,1,0)

#賬戶信息
print("股票自動交易介面測試")
print("賬戶信息")
print("--------------------------------")

arrAccountInfo=["總資產","可用資金","持倉總市值","總盈利金額","持倉數量"];
foriinrange(0,len(arrAccountInfo)):
value=GetAccountInfo(u"",i,0)
print("%s%f"%(arrAccountInfo[i],value))

print("--------------------------------")
print("")

print("股票持倉")
print("--------------------------------")
#取出所有的持倉股票代碼,結果以','隔開的
allStockCode=GetAllPositionCode(0)
allStockCodeArray=allStockCode.split(',')
foriinrange(0,len(allStockCodeArray)):
vol=GetPosInfo(allStockCodeArray[i],0,0)
changeP=GetPosInfo(allStockCodeArray[i],4,0)
print("%s%d%.2f%%"%(allStockCodeArray[i],vol,changeP))

print("--------------------------------")

B. 如何建立一個股票量化交易模型並模擬

用python：金融想法->數據處理->模型回測->模擬交易->業績歸因->模型修正。

量化交易是指以先進的數學模型替代人為的主觀判斷，利用計算機技術從龐大的歷史數據中海選能帶來超額收益的多種「大概率」事件以制定策略，極大地減少了投資者情緒波動的影響，避免在市場極度狂熱或悲觀的情況下作出非理性的投資決策。

量化交易具有以下幾個方面的特點：

1、紀律性。根據模型的運行結果進行決策，而不是憑感覺。紀律性既可以剋制人性中貪婪、恐懼和僥幸心理等弱點，也可以克服認知偏差，且可跟蹤。

2、系統性。具體表現為「三多」。一是多層次，包括在大類資產配置、行業選擇、精選具體資產三個層次上都有模型；二是多角度，定量投資的核心思想包括宏觀周期、市場結構、估值、成長、盈利質量、分析師盈利預測、市場情緒等多個角度；三是多數據，即對海量數據的處理。

3、套利思想。定量投資通過全面、系統性的掃描捕捉錯誤定價、錯誤估值帶來的機會，從而發現估值窪地，並通過買入低估資產、賣出高估資產而獲利。

4、概率取勝。一是定量投資不斷從歷史數據中挖掘有望重復的規律並加以利用；二是依靠組合資產取勝，而不是單個資產取勝。

C. 怎樣用 Python 寫一個股票自動交易的程序

• 方法一

  前期的數據抓取和分析可能python都寫好了，所以差這交易指令介面最後一步。對於股票的散戶，正規的法子是華寶，國信，興業這樣願意給介面的券商，但貌似開戶費很高才給這權利，而且只有lts，ctp這樣的c++介面，沒python版就需要你自己封裝。

• 方法二

  是wind這樣的軟體也有直接的介面，支持部分券商，但也貴，幾萬一年是要的。

  
  

• 方法三

  滑鼠鍵盤模擬法，很復雜的，就是模擬鍵盤滑鼠去操作一些軟體，比如券商版交易軟體和大智慧之類的。

• 方法四

  就是找到這些軟體的關於交易指令的底層代碼並更改，不過T+1的規則下，預測准確率的重要性高於交易的及時性，花功夫做數據分析就好，交易就人工完成吧

D. python如何獲得股票實時交易數據

使用easyquotation這個庫。(不用重復造輪子了)
github地址是：
https://github.com/shidenggui/easyquotation

E. 使用python做量化交易策略測試和回驗，有哪些比較成熟一些的庫

比較成熟的庫可以參考如下幾個：
pybacktest
pyalgotrader
zipline
bt
backtrader

pybacktest基於vector，不是event based，快得多得多，缺點也明顯。

F. 有沒有會用Python編寫一個簡單的建模股票價格的小程序能夠對股票數據進行簡單預測即可！求助！

雖然懂python 但是不懂股票，
採用random()可以么，哈哈

G. 股票交易模型案例

一般股票交易的模型就是量化交易，你可以自己先下載量化軟體看看已經有的指標，再進行優化

H. 如何建立一個股票量化交易模型並模擬

用文化財經軟體，編寫程序化交易系統，具體參考官網教程

I. 如何利用Python預測股票價格

預測股票價格沒有意義。
單支股票價格，多股組合，大盤這些都可以使用神經網路來學習，02年就做過了，漲跌預測平均能達到54%到57%的准確率，但是只能定性，無法定量，因此，在扣除印花稅之後無利可圖。

純粹使用股票交易數據來預測並保證總體獲利不是程序能辦到的，人也辦不到。
目前世界上最先進的炒股機器也只能利用網路時差那微不可計的零點幾秒在歐洲與美國證券間倒來倒去，那套系統研發費用數千萬，硬體（主要是獨立光纜）費用以億計。

J. 股票估價的股票估價的模型

股票估價的基本模型
計算公式為：
股票價值
估價
R——投資者要求的必要收益率
Dt——第t期的預計股利
n——預計股票的持有期數
零增長股票的估價模型
零成長股是指發行公司每年支付的每股股利額相等，也就是假設每年每股股利增長率為零。每股股利額表現為永續年金形式。零成長股估價模型為：
股票價值=D/Rs
例：某公司股票預計每年每股股利為1.8元，市場利率為10%，則該公司股票內在價值為：
股票價值=1.8/10%=18元
若購入價格為16元，因此在不考慮風險的前提下，投資該股票是可行的
二、不變增長模型
(1)一般形式。如果我們假設股利永遠按不變的增長率增長，那 么就會建立不變增長模型。 [例]假如去年某公司支付每股股利為 1.80 元，預計在未來日子 里該公司股票的股利按每年 5%的速率增長。因此，預期下一年股利 為 1.80×(1 十 0.05)=1.89 元。假定必要收益率是 11%，該公司的 股票等於 1． 80×[(1 十 0． 05)/(0.11—0． 05)]=1． 89/(0． 11—0． 05) =31．50 元。而當今每股股票價格是 40 元，因此，股票被高估 8．50 元，建議當前持有該股票的投資者出售該股票。
(2)與零增長模型的關系。零增長模型實際上是不變增長模型的 一個特例。特別是，假定增長率合等於零，股利將永遠按固定數量支 付，這時，不變增長模型就是零增長模型。 從這兩種模型來看， 雖然不變增長的假設比零增長的假設有較小 的應用限制，但在許多情況下仍然被認為是不現實的。但是，不變增 長模型卻是多元增長模型的基礎，因此這種模型極為重要。
三、多元增長模型 多元增長模型是最普遍被用來確定普通股票內在價值的貼現現 金流模型。這一模型假設股利的變動在一段時間內並沒有特定的 模式可以預測，在此段時間以後，股利按不變增長模型進行變動。因 此，股利流可以分為兩個部分。 第一部分 包括在股利無規則變化時期的所有預期股利的現值 第二部分 包括從時點 T 來看的股利不變增長率變動時期的所有預期股利的現 值。因此，該種股票在時間點的價值(VT)可通過不變增長模型的方程 求出
[例]假定 A 公司上年支付的每股股利為 0．75 元，下一年預期支 付的每股票利為 2 元，因而再下一年預期支付的每股股利為 3 元，即 從 T=2 時， 預期在未來無限時期， 股利按每年 10%的速度增長， 即 0：，Dz(1 十 0．10)=3×1．1=3．3 元。假定該公司的必要收益 率為 15%，可按下面式子分別計算 V7—和認 t。該價格與目前每股 股票價格 55 元相比較，似乎股票的定價相當公平，即該股票沒有被 錯誤定價。
(2)內部收益率。零增長模型和不變增長模型都有一個簡單的關 於內部收益率的公式，而對於多元增長模型而言，不可能得到如此簡 捷的表達式。雖然我們不能得到一個簡捷的內部收益率的表達式，但 是仍可以運用試錯方法，計算出多元增長模型的內部收益率。即在建 立方程之後，代入一個假定的伊後，如果方程右邊的值大於 P，說明 假定的 P 太大；相反，如果代入一個選定的盡值，方程右邊的值小於 認說明選定的 P 太小。繼續試選盡，最終能程式等式成立的盡。 按照這種試錯方法，我們可以得出 A 公司股票的內部收益率是 14．9%。把給定的必要收益 15%和該近似的內部收益率 14．9%相 比較，可知，該公司股票的定價相當公平。
(3)兩元模型和三元模型。有時投資者會使用二元模型和三元模 型。二元模型假定在時間了以前存在一個公的不變增長速度，在時間 7、以後，假定有另一個不變增長速度城。三元模型假定在工時間前， 不變增長速度為身 I，在 71 和 72 時間之間，不變增長速度為期，在 72 時間以後，不變增長速度為期。設 VTl 表示 在最後一個增長速度開始後的所有股利的現值，認-表示這以前 所有股利的現值，可知這些模型實際上是多元增長模型的特例。
四、市盈率估價方法 市盈率，又稱價格收益比率，它是每股價格與每股收益之間的比 率，其計算公式為反之，每股價格=市盈率×每股收益 如果我們能分別估計出股票的市盈率和每股收益， 那麼我們就能 間接地由此公式估計出股票價格。這種評價股票價格的方法，就是 「市盈率估價方法」
五、貼現現金流模型 貼現現金流模型是運用收入的資本化定價方法來決定普通股票 的內在價值的。按照收入的資本化定價方法，任何資產的內在價值是 由擁有這種資產的投資 者在未來時期中所接受的現金流決定的。 由於現金流是未來時期的預 期值，因此必須按照一定的貼現率返還成現值，也就是說，一種資產 的內在價值等於預期現金流的貼現值。對於股票來說，這種預期的現 金流即在未來時期預期支付的股利，因此，貼現現金流模型的公式為 式中：Dt 為在時間 T 內與某一特定普通股相聯系的預期的現金 流，即在未來時期以現金形式表示的每股股票的股利；K 為在一定風 險程度下現金流的合適的貼現率； V 為股票的內在價值。 在這個方程里，假定在所有時期內，貼現率都是一樣的。由該方 程我們可以引出凈現值這個概念。凈現值等於內在價值與成本之差， 即 式中：P 為在 t=0 時購買股票的成本。 如果 NPV>0，意味著所有預期的現金流入的凈現值之和大於投 資成本，即這種股票被低估價格，因此購買這種股票可行； 如果 NPV<0，意味著所有預期的現金流入的凈現值之和小於投 資成本，即這種股票被高估價格，因此不可購買這種股票。 在了解了凈現值之後，我們便可引出內部收益率這個概念。內部 收益率就是使投資凈現值等於零的貼現率。如果用 K*代表內部收益 率，通過方程可得 由方程可以解出內部收益率 K*。把 K*與具有同等風險水平的股 票的必要收益率(用 K 表示)相比較：如果 K*>K，則可以購買這種股 票；如果 K*<K，則不要購買這種股票。 一股普通股票的內在價值時存在著一個麻煩問題， 即投資者必須 預測所有未來時期支付的股利。 由於普通股票沒有一個固守的生命周 期，因此建議使用無限時期的股利流，這就需要加上一些假定。 這些假定始終圍繞著勝利增長率，一般來說，在時點 T，每股股 利被看成是在時刻 T—1 時的每股股利乘上勝利增長率 GT，其計 例如，如果預期在 T=3 時每股股利是 4 美元，在 T=4 時每股股利 是 4．2 美元，那麼不同類型的貼現現金流模型反映了不同的股利增 長率的假定