2009 (2)
2010 (1)
2014 (58)
2015 (74)
2016 (71)
2017 (67)
2018 (37)
2020 (57)
2021 (47)
2022 (69)
2023 (45)
https://www.analyticsvidhya.com/blog/2021/06/download-financial-dataset-using-yahoo-finance-in-python-a-complete-guide 只有第一个代码无误,图形不出,其它缺了print:
import pandas as pd
import yfinance as yf
from yahoofinancials import YahooFinancials
aapl_df = yf.download('AAPL',
start='2019-01-01',
end='2021-06-12',
progress=False,
)
print(aapl_df.head())
结果:
https://www.geeksforgeeks.org/get-financial-data-from-yahoo-finance-with-python/
all ticker: https://www.nasdaq.com/market-activity/stocks/screener
pip install yfinance
import yfinance as yahooFinance import pandas as pd GetFacebookInformation = yahooFinance.Ticker( "META" ) pd.set_option( 'display.max_rows' , None ) # Let us get historical stock prices for Facebook # covering the past few years. # max->maximum number of daily prices available # for Facebook. # Valid options are 1d, 5d, 1mo, 3mo, 6mo, 1y, 2y, # 5y, 10y and ytd. print (GetFacebookInformation.history(period = "max" )) |
https://bigquant.com/wiki/doc/6lem5lqg6lz5lmi5asa77ym5yib5lia5p
import yfinance as yahooFinance import pandas as pd GetFacebookInformation = yahooFinance.Ticker( "META" ) pd.set_option( 'display.max_rows' , None ) # Let us get historical stock prices for Facebook # covering the past few years. # max->maximum number of daily prices available # for Facebook. # Valid options are 1d, 5d, 1mo, 3mo, 6mo, 1y, 2y, # 5y, 10y and ytd. print (GetFacebookInformation.history(period = "max" )) |
import yfinance as yahooFinance import pandas as pd GetFacebookInformation = yahooFinance.Ticker( "META" ) pd.set_option( 'display.max_rows' , None ) # Let us get historical stock prices for Facebook # covering the past few years. # max->maximum number of daily prices available # for Facebook. # Valid options are 1d, 5d, 1mo, 3mo, 6mo, 1y, 2y, # 5y, 10y and ytd. print (GetFacebookInformation.history(period = "max" )) |
https://bigquant.com/wiki/doc/6lem5lqg6lz5lmi5asa77ym5yib5lia5p25yv5lul5lmw5lqg5zcx77yf-rEpXFrplv8
https://blog.csdn.net/weixin_44510615/article/details/118639520?&spm=1018.2226.3001.4187 【Python金融量化 9- 100 】
https://blog.csdn.net/hwwaizs/article/details/127876429?spm=1018.2226.3001.4187
https://ta-lib.github.io/ta-lib-python/
在股票技术分析中,我们经常要分析K线图,分时图等等,有些新手在入门的时候常常把两者弄混,所以统称它们为曲线图,实际它们就是K线图和分时图了,到底如何看懂股票曲线图?一起看看这些曲线所代表的含义吧。
如何看股票的曲线图?
1)白色曲线:表示大盘加权指数,即证交所每日公布媒体常说的大盘实际指数。
2) 黄色曲线:大盘不含加权的指标,即不考虑股票盘子的大小,而将所有股票对指数影响看作相同而计算出来的大盘指数。 参考白黄二曲线的相互位置可知:A)当大盘指数上涨时,黄线在白线之上,表示流通盘较小的股票涨幅较大;反之,黄线在白线之下,说明盘小的股票涨幅落后大盘股。B)当大盘指数下跌时,黄线在白线之上,表示流通盘较小的股票跌幅小于盘大的股票;反之,盘小的股票跌幅大于盘大的股票。
3) 红绿柱线:在红白两条曲线附近有红绿柱状线,是反映大盘即时所有股票的买盘与卖盘在数量上的比率。红柱线的增长减短表示上涨买盘力量的增减;绿柱线的增长缩短表示下跌卖盘力度的强弱。
4) 黄色柱线:在红白曲线图下方,用来表示每一分钟的成交量,单位是手(每手等于100股)。
5) 委买委卖手数:代表即时所有股票买入委托下三档和卖出上三档手数相加的总和。
6) 委比数值:是委买委卖手数之差与之和的比值。当委比数值为正值大的时候,表示买方力量较强股指上涨的机率大;当委比数值为负值的时候,表示卖方的力量较强股指下跌的机率大。
个股即时分时走势图:
1) 白色曲线:表示该种股票即时实时成交的价格。
2) 黄色曲线:表示该种股票即时成交的平均价格,即当天成交总金额除以成交总股数。
3) 黄色柱线:在红白曲线图下方,用来表示每一分钟的成交量。
4) 成交明细:在盘面的右下方为成交明细显示,显示动态每笔成交的价格和手数。
5)外盘内盘:外盘又称主动性买盘,即成交价在卖出挂单价的累积成交量;内盘主动性卖盘,即成交价在买入挂单价的累积成交量。外盘反映买方的意愿,内盘反映卖方的意愿。
6)量比:是指当天成交总手数与近期成交手数平均的比值,具体公式为:现在总手/((5日平均总手/240)*开盘多少分钟)。量比数值的大小表示近期此时成交量的增减,大于1表示此时刻成交总手数已经放大,小于1表示表示此时刻成交总手数萎缩。 实战中的K线分析,必须与即时分时图分析相结合,才能真实可靠的读懂市场的语言,洞悉盘面股价变化的奥妙。K线形态分析中的形态颈线图形,以及波浪角度动量等分析的方法原则,也同样适合即时动态分时走势图分析
https://blog.csdn.net/hwwaizs/article/details/127876429?spm=1018.2226.3001.4187
https://xueqiu.com/3544075864/199788810
陈浩筹码分布:在K线图的右侧、按其垂线即日期线,显示该日的股票拥有者的数量及其买入价格。每条横线的Y是价格长度为股票总量的百分比。算法没有公开,基本是按交易的买入价和数量,去除卖出的价格和数量-这个是按权重估算的。因此结果都是近似的,除非你有该股票从发行第一天开始的所有买卖记录。https://zhuanlan.zhihu.com/p/434338647 此文较好的说明了,主力在2年内低价位吸纳、放出部分-自己买卖-以推高价格,逐渐在高价位卖出低价吸纳股,直至低价筹码基本抛光。1.红色的筹码为获利盘,蓝色的筹码为被套盘;2.在筹码的分布中,有一条白色的水平线,为该股票即时平均持仓成本。最后,筹码该显示为3D,目前是拉动日期线来观看。