该项目已停止更新,请移步新项目https://github.com/zvtvz/zvt
如果有人想继续该项目，只需要知道其核心点即可：
Read this in other languages: English.
"要在市场上生存，就必须远离聪明，因为，你的聪明在市场面前一钱不值"------缠中说禅
fooltrader是一个利用大数据技术设计的量化分析交易系统,包括数据的抓取,清洗,结构化,计算,展示,回测和交易.
它的目标是提供一个统一的框架来对全市场(股票,期货,债券,外汇,数字货币,宏观经济等)进行研究,回测,预测,交易.
它的适用对象包括:量化交易员,财经类专业师生,对经济数据感兴趣的人,程序员,喜欢自由而有探索精神的人
输入你感兴趣的个股,查看其净利润跟股价的关系.
聚合展示你关心的视图
api输出结果具体字段含义请参考数据协议.
In [1]:import fooltrader as ft
In [2]:ft.get_kdata('000778')
#试一试
#ft.get_kdata('300027',start_date='20170630',end_date='20170715')
#ft.get_kdata('300027',start_date='20170630',end_date='20170715')
timestamp code name low open close high volume turnover securityId ... mCap factor hfqClose hfqOpen hfqHigh hfqLow qfqClose qfqOpen qfqHigh qfqLow
timestamp ...
1997-06-06 1997-06-06 000778 新兴铸管 18.00 18.10 19.68 20.70 45335789 8.904533e+08 stock_sz_000778 ... 1.416960e+09 1.000 19.68000 18.10000 20.70000 18.00000 1.497375 1.377159 1.574983 1.369550
1997-06-09 1997-06-09 000778 新兴铸管 18.00 20.00 18.51 20.44 11333248 2.148290e+08 stock_sz_000778 ... 1.332720e+09 1.000 18.51000 20.00000 20.44000 18.00000 1.408354 1.521723 1.555200 1.369550
1997-06-10 1997-06-10 000778 新兴铸管 16.66 18.50 16.75 18.60 6641283 1.155679e+08 stock_sz_000778 ... 1.206000e+09 1.000 16.75000 18.50000 18.60000 16.66000 1.274443 1.407593 1.415202 1.267595
1997-06-11 1997-06-11 000778 新兴铸管 15.90 16.60 17.35 17.40 5560642 9.365633e+07 stock_sz_000778 ... 1.249200e+09 1.000 17.35000 16.60000 17.40000 15.90000 1.320094 1.263030 1.323899 1.209769
1997-06-12 1997-06-12 000778 新兴铸管 16.80 17.68 16.80 17.70 3022235 5.142033e+07 stock_sz_000778 ... 1.209600e+09 1.000 16.80000 17.68000 17.70000 16.80000 1.278247 1.345203 1.346724 1.278247In [3]:ft.get_kdata('rb1601')
timestamp code name low open close high volume turnover securityId preClose change changePct openInterest settlement preSettlement change1 changePct1
timestamp
2015-01-16 20150116 rb1601 螺纹钢rb 2533.0 2545.0 2550.0 2568.0 96.0 244.468 future_shfe_rb1601 2518.0 32.0 0.012708 66.0 2546.0 2518.0 28.0 0.011120
2015-01-19 20150119 rb1601 螺纹钢rb 2515.0 2534.0 2541.0 2558.0 486.0 1231.174 future_shfe_rb1601 2550.0 -5.0 -0.001961 212.0 2533.0 2546.0 -13.0 -0.005106
2015-01-20 20150120 rb1601 螺纹钢rb 2521.0 2554.0 2529.0 2554.0 134.0 339.290 future_shfe_rb1601 2541.0 -4.0 -0.001574 286.0 2532.0 2533.0 -1.0 -0.000395
2015-01-21 20150121 rb1601 螺纹钢rb 2516.0 2520.0 2516.0 2540.0 294.0 743.266 future_shfe_rb1601 2529.0 -16.0 -0.006327 410.0 2528.0 2532.0 -4.0 -0.001580
2015-01-22 20150122 rb1601 螺纹钢rb 2515.0 2519.0 2521.0 2530.0 310.0 782.114 future_shfe_rb1601 2516.0 -7.0 -0.002782 576.0 2522.0 2528.0 -6.0 -0.002373
In [4]: ft.get_kdata('BTC-USD',exchange='kraken')
timestamp code name low open close high volume securityId preClose change changePct
timestamp
2016-07-08 2016-07-08 BTC-USD BTC/USD 634.0 640.4 671.4 671.4 1651.592635 cryptocurrency_kraken_BTC-USD NaN NaN NaN
2016-07-09 2016-07-09 BTC-USD BTC/USD 622.0 671.9 652.0 671.9 1908.295953 cryptocurrency_kraken_BTC-USD 671.4 -19.4 -0.029755
2016-07-10 2016-07-10 BTC-USD BTC/USD 642.4 652.0 650.0 655.6 429.290787 cryptocurrency_kraken_BTC-USD 652.0 -2.0 -0.003077
2016-07-11 2016-07-11 BTC-USD BTC/USD 645.3 652.5 650.7 663.3 814.157258 cryptocurrency_kraken_BTC-USD 650.0 0.7 0.001076
2016-07-12 2016-07-12 BTC-USD BTC/USD 647.1 650.7 666.0 675.9 923.800268 cryptocurrency_kraken_BTC-USD 650.7 15.3 0.022973
In [5]: for item in ft.get_ticks('000338'):
...: print(item)
In [5]: ft.get_income_statement_items('300027',report_period='2017-06-30')
#试一试
#ft.get_balance_sheet_items('300027',,report_event_date='2017-01-01')
#ft.get_cash_flow_statement_items('300027')
Out[2]:
{'EPS': 0.15,
'ManagingCosts': 257005115.85,
'accumulatedOtherComprehensiveIncome': 471486112.3,
'assetsDevaluation': -21647912.31,
'attributableToMinorityShareholders': 90255906.93,
'attributableToOwnersOfParentCompany': 381230205.37,
'businessTaxesAndSurcharges': 80033207.21,
'code': '300027',
'dilutedEPS': 0.15,
'disposalLossOnNonCurrentLiability': 281050.25,
'exchangeGains': 0.0,
'financingExpenses': 132202866.43,
'id': 'stock_sz_300027_20170630',
'incomeFromChangesInFairValue': 0.0,
'incomeTaxExpense': 111864455.56,
'investmentIncome': 541478955.17,
'investmentIncomeFromRelatedEnterpriseAndJointlyOperating': '45035770.67',
'minorityInterestIncome': 91203287.92,
'netProfit': 521516997.38,
'netProfitAttributedToParentCompanyOwner': 430313709.46,
'nonOperatingExpenditure': 13775609.35,
'nonOperatingIncome': 27864700.17,
'operatingCosts': 679308123.4,
'operatingProfit': 619292362.12,
'operatingRevenue': 1465863805.45,
'operatingTotalCosts': 1388050398.5,
'otherComprehensiveIncome': -50030885.08,
'reportDate': '2017-06-30',
'reportEventDate': '2017-08-29',
'securityId': 'stock_sz_300027',
'sellingExpenses': 261148997.92,
'totalProfits': 633381452.94}
# 营业利润=营业收入-营业成本-营业税金及附加-销售费用-管理费用-财务费用-资产减值损失+公允价值变动收益（损失的话用减）+投资收益
def check_operating_profit(security_item):
income_statement_list = get_income_statement_items(security_item=security_item)
for income_statement in income_statement_list:
operatingProfit = income_statement["operatingRevenue"] \
- income_statement["operatingCosts"] \
- income_statement["businessTaxesAndSurcharges"] \
- income_statement["sellingExpenses"] \
- income_statement["ManagingCosts"] \
- income_statement["financingExpenses"] \
- income_statement["assetsDevaluation"] \
+ income_statement["incomeFromChangesInFairValue"] \
+ income_statement["investmentIncome"]
diff = operatingProfit - income_statement["operatingProfit"]
if abs(diff) >= 1:
print("{} operating profit calculating not pass,calculating result:{},report result:{}".format(
income_statement['id'], operatingProfit, income_statement["operatingProfit"]))
else:
print("{} operating profit calculating pass".format(income_statement['id']))可以用该工具迅速检查财务报表的质量,同时也可以让你对财务报表有更深入的认识.更多例子
In [3]: from fooltrader.datamanager import finance_check
In [4]: finance_check.check_operating_profit('300027')
stock_sz_300027_20061231 operating profit calculating pass
...
stock_sz_300027_20170630 operating profit calculating pass
stock_sz_300027_20170930 operating profit calculating pass我的博客介绍fooltrader投资之财务指标
In [12]: ft.get_finance_forecast_event('000002')
timestamp reportPeriod securityId type description preEPS changeStart change id
timestamp
2004-04-02 2004-04-02 2004-03-31 stock_sz_000002 预增 预计公司2004年第1季度净利润较去年同期增长幅度超过150%。 NaN NaN 1.50 stock_sz_000002_2004-04-02
2004-07-05 2004-07-05 2004-06-30 stock_sz_000002 预增 预计公司2004年上半年度净利润较去年同期增长幅度将超过50%。 NaN NaN 0.50 stock_sz_000002_2004-07-05
2005-01-12 2005-01-12 2004-12-31 stock_sz_000002 预增 预计本公司2004年全年净利润较去年增长50%－65%之间。 NaN NaN 0.65 stock_sz_000002_2005-01-12
2005-04-06 2005-04-06 2005-03-31 stock_sz_000002 预增 预计本公司2005年1季度净利润较上年同期增长100%－150％。 NaN NaN 1.50 stock_sz_000002_2005-04-06
2005-04-25 2005-04-25 2005-06-30 stock_sz_000002 预增 预计本公司2005年上半年净利润较去年同期增长150—200%。 NaN NaN 2.00 stock_sz_000002_2005-04-25
2005-08-01 2005-08-01 2005-09-30 stock_sz_000002 预增 预计2005年1～9月份可实现净利润将较去年同期增长110～130%。 NaN NaN 1.30 stock_sz_000002_2005-08-01
2006-01-06 2006-01-06 2005-12-31 stock_sz_000002 预增 预计本公司2005年全年净利润较去年增幅将超过50%。 NaN NaN 0.50 stock_sz_000002_2006-01-06
2006-03-21 2006-03-21 2006-03-31 stock_sz_000002 预增 经初步测算，预计本公司2006年第1季度净利润较上年同期增长超过50%。 NaN NaN 0.50 stock_sz_000002_2006-03-21
2006-06-23 2006-06-23 2006-06-30 stock_sz_000002 预增 预计本公司2006年半年度净利润较上年同期增长50%~60% NaN NaN 0.60 stock_sz_000002_2006-06-23
2006-09-28 2006-09-28 2006-09-30 stock_sz_000002 预增 预计2006年一至三季度净利润较上年同期增长50%-60%。 NaN NaN 0.60 stock_sz_000002_2006-09-28
2007-01-12 2007-01-12 2006-12-31 stock_sz_000002 预增 预计2006年全年净利润较去年增长50%-65%。 0.26 NaN 0.65 stock_sz_000002_2007-01-12
2007-04-04 2007-04-04 2007-03-31 stock_sz_000002 预增 预计2007年第一季度净利润较上年同期增长幅度为50-60%。 NaN NaN 0.60 stock_sz_000002_2007-04-04
2007-10-30 2007-10-30 2007-12-31 stock_sz_000002 预增 公司预计2007年全年净利润较去年增长100%-150%。 NaN NaN 1.50 stock_sz_000002_2007-10-30
2015-04-03 2015-04-03 2015-03-31 stock_sz_000002 预减 预计2015年1月1日-2015年3月31日归属于上市公司股东的净利润为盈利：60,000万... 0.14 -0.61 -0.54 stock_sz_000002_2015-04-03
In [13]: ft.get_finance_report_event('600338')
reportPeriod securityId timestamp title url id
timestamp
2010-02-12 2009-12-31 stock_sh_600338 2010-02-12 西藏珠峰工业股份有限公司2009年年度报告 http://vip.stock.finance.sina.com.cn/corp/view... stock_sh_600338_2010-02-12
2011-04-27 2010-12-31 stock_sh_600338 2011-04-27 ST珠峰：年报 http://vip.stock.finance.sina.com.cn/corp/view... stock_sh_600338_2011-04-27
2012-04-26 2011-12-31 stock_sh_600338 2012-04-26 西藏珠峰工业股份有限公司2011年年度报告 http://vip.stock.finance.sina.com.cn/corp/view... stock_sh_600338_2012-04-26
2013-03-06 2012-12-31 stock_sh_600338 2013-03-06 西藏珠峰工业股份有限公司年报 http://vip.stock.finance.sina.com.cn/corp/view... stock_sh_600338_2013-03-06
2014-04-30 2013-12-31 stock_sh_600338 2014-04-30 西藏珠峰工业股份有限公司2013年年度报告 http://vip.stock.finance.sina.com.cn/corp/view... stock_sh_600338_2014-04-30
2015-04-30 2014-12-31 stock_sh_600338 2015-04-30 西藏珠峰工业股份有限公司年报 http://vip.stock.finance.sina.com.cn/corp/view... stock_sh_600338_2015-04-30
2016-04-15 2015-12-31 stock_sh_600338 2016-04-15 西藏珠峰年报 http://vip.stock.finance.sina.com.cn/corp/view... stock_sh_600338_2016-04-15
2017-01-05 2015-12-31 stock_sh_600338 2017-01-05 西藏珠峰2015年年度报告（更正稿） http://vip.stock.finance.sina.com.cn/corp/view... stock_sh_600338_2017-01-05
2017-02-28 2016-12-31 stock_sh_600338 2017-02-28 西藏珠峰2016年年度报告 http://vip.stock.finance.sina.com.cn/corp/view... stock_sh_600338_2017-02-28
2018-03-10 2017-12-31 stock_sh_600338 2018-03-10 西藏珠峰2017年年度报告 http://vip.stock.finance.sina.com.cn/corp/view... stock_sh_600338_2018-03-10
In [14]: ft.get_kdata('index_sh_000001')
timestamp code name low open close high volume turnover securityId preClose change changePct turnoverRate tCap mCap pe
timestamp
2018-06-11 2018-06-11 000001 上证指数 3037.9138 3057.3393 3052.7831 3063.6102 108563786 1.430373e+11 index_sh_000001 3067.1478 -14.3647 -0.4683 0.3412 3.199517e+13 2.689125e+13 15.06
2018-06-12 2018-06-12 000001 上证指数 3034.1012 3053.0279 3079.8018 3081.4473 113275096 1.544691e+11 index_sh_000001 3052.7831 27.0187 0.8851 0.3545 3.229036e+13 2.719762e+13 15.22
2018-06-13 2018-06-13 000001 上证指数 3044.1198 3071.4636 3049.7965 3071.4636 119607886 1.559353e+11 index_sh_000001 3079.8018 -30.0053 -0.9743 0.3733 3.205392e+13 2.699151e+13 15.09
2018-06-14 2018-06-14 000001 上证指数 3032.4062 3038.0704 3044.1597 3066.0469 115469487 1.475888e+11 index_sh_000001 3049.7965 -5.6368 -0.1848 0.3618 3.193968e+13 2.694981e+13 15.04
2018-06-15 2018-06-15 000001 上证指数 3008.7324 3037.4522 3021.9008 3048.7967 144532571 1.621960e+11 index_sh_000001 3044.1597 -22.2589 -0.7312 0.4490 3.171228e+13 2.680721e+13 14.93
In [15]: ft.macd('000778',start_date='20170101',end_date='20170301')
close close_ema12 close_ema26 diff dea macd
timestamp
2017-01-03 5.21 NaN NaN NaN NaN NaN
2017-01-04 5.24 NaN NaN NaN NaN NaN
2017-01-05 5.31 NaN NaN NaN NaN NaN
2017-01-06 5.28 NaN NaN NaN NaN NaN
2017-01-09 5.33 NaN NaN NaN NaN NaN
2017-01-10 5.30 NaN NaN NaN NaN NaN
2017-01-11 5.34 NaN NaN NaN NaN NaN
2017-01-12 5.21 NaN NaN NaN NaN NaN
2017-01-13 5.11 NaN NaN NaN NaN NaN
2017-01-16 4.95 NaN NaN NaN NaN NaN
2017-01-17 5.00 NaN NaN NaN NaN NaN
2017-01-18 5.05 5.146697 NaN NaN NaN NaN
2017-01-19 4.96 5.117975 NaN NaN NaN NaN
2017-01-20 5.00 5.099825 NaN NaN NaN NaN
2017-01-23 5.05 5.092159 NaN NaN NaN NaN
2017-01-24 5.06 5.087212 NaN NaN NaN NaN
2017-01-25 5.06 5.083025 NaN NaN NaN NaN
2017-01-26 5.07 5.081022 NaN NaN NaN NaN
2017-02-03 5.03 5.073172 NaN NaN NaN NaN
2017-02-06 5.03 5.066530 NaN NaN NaN NaN
2017-02-07 5.01 5.057833 NaN NaN NaN NaN
2017-02-08 5.05 5.056628 NaN NaN NaN NaN
2017-02-09 5.12 5.066378 NaN NaN NaN NaN
2017-02-10 5.27 5.097704 NaN NaN NaN NaN
2017-02-13 5.31 5.130365 NaN NaN NaN NaN
2017-02-14 5.84 5.239540 5.184121 0.055419 0.055419 0.000000
2017-02-15 6.09 5.370380 5.251223 0.119157 0.068166 0.101981
2017-02-16 5.98 5.464167 5.305206 0.158961 0.086325 0.145271
2017-02-17 5.70 5.500449 5.334450 0.165999 0.102260 0.127478
2017-02-20 5.78 5.543457 5.367454 0.176003 0.117009 0.117989
2017-02-21 5.81 5.584464 5.400235 0.184229 0.130453 0.107552
2017-02-22 5.95 5.640700 5.440959 0.199742 0.144310 0.110862
2017-02-23 5.81 5.666746 5.468295 0.198451 0.155139 0.086625
2017-02-24 5.69 5.670324 5.484718 0.185606 0.161232 0.048748
2017-02-27 5.59 5.657966 5.492516 0.165450 0.162076 0.006749
2017-02-28 5.66 5.658279 5.504922 0.153357 0.160332 -0.013950
2017-03-01 5.63 5.653928 5.514187 0.139741 0.156214 -0.032945
我们不需要那么多技术指标,但一定要知道所使用指标的内涵,所以,我们选择自己计算;没错,由于数据的统一性,理所当然地,计算的统一性也有了. 不管是A股,港股,还是数字货币,不管是1分钟级别,还是日线,使用的都是统一的api.
更多用法请查看api文档.
策略的编写,可以采用事件驱动或者时间漫步的方式,查看设计文档
注意:回测框架目前还处于非常初期的阶段
class EventTrader(Trader):
def on_init(self):
self.trader_id = 'aa'
self.only_event_mode = True
self.universe = ['stock_sz_000338']
self.df_map = {}
def on_day_bar(self, bar_item):
current_security = bar_item['securityId']
current_df = self.df_map.get(current_security, pd.DataFrame())
if current_df.empty:
self.df_map[current_security] = current_df
current_df = current_df.append(bar_item, ignore_index=True)
self.df_map[current_security] = current_df
if len(current_df.index) == 10:
ma5 = np.mean(current_df.loc[5:, 'close'])
ma10 = np.mean(current_df.loc[:, 'close'])
# 5日线在10日线上,并且没有持仓,就买入
if ma5 > ma10 and not self.account_service.get_position(current_security):
self.buy(security_id=current_security, current_price=bar_item['close'])
# 5日线在10日线下,并且有持仓,就卖出
elif ma5 < ma10 and self.account_service.get_position(current_security):
self.sell(security_id=current_security, current_price=bar_item['close'])
current_df = current_df.loc[1:, ]
self.df_map[current_security] = current_df运行策略可以实时查看效果,并做进一步的评估
fooltrader是一个层次清晰的系统,你可以在不同的层次对其进行使用,也可以扩展,改造或替换里面的模块.
使用的层次跟架构图里面的模块是一一对应的, 你可以在任何step停下来,进行扩展或者对接你自己熟悉的系统.
当然,还是希望你全部跑通,因为这里的每个模块的技术选型都是经过精心考虑的,并且后续会不停完善.
操作系统:Ubuntu 16.04.3 LTS
原则上,其他也可以,系统使用的组件都是跨平台的,但我只在ubuntu和mac运行过
内存:>=8G
硬盘:越大越好
clone或者fork代码
$ git clone https://github.com/foolcage/fooltrader.git$ cd fooltrader
$ ./init_env.sh如果你最后看到:
Requirements installed.
env ok那么恭喜你,你可以以各种姿势去玩耍了.
两种方式去下载历史数据(目前包含到2018-07-19的数据)
- 百度网盘data.zip.
直接解压可用
讲a-j个文件下载(目前速度最快的方式),然后合并:cat data* > data.zip 后再解压
跟百度网盘是一样的数据，split过的，进入2018-07-19目录，cat data* > data.zip 后再解压
这个数据太大，大概包含到2018年3月份的数据，split过的， cat 000* > 000.zip 后再解压
看一下数据协议,设置好FOOLTRADER_STORE_PATH,解压下载的文件到该目录.
然后使用使用定时脚本每天抓取增量数据.
$ source ve/bin/activate
抓股票列表
$ python fooltrader/sched/sched_stock_meta.py
抓行情
$ python fooltrader/sched/sched_china_stock_quote.py
抓财报
$ python fooltrader/sched/sched_finance.py该项目的目的之一是方便大家共享数据,不需要每个人都去抓历史数据而导致被屏蔽.
也可以用该脚本对数据进行打包共享
这些脚本会定时去抓取"缺少"的数据,在历史数据完整性检查通过后,其实就是只是抓取当天的数据,这样我们就有了一个自动化自我维护的完整数据源.
这里把抓取数据作为一个单独的模块,而不是像某些开源项目那样api和爬虫耦合在一起,主要是为了:
爬虫只干爬虫的事:专注抓取的速度,更好的数据分类,数据补全,防屏蔽等
api设计只依赖数据协议,从而具有更好的速度和灵活性
最后强调一下,数据抓下来了,怎么使用?请参考数据协议
到这里,如果你不想使用elastic-search,也不想使用python,你就是想用java,mysql,或者你superset,redash,hadoop啥的玩得很熟,没问题,根据数据协议你应该很容易的把数据放到你需要的地方进行研究.
当然,我更希望你把代码贡献到connector里面,pr给我,既提高自己的代码水平,又方便了需要使用的人,岂不快哉?
仅仅只是把数据换一个存储,系统就发生了不可思议的变化.
可以参考官方文档进行安装:https://www.elastic.co/guide/en/elastic-stack/current/installing-elastic-stack.html
也可以用以下命令来完成:
$ #下载xpack
$ wget https://artifacts.elastic.co/downloads/packs/x-pack/x-pack-6.1.1.zip
$ #下载es
$ wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-6.1.1.zip
$ unzip elasticsearch-6.1.1.zip
$ cd elasticsearch-6.1.1/
$ #为es安装xpcck插件,就是刚刚下载的那个x-pack-6.1.1.zip,格式为file://+其路径
$ bin/elasticsearch-plugin install file:///path/to/file/x-pack-6.1.1.zip
$ #用fooltrader中的elasticsearch.yml覆盖es默认配置
$ cp ../fooltrader/config/elasticsearch.yml config/
$ #启动es,可根据自己的情况更改heap大小,<=32g
$ ES_JAVA_OPTS="-Xms8g -Xmx8g" ./bin/elasticsearch
$
$ #下载kibana
$ wget https://artifacts.elastic.co/downloads/kibana/kibana-6.1.1-linux-x86_64.tar.gz
$ tar -xzf kibana-6.1.1-linux-x86_64.tar.gz
$ cd kibana-6.1.1-linux-x86_64/
$ #为kibana安装xpcck插件,就是刚刚下载的那个x-pack-6.1.1.zip,格式为file://+其路径
$ bin/kibana-plugin install file:///path/to/file/x-pack-6.1.1.zip
$ #用fooltrader中的kibana.yml覆盖kibana默认配置
$ cp ../fooltrader/config/kibana.yml config/
$ ./bin/kibana到这里,我还是默认你在fooltrader的ipython环境下.
In [1]: from fooltrader.connector import es_connector
#股票元信息->es
In [2]: es_connector.security_meta_to_es()
#指数数据->es
In [3]: es_connector.kdata_to_es(security_type='index')
#个股k线->es
In [4]: es_connector.kdata_to_es(security_type='stock')
#你也可以多开几个窗口,指定范围,提高索引速度
In [4]: es_connector.kdata_to_es(start='002000',end='002999')
#财务数据->es
In [5]: es_connector.finance_sheet_to_es('balance_sheet')
In [5]: es_connector.finance_sheet_to_es('cash_flow_statement')
In [5]: es_connector.finance_sheet_to_es('income_statement')更多功能可以直接查看es_connector的源码,也可以加到定时任务里面,所有索引函数都做了时间判断,只会添加没有添加的数据.
然后,我们简单的来领略一下它的威力
查询2017年中报净利润top 5
curl -XPOST 'localhost:9200/income_statement/doc/_search?pretty&filter_path=hits.hits._source' -H 'Content-Type: application/json' -d'
{
"query": {
"range": {
"reportDate": {
"gte": "20170630",
"lte": "20170630"
}
}
},
"size": 5,
"sort": [
{
"netProfit": {
"order": "desc"
}
}
]
}
'
{
"hits": {
"hits": [
{
"_source": {
"exchangeGains": 1.3242E10,
"netProfit": 1.827E9,
"securityId": "stock_sh_601318",
"investmentIncome": 2.0523E10,
"operatingProfit": 7.8107E10,
"accumulatedOtherComprehensiveIncome": 2.0E8,
"attributableToMinorityShareholders": 6.5548E10,
"sellingExpenses": 1.0777E10,
"investmentIncomeFromRelatedEnterpriseAndJointlyOperating": "398259000000.00",
"id": "stock_sh_601318_20170630",
"minorityInterestIncome": 6.238E10,
"code": "601318",
"otherComprehensiveIncome": 6.5506E10,
"nonOperatingIncome": 4.006E9,
"financingExpenses": 0.0,
"reportEventDate": "2017-08-18",
"netProfitAttributedToParentCompanyOwner": 5.778E10,
"disposalLossOnNonCurrentLiability": 9.01E8,
"incomeFromChangesInFairValue": -2.56E8,
"incomeTaxExpense": 2.2E7,
"operatingTotalCosts": 3.4139E11,
"assetsDevaluation": 8.75E8,
"EPS": 1.9449E10,
"operatingCosts": 9.4E7,
"attributableToOwnersOfParentCompany": 1.58E8,
"ManagingCosts": 6.402E10,
"totalProfits": 8.403E9,
"dilutedEPS": 2.4575E10,
"reportDate": "20170630",
"businessTaxesAndSurcharges": 9.442E9,
"operatingRevenue": 4.63765E11,
"nonOperatingExpenditure": 1.35892E11
}
]
}
}
}实际上REST接口天然就有了,做跨平台接口非常方便,根据数据协议 和ES DSL可以非常方便的进行查询和聚合计算.
(文档待完善)
(文档待完善)
(文档待完善)
- 爬虫代理框架
可配置代理服务器池和并发数,从而提高爬虫的健壮性
- 数据抓取
- A股标的信息抓取
- A股tick数据抓取
- A股日线数据抓取
- A股财务数据抓取
- A股事件抓取
- 数字货币行情
- 期货数据
数据的处理方式是,先定义数据协议,再寻找数据源,这样做的好处是:数据协议的稳定为整个系统的稳定打下坚实的基础,多数据源比较提高数据准确性,多数据源聚合提高数据完整性.
-
常用技术指标计算(ma,ema,macd等)
-
回测框架
小金属涨疯了,但相关的上市公司股价还在历史新低,我是不是可以买一点?
金叉买,死叉卖,在不同级别上表现如何?在不同标的上表现如何?
相同的策略,如何快速的在所有标的上回测,并进行对比?
利润增长,股价也增长?或者提前反映?滞后反映?各种表现的比例如何?
各个策略之间如何通信,从而形成合力?
- 交易DSL设计
- WEB管理界面,向导式生成策略
- 实时行情及kafka实时计算
- 集成vnpy的交易接口
- 港股数据抓取
如果你觉得项目对你有帮助,可以请作者喝杯咖啡
加微信入群:foolcage 添加暗号:zvt
微信公众号:
