股票量化，包含股票知识图谱以及历史数据以及自动化交易。^为了不被割^
疫情期间，在家学习的时候，学校发了补助，然后我自己也是个宅男，基本不消费了。恰逢那时股市动荡，后续开启了波澜壮阔的大牛市，所以也不知道是幸运还是不幸，我入场开始炒股。
但是苦于无人交流，以及自己未曾接受系统化的经济学教育，看的一些炒股相关的书籍也着实没啥很大用。所以在几次大亏之后，决定结合一点自己所学来帮助自己进行量化交易（其实就是亏惨了，对自己不自信了，所以寄希望于代码能帮助自己回本）
这个Project一直断断续续，一直也没发挥多大的作用，其中不无对代码的不自信，以及偶尔几次拉升中突然觉得自己又行了的因素。20年开始，21年近期逐步完善。在2021-05-12日开始，投入了一点钱，专门做一个最简单的网格交易，目前直至2021-06-01，总投入从一万加到三万四（因为发了工资啥的都直接丢进来），收益在847元，(2.5%)的收益，得益于五月份的好行情。不过这个模型一开始也只是小打小闹，我没给多少投入，所以其实算是十多天的收益吧，还行，而且玩的不是妖股，都是选择的权重股或者ETF，以及极少仓位的波动大的股票。我的大号的收益已经完全跑不赢这个在跑模型的小号了。
README也好久没更新了，所以今天更新下我之前写的一些模块，以及当前实盘操作的指南以及注意事项。
获取股票、ETF、基金、指数等历史数据，以及实时新闻获取。目前都在DataEngine的Data.py下面。
这个是来自某个股友的自建项目网址，数据量很大，我也一直在爬取。主要代码和逻辑都在DataEngine的Mongo.py下面。
利用的是Neo4j作为底层数据库，有三个上层概念：概念、地区、行业。都是来自Tushare的分类。可视化的效果还凑合，但是实际作用比较菜，我数据挖掘不太行。所以这个后来就没继续实行了。主要代码和逻辑都在DataEngine的Neo4j.py下面。
因为tushare对这个貌似有比较高的积分要求，所以我自己从网上扒拉来了一个，在fund_protfolio.py下。
增加了delta_ma5_vol，delta_ma5，五日动量，二十日动量、RSI等指标。具体内容见pre_process_data.py
结合数据格式进行一些指标参数的计算，具体内容见feature.py
监控市场上所有的股票和指数并且输出图形，但是不是实时的， 后续补全。主要包括三种：市场的全部ETF，部分指数，全部的股票。具体内容在Market.py下
目前这个是实用性比较好的，我在另外一个项目上搭建了一个网站专门实时刷新最新的财经新闻。获取新闻数据在simple.py中，以及他有一个简单的情绪分析判断，基于一篇论文中提出的金融情绪词汇进行统计学的情绪分析的。
这个是在github上扒拉下来的一个lstm的情绪分析的内容，效果跟前面那个差不多，我个人觉得这个得搭配完善的产业链知识图谱用，以及还要金融实体识别，这个我在做，但是没太上心。
这个是网上看的一个决策树判断第二天涨跌的分类模型，顺手拿来套用了，效果一般般吧，股市预测太难了。
最简单的神经网络模型，甚至我连后面的激活层都直接干掉了，就硬拟合，比上面的好点，不过有限
基本都试了一遍，特定个股特定时期不错的，但是我不敢把钱交给这种。
这个是我目前在用的，在原有的网格上面做了一点优化，抓住一只个股，不赚钱不放手，然后可以动态的配置买卖点的价格差。
针对某一只个股，需要配置下cache文件夹下的一些文件。
- code-log.txt，这个是用来记录最后一次该个股操作的价格和数量的
- gaps.txt，这个文件总览了所以个股的价差，意思是隔多少的价格来进行下一次操作
- buy_rates.txt 和 sell_rates.txt 这两个文件是设置浮动价格差的，对上一步的价格差进行一个微调，可以有效地控制做T的利润空间
具体的用处参见gridTrade.py的内容。该方法在HaiTong.py中被调用。
- easytrader的配置稍微有点麻烦，不过按照官网的基本都能跑通。
- easyquotation主要是用来实时获取股价，比Tushare快十倍而且更加实时。
- Tushare负责提供数据，好像没在具体用到，但是他是系统的底层支持，所以还是算上吧。
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent