##2018-08-04 - 组合的计算和获取，包括关注的组合以及所有的组合(done) - 每日数据的更新(done) - vpn的使用获取ticker数据(done) ##2018-08-07 - futu软件定时删除日志(done) - 通达信数据的解析和验证(done) - 获取每天的tick信息，写入数据库(done) ##2018-08-12 - 前复权价格的计算方法(done) - mac等，技术指标的实现(done) - 前复权价格的计算方法(done) ##2018-08-22 - 平均股价的获取(done) - 涨跌停数据的获取(done) ##2018-08-24 - 板块的分析数据的获取(done) ##2018-09-21 - MAC和筹码分布的设计与实现(done) - KDJ的实现(done) - 股票还未上市，没有k线的处理(done) ##2018-10-10 - 完成板块成庄的选股模型 - 博弈K线的差(done) - 逆势大盘的程度(done) - 近邻筹码的密集程度(done) - 港股通持股(done) - 融资融券分析，分析融资融券的换手率(done) - MAC和筹码系统的实现(done) ##2018-11-01 - 获取指数的成分股(done) - 沪深两市每天的成交状态(done) ##2018-11-12 - 超跌反弹模型(done) - 牛熊股比模型(done) - 异步读写mysql(done) - 沪港通，深港通资金流向(done) - 失败的列表增加重试的功能(done) - 每周投资者增加数量的爬虫(done) - gevent和python多进程并发(done) - cmysql.py删除db和table确保成功(done) ##2019-02-25 - 日常更新自动化(done) ##2019-03-01 - 增加30分钟线和60分钟线(done) - 根据日线生成周线和月线(done) - 交割单复盘:交割单来自futu(done) - 技术指标的理解和实现(done) ##2019-03-17 - 交易 - 日常，周末复盘 - 系统开发与维护 - Redis服务不稳定问题(done) - 多进程莫名其妙的退出(done) - 量化实践 - LDA的学习和实践 - 随机深林完成，学习领回归和laso - 量化基础学习用品 - LDA的基础学习 - QDA的基础学习 - SVM的基础学习 ##2019-03-20 - 专业知识 - 交易 - 日复盘和周复盘 - 系统开发与维护 - 板块牛熊股比(done) - log的重复输出(done) - 量化策略开发 - MACD的背离开发 - 掌握pyalgotrade框架 - 将macd和pyalgotrade框架相结合 - 策略：macd底背离买入，顶背离卖出 - 回测模型 - 分析结果 - 网格策略开发 - 沪深300的股指的回归和分类 - 利用回声神经网络来预测股价: https://towardsdatascience.com/predicting-stock-prices-with-echo-state-networks-f910809d23d4 - K线形态是否可以预测股价: http://mariofilho.com/can-machine-learning-model-predict-the-sp500-by-looking-at-candlesticks - 配资对股市的影响：把创业板全部融资融券标的拉出来，单独算它的两融余额，拉出随时间变化的曲线，分别取一阶和二阶导数，然后再对创业板综指，求一阶和二阶导。两个导数差，会组成两个开口，然后拿15年上半年的数据回测对比。 - 股市是否符合markwic的资产投资组合理论 - 使用机器学习来预测股价：https://medium.com/analytics-vidhya/using-machine-learning-to-predict-stock-prices-c4d0b23b029a - 机器学习 - 基础数学复习 - 线性回归(领回归,Laso)的学习和实践 - LDA的学习和实践 - QDA的学习和实践 - SVM的学习和实践 - 随机深林的学习和实践 - XGboost和Adaboost的学习和实践 - HMM的学习和实践 - 遗传算法的学习和实践 ##2019-03-27 - 专业知识 - 交易复盘(done) - 听了关于陈宇经理的视频(done) - 系统开发与维护 - 解决bug： 1、并行处理时处理相同的stock(done) 2、相同的进程不能同时被启动两次(done) - 量化策略开发 - 熟悉pyalgorithm的broker和comission(done) - 机器学习 - 学些了什么是对偶问题 ##2019-03-28 - 专业知识 - 系统开发与维护 - 解决bug： - 并行中处理不完所有对象的bug(done) - 数据同步： - done - 量化策略开发 - KDJ模型的开发(doing) - 初始版本开发完成，进入下一阶段。 - 机器学习 - KKT条件证明研究中(doing) ##2019-03-29 - 专业知识 - 中股复盘 - 美股复盘 - 系统开发与维护 - 开始自动化复盘(done) - 量化策略开发 - KDJ模型的开发(doing) - 初始版本开发完成，调优(doing) - 机器学习 - SVM学习 - 最优化的对偶问题(done) - KKT条件证明研究中(done) ##2019-03-30 - 专业知识 - 中股复盘:周复盘 - 美股复盘:交易周复盘(doing) - 系统开发与维护 - 开始自动化复盘(done) - 量化策略开发 - KDJ模型的开发(doing) - 初始版本开发完成，调优(doing) - 机器学习 - SVM学习 - 最优化的对偶问题(done) - KKT条件证明研究中(done) - 矩阵求导(doing) - 继续SVM学习 ##2019-04-01 - 专业知识 - 中股复盘: - 美股复盘:交易周复盘(done), 日复盘(done) - 系统开发与维护 - 开始自动化复盘(done) - tdx的数据更新问题，如果更新失败，会导致没有数据(done)。 - update的日期隔日问题，如果隔日没有完成的话，会导致前一天的数据被重新执行(done)。 - 量化策略开发 - KDJ模型的开发(doing) - 初始版本开发完成，调优(doing) - 并行运行发现问题，需要调试。 - 机器学习 - 线性模型，L2惩罚和L1惩罚的复习 - 二次方程的图形利用二次型可证明为椭圆(done) - 矩阵求导(doing) - SVM学习 - 最优化的对偶问题(done) - KKT条件证明研究中(done) - 继续SVM学习 ##2019-04-02 - 专业知识 - 中股复盘: - 美股复盘: 日复盘(done) - 系统开发与维护 - tdx的数据更新问题，如果更新失败，会导致没有数据(done)。 - update的日期隔日问题，如果隔日没有完成的话，会导致前一天的数据被重新执行(done)。 - 量化策略开发 - KDJ模型开发(done) - KDJ模型开发基本完成，日线的效果看来不是很好。不具备单独成策略的特征。 - 网格模型的开发 - 机器学习 - 矩阵求导(doing) ##2019-04-08 - 专业知识 - 中股复盘: - 美股复盘: 日复盘(done) - 系统开发与维护 - 周数据获取异常(done) - 量化策略开发 - KDJ模型（done, 但还需要优化）。 - 网格模型开发(done，但是还需要优化) - MACD背离模型和pyalgorith框架结合(done) - 结合pyalgotrade完成 - 机器学习 - 矩阵求导(done) - 对偶问题，KKT条件证明(done) - SVM的继续学习 ##2019-04-11 - 专业知识 - 中股复盘: 日复盘(done) - 美股复盘: 日复盘(done) - 系统开发与维护 - Docker For Mac网络问题解决(part done)。 - 可视化工具调研(done) - https://mp.weixin.qq.com/s/jJbQtOkG4Quxb8hu8rDzkA - 基础：Plotly和Cufflinks - 进阶：D3.js - 复盘视频的添加。 - 数据同步不同步财报数据(done) - 完成复盘的热力图。 - 完成复盘添加牛熊比的数据图形。 - 回测框架支持如果开盘涨停则不买入(done) - 回测框架支持数据resample，从5分钟线resample到30分钟，60分钟 - 量化策略开发 - KDJ模型（done, 但还需要优化）。 - 网格模型开发(done，但是还需要优化) - MACD背离模型和pyalgorith框架结合(done) - 结合pyalgotrade完成(done) - 五三战法模型： - 资金流入前3的板块 - 这些板块的资金需要连续3天保持前3 - 只选者前3个板块中的前3个 - 前3板块的股票必须连续3天保持前3 - 买入是最好筹码状态比较好，满足90:3，且不能放量太大。 - 机器学习 - 矩阵求导(done) - 对偶问题，KKT条件证明(done) - SVM的继续学习(done) ##2019-05-02 - 专业知识 - 中股复盘: 日复盘(done) - 美股复盘: 日复盘(done) - 系统开发与维护 - Docker For Mac网络问题解决(part done)。 - 完成PE，PB的估值带图形。 - 复盘视频的添加。 - 完成复盘的热力图。 - 完成复盘添加牛熊比的数据图形。 - 回测框架支持如果开盘涨停则不买入。 - 量化策略开发 - KDJ模型（done, 但还需要优化）。 - 网格模型开发(done，但是还需要优化)。 - MACD背离模型和pyalgorith框架结合(done, 但还需要优化)。 - 五三战法模型： - 资金流入前3的板块 - 这些板块的资金需要连续3天保持前3 - 只选者前3个板块中的前3个 - 前3板块的股票必须连续3天保持前3 - 买入是最好筹码状态比较好，满足90:3，且不能放量太大。 - 机器学习 - EM算法 - 手推EM算法 - EM的loss函数 - 手推EM算法在GMM中的应用 ##2019-05-06 - 专业知识 - 中股复盘: 日复盘(done) - 美股复盘: 日复盘(done) - 系统开发与维护 - 完成PE，PB的估值带图形(doing)。 - 爬虫 - 爬虫监控和报警(done) - 监控爬虫 - 了解了slack(done但是目前用不到) - Email的样本搞懂(done) - 修改为方糖的微信版本(done) - message到微信 - 将已有的爬虫添加报警和失败报微信(done) - 中国结算的数据(done) - monthly获取数据 - 投资者统计(done) - 证券登记业务统计(no need) - 证券存管业务统计(no need) - 股份转让业务统计(no need) - 其他业务统计(no need) - 指数，行业和个股的PE，PB，股息获取(done) - 主要板块PE，PB和股息率(done) - http://115.29.210.20/syl/bk20130101.zip - 中证行业PE，PB和股息率(done) - http://115.29.210.20/syl/csi20190402.zip - 证监会行业PE，PB和股息率(done) - http://115.29.210.20/syl/20190520.zip - 国债爬虫(done) - 记录无风险收益率 - 同花顺爬虫(done) - 尝试了Tor网络(done) - Tor网络会毁坏代理，否决 - 尝试了代理自动扫描(done) - done - 深入了解scrapy的错误处理函数(done) - 了解了download middleware非常有用。 - 同步财报更新数据(done) - 转换 - 获取所有季报的date, code, 基本每股收益, 扣非每股收益, 每股净资产, 净资产收益率(roa), 所有者权益（或股东权益）合计, 归属于母公司所有者的净利润, 总股本, 已上市流通A股、披露时间(done) - 计算股息率, PE, PB, ROE - 计算过程(done) - 存储暂时存储在csv文件中，等稳定后转入到mysql中 - 并行化 - cpython化 - 计算 - 整个A股的估值信息 - 计算各指数的估值信息 - 绘制 - 绘制图表 - Grafana显示数据 - https://cuiqingcai.com/6217.html/comment-page-1 - https://blog.csdn.net/Jailman/article/details/78913824 - 净利润增速增加到reprot中 - bull ratio的数据重复bugfix。 - 完成复盘的热力图。 - 回测框架支持如果开盘涨停则不买入。 - 指数贡献点数的计算 - [（价格改变 * 个股总股数）/ 上交所全体股票总市值]* 上证指数 - Docker For Mac网络问题解决(done)。 - 这个问题的根本在于docker本身，等docker官方来解决。 - 完成复盘添加牛熊比的数据图形(done)。 - DcokerForMac的服务和futu放到一起(done) - 复盘视频的添加。 - CTA量化策略开发 - 策略开发 - 趋势策略 - 海龟交易模型(done)： - DualThrust模型： - 三关模型： - 使用TD指标 - MACD背离模型： - 性能调优 - 双均线策略模型： - 性能调优 - 五三战法模型： - 资金流入前3的板块 - 这些板块的资金需要连续3天保持前3 - 只选者前3个板块中的前3个 - 前3板块的股票必须连续3天保持前3 - 买入是最好筹码状态比较好，满足90:3，且不能放量太大。 - 获利纵横模型 - 震荡策略 - RSI模型 - KDJ模型 - 网格模型 - 牛熊股比模型 - 超跌反弹模型 - 其他模型 - https://www.bilibili.com/video/av35706220?spm_id_from=333.338.b_5f5f626f667169.9 - 鳄鱼交易法则 - 羊驼交易法则 - 信号处理与开发 - 滤波 - 卡曼滤波器 - EMD(Empirical Mode Decomposition)滤波器 - 策略参数优化 - 关键在于是否有平滑的参数条有效果 - 如果出现孤岛的效果，该如何优化 - 机器学习 - EM算法 - 手推EM算法 - EM的loss函数 - 手推EM算法在GMM中的应用 - 贝叶斯网络 - 贝叶斯网络的学习 - HMM算法 - HMM算法 ##2019-06-20 - 专业知识 - 中股复盘: 日复盘(done) - 美股复盘: 日复盘(done) - 系统开发与维护 - 完成PE，PB的估值带图形(doing)。 - 转换 - 获取所有季报的date, code, 基本每股收益, 扣非每股收益, 每股净资产, 净资产收益率(roa), 所有者权益（或股东权益）合计, 归属于母公司所有者的净利润, 总股本, 已上市流通A股、披露时间(done) - 计算股息率, PE, PB, ROE - 计算过程(done) - 存储暂时存储在csv文件中，等稳定后转入到mysql中(done) - 并行化(done) - cpython化(done) - 计算 - 计算各指数的估值信息 - Val结果对比(done) - RVal的代码(done) - 计算指数的代码(done) - 绘制 - 可视化 - 复盘的仪表盘(done) - PE, TTM，ROE，PB，分红分位图的绘制(done) - https://blog.csdn.net/weixin_40076694/article/details/80048105 - https://flothesof.github.io/kaggle-whatscooking-bokeh-plots.html - 投资者人数的绘制(done) - 部署成为flask上发布 - 牛熊股比例图(done) - 净利润增速增加到reprot中(done)。 - bull ratio的数据重复bugfix(done)。 - 转移爬虫到scrapyd中去(done)。 - 回测框架支持如果开盘涨停则不买入。 - CTA量化策略开发 - 策略开发 - 趋势策略 - 海龟交易模型(done)： - DualThrust模型： - 三关模型： - 使用TD指标 - MACD背离模型： - 性能调优 - 双均线策略模型： - 性能调优 - 五三战法模型： - 资金流入前3的板块 - 这些板块的资金需要连续3天保持前3 - 只选者前3个板块中的前3个 - 前3板块的股票必须连续3天保持前3 - 买入是最好筹码状态比较好，满足90:3，且不能放量太大。 - 获利纵横模型 - 震荡策略 - RSI模型 - KDJ模型 - 网格模型 - 牛熊股比模型 - 超跌反弹模型 - 其他模型 - https://www.bilibili.com/video/av35706220?spm_id_from=333.338.b_5f5f626f667169.9 - 鳄鱼交易法则 - 羊驼交易法则 - 信号处理与开发 - 滤波 - 卡曼滤波器 - EMD(Empirical Mode Decomposition)滤波器 - 策略参数优化 - 关键在于是否有平滑的参数条有效果 - 如果出现孤岛的效果，该如何优化 - 机器学习 - EM算法(done) - 手推EM算法 - EM的loss函数 - 手推EM算法在GMM中的应用 - 贝叶斯网络(done) - 贝叶斯网络的学习 - HMM算法(done) - HMM算法 - SVM(done) - Logistic(done) - Boosting(done) - GBDT - XBoost - AdaBoost - GeneticAlgorithm(done) - 实践 - DeepLearning(done) - DNN(done) - CNN(done) - SemiSuperversiedLearning(done) - UnSupervisedLearning(doing) - LieanerMethod(done) - WordEmbeding(done) - NeibortherEmbeding(done) - GenerativeModel - PixelRNN - VAE - GAN - TransferLearning(done) - RNN - DeepRefLearning ##2019-07-22 - 专业知识 - 中股复盘: 日复盘(done) - 美股复盘: 日复盘(done) - 系统开发与维护 - 完成PE，PB的估值带图形(done)。 - Redis原理学习。 - 减少使用smembers(done) - 尽量不用redis存储Dataframe - 可视化优化 - "技术面概况"性能优化。 - 使用线程来完成更新，而不会阻塞主进程(done) - 可视化，选中显示，不选中则不显示(done) - value出现了新的问题(done) - 估值框架加入个股固定资产, 每股经营性现金流, 营业收入现金含量(%), 每股现金流量净额, 经营活动现金净流量与净利润比率, 全部资产现金回收率。(done) - 回测框架支持如果开盘涨停则不买入。 - CTA量化策略开发 - 股票池维护 - 通过最基本的财务数据过滤垃圾，获取最基本的股票池 - 绘制 - https://realpython.com/python-data-visualization-bokeh - https://bokeh.pydata.org/en/latest/docs/gallery/histogram.html - https://bokeh.pydata.org/en/latest/docs/user_guide/server.html - 根据指标进行可视化排序选股 - 优质选取方法 - 指标 - 固定资产 - 销售净利率 - 销售毛利率 - 资产负债率 - 每股经营性现金 - 营业收入现金含量 - 全部资产现金回收率 - 经营活动现金净流量与净利润比率 - 方法 - https://www.weibo.com/ttarticle/p/show?id=2309404384566361072823&mod=zwenzhang - 货币资金与资产总额的比值 > 20% - 存货占资产总额的比例 < 30% - 货币资金和应收票据及应收账款的比例 - 货币资金 > 应收票据 + 应收账款 - 资产负债率 < 45% - 净资产收益率稳定在15%左右 - 毛利率在20%，营收要递增，净利率增长率。 - https://www.weibo.com/ttarticle/p/show?id=2309404386746073803242&mod=zwenzhang - https://www.weibo.com/ttarticle/p/show?id=2309404399780112499017&mod=zwenzhang - 消费标的出击的标准: - 业绩必须创历史新高 - 业绩增幅 > 15% 周期类的公司乘以三；科技类的公司乘以二 - https://www.weibo.com/ttarticle/p/show?id=2309404399429401575616&mod=zwenzhang - 垃圾的标准 - 短期借款 高 - 在建工程 高 - 应收帐款 高 - 商誉 高 - 存货 高 - 应付职工薪酬 高 - 股票质押率 高 - 科技股的标准 - 行业小而美，集中优势、深耕单一领域； - 高景气度产业链的中游，直接对核心品牌供货； - 高研发经费，多研发人员，产品高毛利率； - 财报健康、低负债； - 垃圾排除方法 - https://www.weibo.com/ttarticle/p/show?id=2309404399429401575616#_0 - https://www.weibo.com/ttarticle/p/show?id=2309404337045160987894&mod=zwenzhang - 指标 - 存货比率 - 商誉 - 质押率 - 速动比率 - 流动比率 - 现金比率 - 资产负债率 - 应收账款率 - 应付职工薪酬 - 在建工程 / 净资产 - 净资产收益率 > 6% - 方法 - 超高商誉，特别是高科技行业，利益输送很严重，传统销售行业可以再分析。 - 超高负债，特别是动不动就90%以上的负债（银行，地产可去除）。 - 超高质押，大股东或者二股东把股票都质押了，这种大部分可能有问题。 - 超高关联交易，大部分收入都是关联交易来的。要注意了。 - 超高担保，把自己的子公司担保了一大堆，要注意。 - 前5大客户，前5大客户占比超过90%要注意了，因为客户单一，风险很大（具体再分析）。 - 大额应收账款，和利润不匹配。比如，今年赚了10亿，应收帐款增加了20亿。 - 大额存货。比如今年赚了10个，存货突然增加了20亿，要注意了。 - 工资支出，高管工资动不动就5000万，8000万的，要注意。 - 在建工程绝对量大的、在建工程/固定资产比例高的、在建工程/净资产比例高的公司 - 资产负债率不断上升，而流动比率、速动比率、现金比率逐渐降低。 - 东北股买入之前要谨慎。尽量不买。 - 策略开发 - 趋势策略 - 海龟交易模型(done)： - DualThrust模型： - 三关模型： - 使用TD指标 - MACD背离模型： - 性能调优 - 双均线策略模型： - 性能调优 - 五三战法模型： - 资金流入前3的板块 - 这些板块的资金需要连续3天保持前3 - 只选者前3个板块中的前3个 - 前3板块的股票必须连续3天保持前3 - 买入是最好筹码状态比较好，满足90:3，且不能放量太大。 - 获利纵横模型 - 震荡策略 - RSI模型 - KDJ模型 - 网格模型 - 牛熊股比模型 - 超跌反弹模型 - 其他模型 - https://www.bilibili.com/video/av35706220?spm_id_from=333.338.b_5f5f626f667169.9 - 鳄鱼交易法则 - 羊驼交易法则 - 信号处理与开发 - 滤波 - 卡曼滤波器 - EMD(Empirical Mode Decomposition)滤波器 - 策略参数优化 - 关键在于是否有平滑的参数条有效果 - 如果出现孤岛的效果，该如何优化 - DeepTrading - 开发日内交易模型 - 机器学习 - EM算法(done) - 手推EM算法 - EM的loss函数 - 手推EM算法在GMM中的应用 - 贝叶斯网络(done) - 贝叶斯网络的学习 - HMM算法(done) - HMM算法 - SVM(done) - Logistic(done) - Boosting(done) - GBDT - XBoost - AdaBoost - GeneticAlgorithm(done) - 实践 - DeepLearning(done) - DNN(done) - CNN(done) - SemiSuperversiedLearning(done) - UnSupervisedLearning(doing) - LieanerMethod(done) - WordEmbeding(done) - NeibortherEmbeding(done) - GenerativeModel - PixelRNN - VAE - GAN - TransferLearning(done) - RNN - DeepRefLearning ##2019-08-05 - 专业知识 - 中股复盘: 日复盘(done) - 美股复盘: 日复盘(done) - 系统开发与维护 - 尽量不用redis存储Dataframe - 回测框架支持如果开盘涨停则不买入 - 沪港通数据有问题，每周只有四天有数据(done) - 涨跌停比例数据收集 - 创历史新高的股票列表，创历史新低的股票列表，成交额创历史新高的列表 - 股票的财报数据显示 - 股票的基础浮动盈利图的绘制(done) - 创业板的估值的图像绘制有问题 - CTA量化策略开发 - 股票池维护 - 经营现金流净额基本与净利润的比值应该一致 - 营业收入基本与主营业务收入保持一致 - 科技股选股标准： - ROE > 6% - 不要选择特别黑的黑马 - 剔除高负债，高质押 - 高存货，高应收不该出现 - 未结算的应收收入 - 价格严重超跌 - 通过最基本的财务数据过滤垃圾，获取最基本的股票池 - 通过活点地图反向选股： - 指数分解为行业 - 根据每天的行情选择板块分析行业目标 - 通过细分行业总结出成群出现的资金 - 根据基本面查找牛股和垃圾股 - 策略开发 - 趋势策略 - 海龟交易模型(done)： - DualThrust模型： - 三关模型： - 使用TD指标 - MACD背离模型： - 性能调优 - 双均线策略模型： - 性能调优 - 五三战法模型： - 资金流入前3的板块 - 这些板块的资金需要连续3天保持前3 - 只选者前3个板块中的前3个 - 前3板块的股票必须连续3天保持前3 - 买入是最好筹码状态比较好，满足90:3，且不能放量太大。 - 获利纵横模型 - 震荡策略 - RSI模型 - KDJ模型 - 网格模型 - 牛熊股比模型 - 超跌反弹模型 - 其他模型 - https://www.bilibili.com/video/av35706220?spm_id_from=333.338.b_5f5f626f667169.9 - 鳄鱼交易法则 - 羊驼交易法则 - 信号处理与开发 - 滤波 - 卡曼滤波器 - EMD(Empirical Mode Decomposition)滤波器 - 策略参数优化 - 关键在于是否有平滑的参数条有效果 - 如果出现孤岛的效果，该如何优化 - DeepTrading - 开发日内交易模型 - StockEmbeding - https://github.com/talolard/MarketVectors/blob/master/preparedata.ipynb - https://medium.com/@TalPerry/deep-learning-the-stock-market-df853d139e02 - 机器学习 - EM算法(done) - 手推EM算法 - EM的loss函数 - 手推EM算法在GMM中的应用 - 贝叶斯网络(done) - 贝叶斯网络的学习 - HMM算法(done) - HMM算法 - SVM(done) - Logistic(done) - Boosting(done) - GBDT - XBoost - AdaBoost - GeneticAlgorithm(done) - 实践 - DeepLearning(done) - DNN(done) - CNN(done) - SemiSuperversiedLearning(done) - UnSupervisedLearning(doing) - LieanerMethod(done) - WordEmbeding(done) - NeibortherEmbeding(done) - GenerativeModel - PixelRNN - VAE - GAN - TransferLearning(done) - RNN - DeepRefLearning ##2019-08-12 - 专业知识 - 中股复盘: 日复盘(done) - 美股复盘: 日复盘(done) - 系统开发与维护 - 尽量不用redis存储Dataframe - 回测框架支持如果开盘涨停则不买入 - 涨跌停比例数据收集 - 创历史新高的股票列表，创历史新低的股票列表，成交额创历史新高的列表 - 创业板的估值的图像绘制有问题(done) - 成分股的日期不连续，需要填充，保证数据的稳定性。 - 指数板块需要重新计算, 历史数据和最新的数据的计算方法不对。 - mmap中roe显示的问题需要调查(done) - 股票的财报数据显示 - CTA量化策略开发 - 股票池维护 - 经营现金流净额基本与净利润的比值应该一致 - 营业收入基本与主营业务收入保持一致 - 科技股选股标准： - ROE > 6% - 不要选择特别黑的黑马 - 剔除高负债，高质押 - 高存货，高应收不该出现 - 未结算的应收收入 - 价格严重超跌 - 通过最基本的财务数据过滤垃圾，获取最基本的股票池 - 通过活点地图反向选股： - 指数分解为行业 - 根据每天的行情选择板块分析行业目标 - 通过细分行业总结出成群出现的资金 - 根据基本面查找牛股和垃圾股 - 顺牛而为策略： - 选股池: - 最近5年的最小ROE > 6 - 上市时间 > 5 年 - 市值大于100亿 - 1 < 基础浮动盈利 < 6 - 质押比例 < 50% - 获利比例 > 近邻筹码的域值需要回测 - 当前股价 距离 无穷陈本均线 足够远 域值需要回测 - 买入时间： - KDJ < 15的时候买入 - 卖出条件： - 止损条件： - 策略开发 - 趋势策略 - 海龟交易模型(done)： - DualThrust模型： - 三关模型： - 使用TD指标 - MACD背离模型： - 性能调优 - 双均线策略模型： - 性能调优 - 五三战法模型： - 资金流入前3的板块 - 这些板块的资金需要连续3天保持前3 - 只选者前3个板块中的前3个 - 前3板块的股票必须连续3天保持前3 - 买入是最好筹码状态比较好，满足90:3，且不能放量太大。 - 获利纵横模型 - 震荡策略 - RSI模型 - KDJ模型 - 网格模型 - 牛熊股比模型 - 超跌反弹模型 - 其他模型 - https://www.bilibili.com/video/av35706220?spm_id_from=333.338.b_5f5f626f667169.9 - 鳄鱼交易法则 - 羊驼交易法则 - 信号处理与开发 - 滤波 - 卡曼滤波器 - EMD(Empirical Mode Decomposition)滤波器 - 策略参数优化 - 关键在于是否有平滑的参数条有效果 - 如果出现孤岛的效果，该如何优化 - DeepTrading - 开发日内交易模型 - StockEmbeding - https://github.com/talolard/MarketVectors/blob/master/preparedata.ipynb - https://medium.com/@TalPerry/deep-learning-the-stock-market-df853d139e02 - 机器学习 - EM算法(done) - 手推EM算法 - EM的loss函数 - 手推EM算法在GMM中的应用 - 贝叶斯网络(done) - 贝叶斯网络的学习 - HMM算法(done) - HMM算法 - SVM(done) - Logistic(done) - Boosting(done) - GBDT - XBoost - AdaBoost - GeneticAlgorithm(done) - 实践 - DeepLearning(done) - DNN(done) - CNN(done) - SemiSuperversiedLearning(done) - UnSupervisedLearning(doing) - LieanerMethod(done) - WordEmbeding(done) - NeibortherEmbeding(done) - GenerativeModel - PixelRNN - VAE - GAN - TransferLearning(done) - RNN - DeepRefLearning ##2019-09-27 - 软件维护 - 大宗交易爬虫 - 完成复盘的动画界面 - 基金持仓数据分析爬虫 - 股票每日复盘添加热力图 - 回测框架支持数据resample，从5分钟线resample到30分钟，60分钟 - 指数贡献点数的计算([（价格改变 * 个股总股数）/ 上交所全体股票总市值]* 上证指数) - Grafana显示数据 - https://cuiqingcai.com/6217.html/comment-page-1 - https://blog.csdn.net/Jailman/article/details/78913824 - 资金的每日资金分析（融资融券，港股通，基金，MSCI，十大股东等） - 行业的筹码分析： - 融资融券持股比例分布 - 沪港通持股比例分布 - 大宗交易比例分布 - 基金持股持股比例分布 - 社保持股比例分布 - 保险持股比例分布 - QFII持股比例分布 - 国家队持股比例分布 - 模型开发 - 飞龙在天: - 股票池: - 买入条件: - 卖出条件: - 否极泰来: - 股票池: - 买入条件: - 卖出条件: - 与狼共舞: - 股票池: - 买入条件: - 卖出条件: - 做T模型: - randomforest - KDJ - 成交量指标 - 技术提升： - 反汇编技术 - 机器学习，神经网络的学习和实践 - 复盘应该包含的功能： - capital alalysis - marauder map, 板块和个股的活点地图 - 潜龙状态 - 见龙状态 - 飞龙状态 - 亢龙状态 - 流动市值与总成交额 - 流动市值分析 - 总成交额 - 成交额板块分析 - 成交额板块排行 - #成交额增量板块排行 - #成交额减量板块排行 - #涨幅排行 - #跌幅排行 - 指数点数贡献分析(not do now) - 按照个股排序 - 成交额构成分析(not do now) - 融资融券资金 - 沪港通资金 - 涨停板资金 - 基金仓位资金 - 股票回购 - 大宗交易 - emotion alalysis - 大盘的情绪分析 - plate alalysis - capital alalysis(not do now) - 沪港通 - 融资融券 - 基金 - 回购 - 大宗 - stock analysis - capital alalysis(not do now) - 沪港通 - 融资融券 - 基金 - 回购 - 大宗交易 - technical analysis - chip alalysis #逆势大盘 #90:3 #逆势飘红 #牛长熊短 #线上横盘 #博弈K线无量长阳 - model running - model training - model evaluation - model backtesting - model trading