利用量化软件的Python股票量化分析，AkShare获取股票基数据，进行基本面数据分析，比如说一些财务数据，如pe市盈率、ps市销率、pb市净率、总市值等数理统计，以及图表展示。这些都是基于莫伦卡选股模型进行编码，对A股300支股票进行模型运行，然后将自己的选股策略执行，将股票数据列在名单里面。具体可以这样实现，例如执行程序：

##1- 获取数据-A股 股票市场总貌 import akshare as ak stock_sse_summary_df = ak.stock_sse_summary() print(stock_sse_summary_df)   ##运行的目标  type        item     number 0   总貌      上市公司/家       1809 1   总貌   总股本/亿股（份）   42721.72 2   总貌      总市值/亿元  473985.92 3   总貌     平均市盈率/倍      17.44 0   总貌      上市股票/只       1852 1   总貌  流通股本/亿股（份）   37871.28 2   总貌     流通市值/亿元  395888.65 0   主板      上市公司/家       1589 1   主板      总股本/亿股   42066.29 2   主板      总市值/亿元  437496.82 3   主板     平均市盈率/倍      16.47 0   主板      上市股票/只       1632 1   主板     流通股本/亿股   37691.25 2   主板     流通市值/亿元  384769.06 0  科创板      上市公司/家        220 1  科创板   总股本/亿股（份）     655.43 2  科创板      总市值/亿元   36489.10 3  科创板     平均市盈率/倍      98.18 0  科创板      上市股票/只        220 1  科创板  流通股本/亿股（份）     180.03 2  科创板     流通市值/亿元   11119.59

然后，获取股票基本面数据行情，我们可以使用python股票量化的stock_a_indicator_df函数查询： df =stock_a_indicator_df ax1 = plt.subplot(411) plt.plot(df.trade_date,df.pe)#市盈率 plt.setp(ax1.get_xticklabels(), visible=False)   ax2 = plt.subplot(412) plt.plot(df.trade_date,df.ps)#市销率 plt.setp(ax2.get_xticklabels(), visible=False)   ax3 = plt.subplot(413) plt.plot(df.trade_date,df.pb)#市净率  plt.setp(ax3.get_xticklabels(), visible=False)   ax4 = plt.subplot(414) plt.plot(df.trade_date,df.total_mv)#市总值

最后的将数据输出在文件里面，打开软件就可以看了。

图片

  本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。