type
status
date
slug
summary
tags
category
icon
password
这是关于使用Python获取A股股票API的量化系统的总结和运行日志。文章包括了基础知识和重点内容，以及相关脚本的使用和配置。作者提到了量化选股并不意味着能赚到钱，需要谨慎投资，并且可以结合其他策略进一步过滤股票。同时，作者也提到了未来可能分享关于20日线、30日线、60日线等策略的文章。
背景
前面几天整理汇总写了5篇关于这个量化系统的文章，文章写的不怎么好，还请见谅。这里在专门写一篇做个总的汇总。
文章解释
前面三篇都是基础，让你对使用Python获取A股股票的API的使用方式有一点了解，以及如何写入到数据库等，以及一些DateFrame api相关的用法展示，不是很深入，算是有个简单的demo演示。
Python获取A股5000多只股票代码以及相关信息
后面两篇才是重点。
交易日同步流通市值在50亿以上的股票收盘价
这一篇对应的是脚本
python3 sync_rps_db.py 同步当天的股票数据或者是具体某一个交易日的股票数据，写入到数据库，这里面代码还算复杂，判断了是否是交易日，支持参数传参(Python相关的API)，对tushare这个平台API的使用等。这个文章展示的sync_rps_db.py脚本是可以单独运行的。主要就是同步数据。计算流通市值在50亿以上的股票相对强度RPS
这一篇文章对应的脚本是
python3 caculate_rps_50.py 这块就是利用同步来的数据，计算某一天的股票相对强度RPS值了，然后会生成对应的RPS5,RPS10,RPS20这样的文本文件。代码也比较多，也有各种异常判断，以及各种数据结构的转换。大家把后两篇文章代码保存下来为这两个脚本后，配置好数据库，然后安装完对应的Python库依赖，应该就可以运行成功了。
我的脚本
我对上述的脚本做了一些处理，目前每天4点多运行一个固定的shell脚本.
也就是
./daily_rps.sh可以看看里面长啥样:
全部的表结构
这两个都是存放A股5000多只股票基本信息的表，没啥不同，根据自己的需要选择。
这两个表是流动市值在50亿以上的A股股票信息，不同点在于多了一个行业字段，多的这个字段也是跟stock_basic_2024做多表查询计算出来的值。具体可以看看第三篇文章的内容。
就是这个:通过Python DateFrame的Merge操作生成一个新的数据库表记录
这个是用于存放每只股票每个交易日的收盘价信息(目前存放的只有流通市值大于等于50亿的股票，并且上市满一年)
完整的运行日志过程
运行时间稍微有点长，因为我加了一点策略，这些策略都是实时计算，没有缓存状态，所以额外花时间，用来过滤一些特别的股票数据。
可以看到最早从2022年4月份开始，一直运行到今天。
来看下生成的报告吧。
总结
有了这个量化选股，也不意味着你能赚到钱，特别是在辣鸡A股市场，只是方便了你选股，另外你还可以再此基础上加上一些其他的策略进一步过滤，这样可以更快更高效的找出涨势不错的股票。比如20日线，30日线，60日线等等，这部分以后再分享一篇吧。
另外再补充一句，股市有风险，投资需谨慎。