股票數據管理資料庫設計

❶ 如何用通達信軟體編制歐奈爾的rps曲線

1、打開通達信軟體，隨便進入某個個股行情界面，比如000002 萬科A，系統默認的均線為5日（白色）、10日（黃色）、20日（紫色）、60日（綠色）。

❷ 【手把手教你】搭建自己的量化分析資料庫

量化交易的分析根基在於數據，包括股票歷史交易數據、上市公司基本面數據、宏觀和行業數據等。面對信息流量的持續增長，掌握如何獲取、查詢和處理數據信息變得不可或缺。對於涉足量化交易的個體而言，對資料庫操作的掌握更是基本技能。目前，MySQL、Postgresql、Mongodb、SQLite等開源資料庫因其高使用量和受歡迎程度，位列2018-2019年DB-Engines排行榜前十。這幾個資料庫各有特點和適用場景。本文以Python操作Postgresql資料庫為例，藉助psycopg2和sqlalchemy實現與pandas dataframe的交互，一步步構建個人量化分析資料庫。

首先，安裝PostgreSQL。通過其官網下載適合操作系統的版本，按照默認設置完成安裝。安裝完成後，可以在安裝目錄中找到pgAdmin4，這是一個圖形化工具，用於查看和管理PostgreSQL資料庫，其最新版為Web應用程序。

接著，利用Python安裝psycopg2和sqlalchemy庫。psycopg2是連接PostgreSQL資料庫的介面，sqlalchemy則適用於多種資料庫，特別是與pandas dataframe的交互更為便捷。通過pip安裝這兩個庫即可。

實踐操作中，使用tushare獲取股票行情數據並保存至本地PostgreSQL資料庫。通過psycopg2和sqlalchemy介面，實現數據的存儲和管理。由於數據量龐大，通常分階段下載，比如先下載特定時間段的數據，後續不斷更新。

構建數據查詢和可視化函數，用於分析和展示股價變化。比如查詢股價日漲幅超過9.5%或跌幅超過-9.5%的個股數據分布，結合選股策略進行數據查詢和提取。此外，使用20日均線策略，開發數據查詢和可視化函數，對選出的股票進行日K線、20日均線、成交量、買入和賣出信號的可視化分析。

資料庫操作涉及眾多內容，本文著重介紹使用Python與PostgreSQL資料庫的交互方式，逐步搭建個人量化分析資料庫。雖然文中使用的數據量僅為百萬條左右，使用Excel的csv文件讀寫速度較快且直觀，但隨著數據量的增長，建立完善的量化分析系統時，資料庫學習變得尤為重要。重要的是，文中所展示的選股方式和股票代碼僅作為示例應用，不構成任何投資建議。

對於Python金融量化感興趣的讀者，可以關注Python金融量化領域，通過知識星球獲取更多資源，包括量化投資視頻資料、公眾號文章源碼、量化投資分析框架，與博主直接交流，結識圈內朋友。