这个仓库主要围绕股票、基金等金融投资领域的量化交易相关内容，为投资者提供了一系列工具和策略来辅助炒股和基金投资。以下是对该仓库的详细介绍：

项目结构

项目的目录结构和各部分功能如下：

• analysis/：数据分析部分，包含对次新板块涨停强度分析、股票诊断、IPO发行速度与指数相关性分析以及A股涨停板封单金额统计等功能。
• datahub/：数据采集部分，负责从各个数据源采集股票和基金相关的数据，并存储到数据库中。
• fund/：基金相关的分析部分，包括监控LOF、ETF场内份额变动，获取持仓详情以及分析清仓基金等功能。
• futu/：富途牛牛接口的基本用法示例。
• hk_stock/：港股部分，包含港股新股信息的采集和存储。
• k-line/：K线技术形态部分，可能用于分析股票的K线图。
• machine_learning/：机器学习预测部分，利用机器学习算法对股票和基金数据进行预测。
• trader/：交易部分，可能包含交易策略和自动化交易代码。
• ptrade/：ptrade自动交易实盘代码，实现自动化交易。
• log/：存放日志文件，记录程序运行过程中的信息和错误。
• common/：常用函数与库，提供一些通用的工具和函数。
• configure/：数据库连接与配置，包含数据库连接信息和配置文件。

主要功能模块

1. 数据存储与处理

• DeliveryOrder类（utils/delivery_order.py）：用于处理交割单数据，支持华宝证券和国金证券的交割单数据处理，并将数据保存到数据库中。
• store_mysql函数（datahub/jisilu.py）：将可转债数据根据不同配置写入到不同的数据库中。
• store_data函数（fund/etf_info.py）：将ETF详细数据存储到MongoDB中。
• store_base_data函数（k_line.py）：获取股票基本信息，并将其存储到SQL数据库或CSV文件中。

2. 数据分析

• filterstock模块（analysis/filterstock.py）：对股票进行盈利能力分析、基本面分析，并将分析结果保存到Excel文件中。
• CheckStock类（stock_check.py）：通过多线程或多进程方式对股票进行实时监控，计算买卖盘比例，并筛选出买卖盘比例超过30%的股票。

3. 数据采集

• ForeighExchange类（datahub/foreignexchange.py）：从网页上采集美元汇率数据，并将其保存到数据库中。
• AAStockNewStock类（hk_stock/aastock_new_stock.py）：从网页上采集港股新股信息，并将其保存到数据库中。

4. 基金分析

• danjuan_fund模块（fund/danjuan_fund.py）：获取持仓基金的详情信息，并更新到数据库中。
• danjuan_fund_data_analysis模块（fund/danjuan_fund_data_analysis.py）：分析清仓的基金，并返回清仓次数最多的前N只基金。

5. 股票记录与更新

• StockRecord类（recordMyChoice.py）：将持股信息保存到MySQL数据库中，支持更新、删除操作，并更新每天的盈亏情况。

使用教程

1. 配置数据库：将configure/sample_config.json重命名为configure/config.json，并根据需要修改MySQL和MongoDB的用户名和密码。
2. 运行程序：根据不同的功能模块，运行相应的Python脚本。例如，运行utils/delivery_order.py处理交割单数据，运行hk_stock/aastock_new_stock.py采集港股新股信息。

注意事项

• 项目目前正在重构中，目录结构可能会有所变化。
• 部分代码依赖于第三方库，如tushare、pandas、pymysql等，请确保这些库已经安装。
• 运行程序前，请确保数据库服务已经启动，并根据配置文件中的信息正确配置数据库连接。

Github

官网