【Python金融-001】如何快速计算股票的收益?1行代码,高效做T

简介: 赚了!

大家好,这里是程序员晚枫,小红书也叫这个名。读者群👉点我直达

如果中年妇女的归宿是广场舞,那么中年男人的归宿想必就是股票了,懂得都懂。

在买卖股票时,一个重要的操作技巧就是做T,然而每次做T时计算价差、手续费,着实头疼。

今天给大家分享一下,如何通过Python实现高效做T,把握住每一次交易机会,降低持仓成本。

1、先上代码

股票收益,简单说就是高抛低吸:5块钱买进100股,10块钱卖出100股,收益的计算方式为:股数100*价差(10-5)=收入500元。很好理解对吧?

但这其中还涉及到一些手续费(0~万分之5)、印花税(千分之一)、转让费等,而且有些股票价格的变化微乎其微,每次可能只波动1分钱。什么价格买的、什么价格卖的,赚了还是赔了,计算起来就很复杂。

# pip install pofinance
import pofinance

good = pofinance.t0(11.2, 11.4, 100)
print(good)

"""
计算做T的收益
参数:
    buy_price: 买入成本
    sale_price: 卖出价格
    num: 单笔数量
    w_rate: 手续费,默认万2.5
    min_rate: 单笔最低手续费,默认5元
    stamp_tax: 印花税,默认千1

返回结果: 做T后的收益金额
"""

2、如何使用?

于是就有了下面这个快速的代码,帮助你在瞬息万变的股市里,快速做出买卖的决定!
本次分享的第三方库是:pofinance,一个开源的Python金融库。

⭐源代码地址:https://pypi.org/project/pofinance/

上面的代码复制粘贴就可以使用,使用时,你只需根据自己的股票价格填写6个参数,从左到右参数的含义一次是:

  • buy_price: 买入时的价格
  • sale_price: 卖出时的价格
  • num: 单笔数量
  • w_rate: 手续费,可以不填,默认是万2.5
  • min_rate: 单笔最低手续费,可以不填,默认5元
  • stamp_tax: 印花税,可以不填,默认千1

举个例子,我自己在摸鱼的间隙就会通过做T的方式,买入卖出自己看好的股票,降低自己的持仓成本。因为我每天操作的股数、手续费、单笔最低手续费和印花税都是固定的,所以我只需要填写前2个参数:买入和卖出的价格,就可以快速得到我每次操作的收益。

尤其是在急涨急跌的时候,这行代码可帮大忙了!但还是要提醒一句:(股市有风险,投资需谨慎)


相关文章
|
1月前
|
数据采集 Web App开发 数据可视化
Python零基础爬取东方财富网股票行情数据指南
东方财富网数据稳定、反爬宽松,适合爬虫入门。本文详解使用Python抓取股票行情数据,涵盖请求发送、HTML解析、动态加载处理、代理IP切换及数据可视化,助你快速掌握金融数据爬取技能。
931 1
|
6月前
|
数据可视化 数据挖掘 数据安全/隐私保护
Python实现时间序列动量策略:波动率标准化让量化交易收益更平稳
时间序列动量策略(TSMOM)是一种基于资产价格趋势的量化交易方法,通过建立多头或空头头寸捕捉市场惯性。然而,传统TSMOM策略因风险敞口不稳定而面临收益波动问题。波动率调整技术通过动态调节头寸规模,维持恒定风险水平,优化了策略表现。本文系统分析了波动率调整TSMOM的原理、实施步骤及优势,强调其在现代量化投资中的重要地位,并探讨关键参数设定与实际应用考量,为投资者提供更平稳的风险管理体验。
275 4
Python实现时间序列动量策略:波动率标准化让量化交易收益更平稳
|
10月前
|
数据采集 数据可视化 数据挖掘
金融波动率的多模型建模研究:GARCH族与HAR模型的Python实现与对比分析
本文探讨了金融资产波动率建模中的三种主流方法:GARCH、GJR-GARCH和HAR模型,基于SPY的实际交易数据进行实证分析。GARCH模型捕捉波动率聚类特征,GJR-GARCH引入杠杆效应,HAR整合多时间尺度波动率信息。通过Python实现模型估计与性能比较,展示了各模型在风险管理、衍生品定价等领域的应用优势。
889 66
金融波动率的多模型建模研究:GARCH族与HAR模型的Python实现与对比分析
|
7月前
|
Python
Python中Cp、Cpk、Pp、Ppk的计算与应用
总的来说,Cp、Cpk、Pp、Ppk是衡量过程能力的重要工具,它们可以帮助我们了解和改进生产过程,提高产品质量。
637 13
|
7月前
|
存储 人工智能 算法
使用Python计算从位置x到y的最少步数
本文通过Python代码结合广度优先搜索(BFS)算法,解决从起点到终点的最少步数问题。以二维网格为例,机器人只能上下左右移动,目标是最短路径。BFS按层遍历,确保首次到达终点即为最短路径。文中提供完整Python实现,包括队列与访问标记数组的使用,并输出示例结果。此外,还探讨了双向BFS、Dijkstra及A*算法等优化方法,帮助读者深入理解最短路径问题及其高效解决方案。
199 0
|
9月前
|
存储 数据采集 数据库
Python爬虫实战:股票分时数据抓取与存储
Python爬虫实战:股票分时数据抓取与存储
|
10月前
|
数据采集 供应链 API
Python爬虫与1688图片搜索API接口:深度解析与显著收益
在电子商务领域,数据是驱动业务决策的核心。阿里巴巴旗下的1688平台作为全球领先的B2B市场,提供了丰富的API接口,特别是图片搜索API(`item_search_img`),允许开发者通过上传图片搜索相似商品。本文介绍如何结合Python爬虫技术高效利用该接口,提升搜索效率和用户体验,助力企业实现自动化商品搜索、库存管理优化、竞品监控与定价策略调整等,显著提高运营效率和市场竞争力。
464 3
|
11月前
|
Python
Python中的函数是**一种命名的代码块,用于执行特定任务或计算
Python中的函数是**一种命名的代码块,用于执行特定任务或计算
192 18
|
11月前
|
Python
使用Python计算字符串的SHA-256散列值
使用Python计算字符串的SHA-256散列值
315 7
|
机器学习/深度学习 算法 编译器
Python程序到计算图一键转化,详解清华开源深度学习编译器MagPy
【10月更文挑战第26天】MagPy是一款由清华大学研发的开源深度学习编译器,可将Python程序一键转化为计算图,简化模型构建和优化过程。它支持多种深度学习框架,具备自动化、灵活性、优化性能好和易于扩展等特点,适用于模型构建、迁移、部署及教学研究。尽管MagPy具有诸多优势,但在算子支持、优化策略等方面仍面临挑战。
468 3

推荐镜像

更多