精华内容
下载资源
问答
我要提问
  • 上证指数十年走势
    千次阅读
    2017-01-11 21:04:00

    计算方法

    计算股票指数，要考虑三个因素：
    一是抽样，即在众多股票中抽取少数具有代表性的成份股；
    二是加权，按单价或总值加权平均，或不加权平均；
    三是计算程序，计算算术平均数、几何平均数，或兼顾价格与总值。
    由于上市股票种类繁多，计算全部上市股票的价格平均数或指数的工作是艰巨而复杂的，因此人们常常从上市股票中选择若干种富有代表性的样本股票，并计算这些样本股票的价格平均数或指数。用以表示整个市场的股票价格总趋势及涨跌幅度。计算股价平均数或指数时经常考虑以下四点：
    （1）样本股票必须具有典型性、普通性，为此，选择样本对应综合考虑其行业分布、市场影响力、股票等级、适当数量等因素。
    （2）计算方法应具有高度的适应性，能对不断变化的股市行情作出相应的调整或修正，使股票指数或平均数有较好的敏感性。
    （3） 要有科学的计算依据和手段。计算依据的口径必须统一，一般均以收盘价为计算依据，但随着计算频率的增加，有的以每小时价格甚至更短的时间价格计算。
    （4）基期应有较好的均衡性和代表性。

     

    指数计算

    （一） 计算公式
    1． 上证指数系列均采用派氏加权综合价格指数公式计算。
    2．上证180指数、上证50指数等以成份股的调整股本数为权数进行加权计算，计算公式为：　报告期指数=（报告期样本股的调整市值/基期）×1000 　其中，调整市值=Σ（股价×调整股本数）。　上证180金融股指数、上证180基建指数等采用派式加权综合价格指数方法计算，公式如下：　报告期指数=（报告期样本股的调整市值/基期）×1000 　其中，调整市值= Σ（股价×调整股本数×权重上限因子），权重上限因子介于0和1之间，以使样本股权重不超过15%（对上证180风格指数系列，样本股权重上限为10%）。　调整股本数采用分级靠档的方法对成份股股本进行调整。根据国际惯例和专家委员会意见，上证成份指数的分级靠档方法如下表所示。比如，某股票流通股比例（流通股本/总股本）为7%，低于10%，则采用流通股本为权数；某股票流通比例为35%，落在区间（30，40]内，对应的加权比例为40%，则将总股本的40%作为权数。　流通比例（%） ≤10 （10，20] （20，30] （30，40] （40，50] （50，60] （60，70] （70，80] >80 　加权比例（%） 流通比例 20，30，40，50，60，70，80，100
    3． 上证综合指数等以样本股的发行股本数为权数进行加权计算，计算公式为：　报告期指数=（报告期成份股的总市值/基期）×基期指数 　其中，总市值= Σ（股价×发行股数）。　成份股中的B股在计算上证B股指数时，价格采用美元计算。　成份股中的B股在计算其他指数时，价格按适用汇率（中国外汇交易中心每周最后一个交易日的人民币兑美元的中间价）折算成人民币。
    4．上证基金指数以基金发行份额为权数进行加权计算，计算公式为：　报告期指数=（报告期基金的总市值/基期）× 1000 　其中，总市值= Σ（市价×发行份额）。
    5．上证国债指数以样该国债在证券交易所的发行量为权数进行加权，计算公式为：　报告期指数=（报告期成份国债的总市值+报告期国债利息及再投资收益）/基期×100 　其中，总市值= Σ（全价×发行量）；全价=净价+应计利息　报告期国债利息及再投资收益表示将当月样该国债利息收入再投资于债券指数本身所得收益。
    6．上证企债指数采用派许加权综合价格指数公式计算。以样该企业债的发行量为权数进行加权，计算公式为：　报告期指数= [（报告期成份企业债的总市值+ 报告期企业债利息及再投资收益）/基期]×100 　其中，总市值 = Σ（全价×发行量），报告期企业债利息及再投资收益表示将当月样该企业债利息收入再投资于债券指数本身所得收益。
    7．上证公司债指数采用派许加权综合价格指数方法计算，公式如下：　报告期指数= [（报告期指数样本总市值+ 报告期公司债利息及再投资收益）/基期]×基值 　其中，总市值= Σ（全价×发行量） 　报告期公司债利息及再投资收益表示将当月付息指数样本利息收入再投资于债券指数本身所得收益。
    8．上证分离债指数采用派许加权综合价格指数方法计算，公式如下：　报告期指数= [（报告期指数样本总市值 + 报告期分离债利息及再投资收益）/基期]×基值 　其中，总市值 = Σ（全价×发行量） 　报告期分离债利息及再投资收益表示将当月付息指数样本利息收入再投资于债券指数本身所得收益。
    （二） 指数的实时计算 　上证指数系列均为实时计算。　具体做法是，在每一交易日集合竞价结束后，用集合竞价产生的股票开盘价（无成交者取昨收盘价）计算开盘指数，以后每大约2秒重新计算一次指数，直至收盘，每大约6秒实时向外发布。其中各成份股的计算价位（X）根据以下原则确定：　1． 若当日没有成交，则 X = 前日收盘价； 　2． 若当日有成交，则 X = 最新成交价。

    指数修正

    （一）修正公式 　上证指数系列均采用“除数修正法”修正。　当成份股名单发生变化或成份股的股本结构发生变化或成份股的市值出现非交易因素的变动时，采用“除数修正法”修正原固定除数，以保证指数的连续性。修正公式为：　修正前的市值/原除数=修正后的市值/新除数 　其中，修正后的市值 = 修正前的市值+ 新增（减）市值； 　由此公式得出新除数（即修正后的除数，又称新基期），并据此计算以后的指数。
    （二）需要修正的几种情况
    1． 新上市。对综合指数（上证综指和新上证综指）和分类指数（A股指数、B股指数和行业分类指数），凡有成份证券新上市，上市后第十一个交易日计入指数。
    2．除息。凡有成份股除息（分红派息），指数不予修正，任其自然回落。
    3．除权。凡有成份股送股或配股，在成份股的除权基准日前修正指数。　修正后市值 =除权报价×除权后的股本数+修正前市值（不含除权股票）；
    4．汇率变动。每一交易周的最后一个交易日，根据中国外汇交易中心该日人民币兑美元的中间价修正指数。
    5．停牌。当某一成份股处于停牌期间，取其正常的最后成交价计算指数。
    6．摘牌。凡有成份股摘牌（终止交易），在其摘牌日前进行指数修正。
    7．股本变动。凡有成份股发生其他股本变动（如增发新股上市引起的流通股本增加等），在成份股的股本变动日前修正指数。　修正后市值 =收盘价×调整后的股本数+修正前市值（不含变动股票）；
    8．停市。A股或B股部分停市时，指数照常计算；A股与B股全部停市时，指数停止计算

     

    影响因素

    个股的价格波动难以把握，因为存在机构、大户及国外热钱的操纵影响。
    指数是统计指标，是各个股按权重加和得到的数值，非某些大户或机构的资金量所能操纵。其中，上证综指是以1990年12月19日为基准100开始计算，目前已经超过2250点。
    假设上证综指（Y）与各自变量有如下线性关系：
    Yi=b0+b1X1i+b2X2i+…+bkXki+εi,i=1,2，…，n
    A股的指数有很多，包括上证、深证、沪深300等，其关联性非常强。以影响力作为考虑，现选取上证综指作为研究目标。
    样本时间段选择：选取05年到09年季度数据（09年取前3季度）；同步变量为同期数据，先行变量取上期数据。
     
     

    深证综合指数

    深证综合指数是深圳证券交易所编制的，以深圳证券交易所挂牌上市的全部股票为计算范围，以发行量为权数的加权综合 股价指数。
    深证综合指数是深圳证券交易所从1991年4月3日开始编制并公开发表的一种 股价指数，该指数规定1991年4月3日为基期，基期指数为100点。综合指数以所有在深圳证交所上市的所有股票为计算范围，以发行量为权数的加权综合股价指数，其基本计算公式为：即日综合指数=(即日 指数股 总市值/基日指数股总市值×基日指数),每当发行新股上市时，从第二天纳入 成份股计算，这时上式中的分母下式调整。
    新股票上市后“基日 成分股总市值”=原来的基日成分股总市值+新股发行数量×上市第一天 收盘价
    从2007年11月19日起，变更为从上市第十一个交易日起纳入指数计算。这时上式中的分母按下式调整。
    新股上市后，“基日指数总市值=原来的基日指数股总市值+新股发行数量×上市第十个交易日收盘价”[1]  

    基日指数

    编辑
    （1）深证综合指数以1991年4月3日为基日，1991年4月4日开始发布。基日指数为100。
    （2）深证A股指数以1991年4月3日为基日，1992年10月4日开始发布。基日指数定为100。
    （3）深证B股指数以1992年2月28日为基日，1992年10月6日开始发布。基日指数定为100。
    （4） 成份指数类以1994年7月20日为基日，1995年1月23日开始发布。基日指数定为1000。
    （5）深证 基金指数以2000年6月30日为基日，2000年7月3日开始发布。基日指数定为1000。

    指数种类

    编辑
    深圳证券交易所股价指数有：
    （1） 综合指数:深证综合指数， 深证A股指数， 深证B股指数
    （2） 成份股指数：包括 深证成份指数、成份A股指数、成份B股指数、工业类指数、商业类指数、金融类指数、地产类指数、公用事业类指数、 综合企业类指数。
    （3）深证基金指数

    计算方法

    编辑
    （1）综合指数类和 成份股指数类均为派氏加权 价格指数，即以 指数股的计算日股份数作为权数进行加权计算。
    （2）两类指数的权数分别为：
    综合指数类：股份数=全部上市公司的 总股本数
    成份股指数类：股份数=成份股的可 流通股本数
    （3）指数计算公式是
    即日指数=（即日指数股 总市值/基日指数股总市值）×基日指数
    （4）指数股中的B股用上周外汇调剂平均 汇率将港币换算人民币，用于计算深证综合指数和 深证成份指数。深证B股指数和成份B股指数仍采用港币计算。
    （5）每一交易日 集合竞价结束后，用集合竞价产生的 股票开市价（无成交者取昨 收市价）计算开市指数，然后用连锁方式计算即时指数，直至收市。
    每日连锁计算公式：
    今日即时指数=上日收市指数×（今日即时 指数股总市值/经调整上日指数股收市总市值）
    指数股总市值=指数股A股总市值+指数股B股总市值。
    指数股A股 总市值=∑ （指数股A股 股价×指数股A股之股份数）。
    指数股B股总市值=∑ （指数股B股股价×指数股B股之股份数）×上周外汇调剂平均 汇率。
    （6） 基金指数的计算方法与 成份股指数计算方法相同，以在深交所直接上市新 基金单位数（即可流通基金单位数）为权数。
    为保证 成份股样本的客观性和公正性，成份股不搞终身制，深交所定期考察成份股的代表性，及时更换代表性降低的公司，选入更有代表性的公司。当然，变动不会太频繁，考察时间为每年的一、五、九月。

    计算范围

    编辑
    （1） 纳入指数计算范围的股票称为 指数股。
    （2） 综合指数类的指数股是深圳证券交易所上市的全部股票。全部股票均用于计算深证综合指数，其中的A股用于计算深证A股指数；B股用于计算深证B股指数。
    （3） 成份股指数类的指数股（即成份股）是从上市公司中挑选出来的四十家份股。 成份股中A股和B股全部用于计算 深证成份指数，其中的A股用于计算成份A股指数，B股用于计算成份B股指数。成份股按其行业归类，其A股用于计算行业分类指数。

    选取方法

    编辑
    根据调整 成分股的基本原则，参照国际惯例，深交所制定了科学的标准和分步骤选取 成份股样本的方法，即先根据初选标准从所有上市公司中确定入围公司，再从入围公司中确定入选的成份股样本。
    1． 确定入围公司。确定入围公司的标准包括上市时间、 市场规模、流动性三方面的要求：
    （1） 有一定的上市交易日期，一般应当在3个月以上。
    （2） 有一定的上市规模。将上市公司的 流通市值占市场比重（3个月平均数）按照从大到小的顺序排列并累加，入围公司居于90%之列。
    （3）有一定的 市场流动性。将上市公司的 成交金额占市场比重（3个月平均数）按照从大到小的顺序排列并累加，入围公司居于90%之列。
    2．确定 成份股样本。根据以上标准确定入围公司后，再结合以下各项因素确定入选的成份股样本：
    （1） 公司的流通市值及 成交额；
    （2） 公司的行业代表性及其成长性；
    （3） 公司的财务状况和经营业绩（考察过去三年）；
    （4） 公司两年内的规范运作情况。对以上各项因素赋予科学的权重，进行量化，就选择出了各行业的成份股样本。
    上证综合指数
    深证成份股指数
    深证成份股指数是深圳证券交易所编制的一种 成份股指数，是从上市的所有股票中抽取具有市场代表性的40家上市公司的股票作为计算对象，并以 流通股为权数计算得出的 加权股价指数，综合反映深交所上市A、B股的股价走势。
    上证30指数
    上证30指数是上海证券交易所编制的一种成份股指数，是从上市的所有A股股票中抽取具有市场代表性的30种样本股票为计算对象，并以流通股数为权数计算得出的加权股价指数，综合反映上海证券交易所全部上市A股的股价走势。

     

     
    更多相关内容

  • 上证指数历史k线图_k线图24种经典图解

     千次阅读 2020-12-21 09:27:42
    上证指数季度k线图400x296 - 90KB - JPEG戴若顾比:上证指数寻找新的支撑_股市及时雨550x341 - 25KB - JPEG上证综指周K线图300x232 - 16KB - JPEG上证指数季度K线图_焦点透视332x250 - 67KB - JPEG上证指数日K线图550...

    上证指数季度k线图

    400x296 - 90KB - JPEG

    戴若顾比:上证指数寻找新的支撑_股市及时雨

    550x341 - 25KB - JPEG

    上证综指周K线图

    300x232 - 16KB - JPEG

    上证指数季度K线图_焦点透视

    332x250 - 67KB - JPEG

    上证指数日K线图

    550x330 - 56KB - JPEG

    (上证指数月k线图)

    550x251 - 63KB - PNG

    上证指数日K线图

    450x360 - 40KB - JPEG

    图2 上证指数日K线

    554x208 - 16KB - JPEG

    图4为上证综指2001-2008年月k线图

    445x230 - 26KB - JPEG

    股市下半场 基本面说了算

    499x270 - 24KB - JPEG

    刚刚:周四A股走势已定,一旦出现此信号或将暴

    873x682 - 820KB - PNG

    春节红包行情怎么玩?

    550x330 - 33KB - JPEG

    上证综合指数月K线图

    400x216 - 15KB - JPEG

    沪深A股连续九周下跌 春节前大盘有望阶段性反

    410x255 - 20KB - JPEG

    上证指数日K线图

    360x270 - 20KB - JPEG

    前一篇：道琼斯指数走势图以及恒指、台湾、日本、A股PE历史图 后一篇：读书 我们从二十多年的指数趋势图

    在线互动式文档分享平台，在这里，您可以和千万网友分享自己手中的文档，全文阅读其他用户的文档，同时，也

    上证指数历史走势图:日 K线图 上证指数历史走势图:周 K线图 上证指数历史走势图:月 K线图 推荐教程:新生300

    打开通达信，切换到个股K线图界面，按Insert,选择你要看的指数或个股，确认就可以了。如果你嫌指标太多，

    上证指数历史月K线图。大盘特喜欢做三角形，95年和10-11的形态相似最终选择下破然后上行的走势，97-98年在

    如果自大盘的第一根K线起，每次为了帮助江恩爱好者能更清晰直观的研究大盘走势，笔者以上证指数日K线走势图

    按方向键↓ 然后可按←移动

    我们从上证指数的年K线图可以看到历史上年K线的阴线最多只有2个。2个 阴线后边起码跟随1个阳线。所以讲2012

    前一篇：[转载]道琼斯指数走势图以及恒指、台湾、日本、A股PE历史图 后一篇：[转载]与张化桥商榷：股市市盈

    收起
    展开全文

  • 缠中说禅课程，2000-2008年上证指数1分钟，5分钟复盘数据！

     2022-06-13 21:05:40
    很多人迷恋缠中说禅，但是对于理论知识把握不了解。 难在那个时代没有图表的配合理解，只能靠想象当初的画面，自己去理解，多少都有差异。 本资源主要针对56，57，58，59，60，61课程，配合查看当时大盘的情况，以及...
    收起

  • luogu P2569 [SCOI2010]股票交易

     2019-04-07 16:32:32
    背景： 清明节假期结束了… 题目传送门： https://www.luogu.org/problemnew/show/P2569 题意： 假的模拟一个股票交易的过程...可以在某一天购买或卖出股票，单价为APi,BPiAP_i,BP_iAPi​,BPi​；......

    背景：

    清明节假期结束了…

    题目传送门：

    https://www.luogu.org/problemnew/show/P2569

    题意：

    假的模拟一个股票交易的过程（作弊）。
    可以在某一天购买或卖出股票，单价为 A P i , B P i AP_i,BP_i APi​,BPi​；且限制了购买或卖出的数量 A S i , B S i AS_i,BS_i ASi​,BSi​；且两次交易的时间至少为 w w w天。
    求最后能赚多少钱。

    思路：

    显然是 D P DP DP。
    设 f i , j f_{i,j} fi,j​表示第 i i i天结束交易后持有 j j j股的最大利润。

    则考虑 4 4 4种情况：
    [ 1 ] : [1]: [1]:凭空买入股票（原来没买）：
    则 f i , j = − j ∗ A P i f_{i,j}=-j*AP_i fi,j​=−j∗APi​（其中 j ≤ A S i j≤AS_i j≤ASi​）。

    [ 2 ] : [2]: [2]:又买入股票（原来买过）：
    假设原来持有 k k k股。
    因为两次交易的时间至少为 w w w天，所以必须从 f i − w − 1 , k f_{i-w-1,k} fi−w−1,k​转移过来。
    则 f i , j = max ⁡ ( f i , j , f i − w − 1 , k − ( j − k ) ∗ A P i ) f_{i,j}=\max(f_{i,j},f_{i-w-1,k}-(j-k)*AP_i) fi,j​=max(fi,j​,fi−w−1,k​−(j−k)∗APi​)（其中 k &gt; 0 , 0 &lt; j − k ≤ A S i k&gt;0,0&lt;j-k≤AS_i k>0,0<j−k≤ASi​得到 k ∈ [ j − A S i , j ) k∈[j-AS_i,j) k∈[j−ASi​,j)）。

    [ 3 ] : [3]: [3]:不操作
    则 f i , j = max ⁡ ( f i , j , f i − 1 , j ) f_{i,j}=\max(f_{i,j},f_{i-1,j}) fi,j​=max(fi,j​,fi−1,j​)。

    [ 4 ] : [4]: [4]:卖出股票（原来必须持有）
    假设原来持有 k k k股。
    因为两次交易的时间至少为 w w w天，所以必须从 f i − w − 1 , k f_{i-w-1,k} fi−w−1,k​转移过来。
    则 f i , j = max ⁡ ( f i , j , f i − w − 1 , k + ( k − j ) ∗ B P i ) f_{i,j}=\max(f_{i,j},f_{i-w-1,k}+(k-j)*BP_i) fi,j​=max(fi,j​,fi−w−1,k​+(k−j)∗BPi​)（其中 k &gt; 0 , 0 &lt; k − j ≤ B S i k&gt;0,0&lt;k-j≤BS_i k>0,0<k−j≤BSi​得到 k ∈ ( j , j + B S i ] k∈(j,j+BS_i] k∈(j,j+BSi​]）。

    此时时间复杂度为 Θ ( n 3 ) \Theta(n^3) Θ(n3)。
    怎么优化？
    发现 [ 2 ] [ 4 ] [2][4] [2][4]情况太慢，考虑优化这两个。

    先考虑 [ 2 ] [2] [2]情况。
    f i , j = max ⁡ ( f i , j , f i − w − 1 , k − ( j − k ) ∗ A P i ) f_{i,j}=\max(f_{i,j},f_{i-w-1,k}-(j-k)*AP_i) fi,j​=max(fi,j​,fi−w−1,k​−(j−k)∗APi​)（其中 k ∈ [ j − A S i , j ) k∈[j-AS_i,j) k∈[j−ASi​,j)）
    拆括号，得到： f i , j = max ⁡ ( f i , j , f i − w − 1 , k − j ∗ A P i + k ∗ A P i ) f_{i,j}=\max(f_{i,j},f_{i-w-1,k}-j*AP_i+k*AP_i) fi,j​=max(fi,j​,fi−w−1,k​−j∗APi​+k∗APi​)
    稍微移一下项，得到： f i , j = max ⁡ ( f i , j , f i − w − 1 , k + k ∗ A P i − j ∗ A P i ) f_{i,j}=\max(f_{i,j},f_{i-w-1,k}+k*AP_i-j*AP_i) fi,j​=max(fi,j​,fi−w−1,k​+k∗APi​−j∗APi​)
    在枚举 i , j i,j i,j时， ( − j ∗ A P i ) (-j*AP_i) (−j∗APi​)就是定值了，所以我们要使得 ( f i − w − 1 , k + k ∗ A P i ) (f_{i-w-1,k}+k*AP_i) (fi−w−1,k​+k∗APi​)尽可能大，单调队列优化即可。

    [ 4 ] [4] [4]情况同理。

    就 O K OK OK了。

    代码：

    #include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
	int n,m,w;
	int f[2010][2010],que[2010];
int main()
{
	int ap,bp,as,bs;
	scanf("%d %d %d",&n,&m,&w);
	memset(f,-63,sizeof(f));
	for(int i=1;i<=n;i++)
	{
		scanf("%d %d %d %d",&ap,&bp,&as,&bs);
		for(int j=0;j<=as;j++)
			f[i][j]=-j*ap;
		for(int j=0;j<=m;j++)
			f[i][j]=max(f[i][j],f[i-1][j]);
		if(i<=w) continue;
		int head=1,tail=0;
		for(int j=0;j<=m;j++)
		{
			while(head<=tail&&que[head]<j-as) head++;
			if(head<=tail) f[i][j]=max(f[i][j],f[i-w-1][que[head]]-(j-que[head])*ap);
			while(head<=tail&&f[i-w-1][que[tail]]+que[tail]*ap<=f[i-w-1][j]+j*ap)
				tail--;
			que[++tail]=j;
		}
		head=1,tail=0;
		for(int j=m;j>=0;j--)
		{
			while(head<=tail&&que[head]>j+bs) head++;
			if(head<=tail) f[i][j]=max(f[i][j],f[i-w-1][que[head]]+(que[head]-j)*bp);
			while(head<=tail&&f[i-w-1][que[tail]]+que[tail]*bp<=f[i-w-1][j]+j*bp)
				tail--;
			que[++tail]=j;
		}
	}
	printf("%d",f[n][0]);
}
    收起
    展开全文
    单调队列

  • 使用PyQtGraph进行Python数据可视化：绘制精美折线图（以 上证指数走势为例）

     2020-11-23 19:57:29
    本篇，我们介绍使用PyQtGraph模块绘制一个完整的折线图，通过tushare模块获取上证指数过去两个月的指数波动数据作为数据源。下面我们分步骤讲解这个折线图形的绘制。引入相关模块在本例中，我们需要使用到pyqtgraph...

    在前两篇文章中，我们介绍了：

    在了解了基本的PyQtGraph模块绘制图形功能之后，我们通过几个常用常见的数据可视化图形来演示使用PyQtGraph进行Python数据可视化。

    本篇，我们介绍使用PyQtGraph模块绘制一个完整的折线图，通过tushare模块获取上证指数过去两个月的指数波动数据作为数据源。

    下面我们分步骤讲解这个折线图形的绘制。

    引入相关模块

    在本例中，我们需要使用到pyqtgraph模块、numpy模块和tushare模块。

    import pyqtgraph as pg

    import tushare as ts

    import numpy as np

    获取数据源

    我们使用tushare模块的get_hist_data()方法获取上证指数从2017年10月到2017年12月的历史行情数据：

    data = ts.get_hist_data('sh',start='2017-10-01',end='2017-12-01').sort_index()

    返回的是一个Pandas的DataFrame数据结构，操作起来很方便。

    处理数据源

    在获取到上证指数的历史行情数据之后，我们需要对其进行一些处理，以方便其后进行坐标轴刻度文本的设置。

    首先，将data的日期索引转换为一个字典：

    xdict = dict(enumerate(data.index))

    再按5步长来去data的索引，生成一个包含索引序号和索引值元组的列表：

    axis_1 = [(i,list(data.index)[i]) for i in range(0,len(data.index),5)]

    绘制图形

    在稍微处理好数据源之后，我们就可以进行图形绘制了。

    首先实例化一个QT实例：

    app = pg.QtGui.QApplication([])

    接着借助GraphicsWindow()子模块创建一个空的图形窗口，并使用title参数设置了窗口的标题：

    win = pg.GraphicsWindow(title='州的先生zmister.com pyqtgraph数据可视化 - 绘制精美折线图')

    通过之前创建的字典xdict和列表axis_1，设置图形的X坐标轴刻度文本，orientation参数表示坐标轴的位置：

    stringaxis = pg.AxisItem(orientation='bottom')

    stringaxis.setTicks([axis_1,xdict.items()])

    在窗口中添加一个空的图形，通过axisItems参数指定坐标轴及其内容，并使用title参数设置了图形的标题：

    plot = win.addPlot(axisItems={'bottom': stringaxis},title='上证指数 - zmister.com绘制')

    在图形中添加一个文本：

    label = pg.TextItem()

    plot.addItem(label)

    设置图形的图例：

    plot.addLegend(size=(150,80))

    设置图形网格的形式，我们设置显示横线和竖线，并且透明度惟0.5：

    plot.showGrid(x=True, y=True, alpha=0.5)

    绘制开盘和收盘的指数，pen参数表示线的颜色，name参数可用于图例的显示，symbolBrush用来设置点的颜色：

    plot.plot(x=list(xdict.keys()), y=data['open'].values, pen='r', name='开盘指数',symbolBrush=(255,0,0),)

    plot.plot(x=list(xdict.keys()), y=data['close'].values, pen='g', name='收盘指数',symbolBrush=(0,255,0))

    设置图形的轴标签：

    plot.setLabel(axis='left',text='指数')

    plot.setLabel(axis='bottom',text='日期')

    最后设置十字光标：

    vLine = pg.InfiniteLine(angle=90, movable=False,)

    hLine = pg.InfiniteLine(angle=0, movable=False,)

    plot.addItem(vLine, ignoreBounds=True)

    plot.addItem(hLine, ignoreBounds=True)

    vb = plot.vb

    def mouseMoved(evt):

    pos = evt[0] ## using signal proxy turns original arguments into a tuple

    if plot.sceneBoundingRect().contains(pos):

    mousePoint = vb.mapSceneToView(pos)

    index = int(mousePoint.x())

    pos_y = int(mousePoint.y())

    print(index)

    if 0 < index < len(data.index):

    print(xdict[index],data['open'][index],data['close'][index])

    label.setHtml("

    日期：{0}

    开盘：{1}

    收盘：{2}

    ".format(xdict[index],data['open'][index],data['close'][index]))

    label.setPos(mousePoint.x(),mousePoint.y())

    vLine.setPos(mousePoint.x())

    hLine.setPos(mousePoint.y())

    proxy = pg.SignalProxy(plot.scene().sigMouseMoved, rateLimit=60, slot=mouseMoved)

    再按常例，调用app的exec_()方法即可：

    app.exec_()

    最终运行程序，绘制出来的图表如下所示：

    95049_0.png

    动图如下所示：

    95049_1.gif

    是不是很简单

    有问题欢迎留言讨论：）

    收起
    展开全文

  • 中国股市历史图（中国股市30年走势图）

     千次阅读 2020-12-30 05:35:30
    2、黄色曲线：大盘不含加权的指标，即不考虑股票盘子的大小 最佳男孩名字生辰八字起名字案第一次大跌：1992年5月至1992年11月，上证指数从1429点跌至400点，历时5个月 股市拉开调整序幕。 2008年1月，新春来临之际，...
    收起

  • 使用PyQtGraph进行Python数据可视化：绘制精美线图（以上证指数走势为例）

     2020-12-08 09:24:01
    在上两篇文章中，我们介绍了：本篇文章将介绍...本篇，我们介绍使用PyQtGraph模块绘制一个完整的折线图，通过tushare模块获取上证指数过去两个月的指数波动数据作为数据源。下面我们分步骤讲解这个折线图形的绘制。...
    收起

  • Pandas数据分析(十年期国债收益率 与 十年期国债期货价格的相关性)

     千次阅读 2020-07-30 13:25:32
    ) data2 = pd.read_csv('data/上证国债指数历史数据.csv', usecols=['日期', '收盘']) #结果得到 #data1的大小为 1312 rows× 2 columns #data2的大小为 929 rows× 2 columns #两者之间的日期并非是一一对应的，...
    收起

  • 黄金十年 上证指数看万点！（续）

     2009-08-24 16:05:00
    黄金十年 上证指数看万点！（续）——未来是磨人的慢牛 老股民声明：这里是深度套牢者抱团取暖的地方。由于我本人的失误，致使很多老朋友进入深度套牢的尴尬。所以，从08年11月份开始，我只对因我而套进去的人及在...
    收起
    框架

  • 总谐波失真计算公式_关于上证指数的失真

     2020-12-14 16:38:04
    谈到指数的失真，最广为诟病的就是上证指数。我对二级市场的研究非常欠缺，本文更多的意义在于将自身的思考以文字的形式作个总结，不喜勿喷。大体上，投资人关于上证指数的负面意见主要体现在：首先是传统产业权重过...
    收起

  • 上证指数20年时间周期研究及后市判断

     千次阅读 2013-02-09 20:18:01
     以周期理论为主要工具的分析者认为，市场运动的最终线索就在其运行周期上。不可否认，时间周期的研究成果，为我们的测市手段增加了时间维度。作为理论，经过不断丰富和发展之后，变得繁复而深奥是可以理解的；作为...
    收起

  • 上证指数

     2009-03-05 00:15:00
    上证指数（SH000001）　的全称是上海证券交易所股票价格综合指数，是由上海证券交易所编制的股票指数，1990年12月19日正式开始发布。该股票指数的样本为所有在上海证券交易所挂牌上市的股票，其中新上市的股票在挂牌...
    收起

  • 2019年10月8日股市走势预测——04

     2019-10-02 16:57:34
    昨夜，美国一份意外的经济报告，掀翻全球市场：欧洲主要股指悉数收跌、美股全线下挫，道指下跌超过300点、黄金大涨……由于全球经济报告的恶化，市场预期央行进一步宽松的预期也陡然升温：美联储10月降息概率超过六...
    收起

  • 使用数据确定性方法预测印度股市走势-研究论文

     2021-06-10 10:05:57
    由于股票市场的随机行为持续存在，真正的问题在于准确预测未来的股价/指数走势。 本文使用数据确定性方法讨论了印度两个充满活力的股票指数 BSE-Sensex 和 NSE-Nifty 的非线性运动模式。 十项技术指标用于验证股市...
    收起

  • 道指百年走势回顾

     千次阅读 2018-04-17 22:17:48
    道指百年走势回顾 2018-04-14 痴人说股Orz 璞醴投资 ...　在过去一百余年的时间当中，道琼斯工业平均指数几乎每个交易日都会发佈其读数。唯一一次重大的例外是在第一次世界大战期间，当时纽约证券交易所足足关闭了...
    收起

  • 改变无数人命运的上证指数

     2009-05-28 12:59:00
    现在各类指数林林总总有几十种， 但没有一个指数能取代上证指数； 没有一个指数像上证指数那般在人们的内心根深蒂固， 以至成了股市分析的标志性指标， 甚至成了投资者的话语体系和思维方式。　上证指数完整地应该...
    收起
    扩展

  • 2，未来十年，资产增加

     千次阅读 2021-04-18 18:37:40
    10万块，10年后，流变成 4万8，再过10年，变成2万多 攒资产 资产：不断增值，为你 提供被动收入的东西 一套房子，门面，收租 股票 或 基金 努力赚钱 ，购买资产，资产不断增值复利 资产增值速度，必须要...
    收起

  • 为何A股十年还在3000点附近？

     2019-12-29 17:45:17
    A股过去十几年，超发了2000多支股票。 其实退市的股太少，对造假惩罚太低。 你可以想象股市是一个大池子。 水位就是指数。 过去十几年，A股拼命的扩大这个池子。 但却没有合理的把池子里的一些垃圾淘汰出去。 ....
    收起

  • 如何预测股票走势

     2021-07-28 23:33:49
    预测走势 目录 一、场内ETF基金和场外ETF基金 1.1 场内基金 1.2 场外基金 二、一些口口相传的规律 2.1 买卖时机 2.2 傻子的故事 三、相关指标和买卖信号 3.1 MACD 3.2 CCI 3.3 运用CCI和MACD双系统操作策略 3.4 创业...
    收起

  • 【转载】回顾中国股市十年市盈率，我们还看得见希望吗？

     2016-10-09 12:30:11
    在股市行情大好之时，投资者往往看不到股市的风险，而总喜欢... 2015 年3月12日，周小川表示：“我并不反对结构性货币政策释放的资 金进入股市，因为这样也能够支持实体经济。”周小川还指出，无论是股权融资还是银
    收起

  • 十年一梦（炒股的经历）续

     2018-03-09 08:56:48
    在1993 年到1994 年之间，曾经有很长一段时间，上证指数每当跌到770 点附近，市场就会大幅反弹，所以，当时上证指数770 点被市场各方看成是铁底。我的那位朋友本来在市场中的浮动亏损就不小，现在，市场的铁底被打漏...
    收起

  • 十年一梦（炒股的经历）

     千次阅读 2018-03-08 15:13:52
    十年一梦 第一章 命运之门我这个人，天性就比较自由散漫，崇尚无拘无束的生活。无论是在学校，还是工作以后在单位，我本能地讨厌那些让人规规矩矩的条条框框，不太愿意受过多的约束。因为那时年轻，我不懂得一个人不...
    收起

  • 全球及中国仿制药产业未来发展走势及营销产量规模预测报告2021-2027年

     2021-10-27 15:23:11
    全球及中国仿制药产业未来发展走势及营销产量规模预测报告2021-2027年 HS--HS--HS--HS--HS--HS--HS--HS--HS--HS--HS--HS--HS--HS--HS--HS--HS--HS-- 【修订日期】：2021年10月 【搜索鸿晟信合研究院查看官网更多内容...
    收起
    postman

  • [最新]回顾A股历史上的大井喷行情

     2020-12-20 10:21:11
    在全球金融危机愈演愈烈，并有向中国经济蔓延之势时，本周，三大部门终于出手救市，加之上证指数从6124点跌到1800点，已聚集了跌幅达71％的市场自然力量，这两股合力推动了市场的暴涨。昨日的沪深股票配资平台一改...
    收起

  • 2022年恒生指数研究报告

     2022-08-08 18:31:31
    恒生指数为流通市值加权指数，指数占比前10的公司分别为：友邦保险（8.15%），汇丰控股（7.86%），腾讯控股（7.59%），阿里巴巴（7.58%），美团（7.13%），建设银行（4.52%），香港交易所（3.68%），京东集团（2.89%...
    收起
    人工智能 大数据

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,338
精华内容 535
热门标签
关键字：

上证指数十年走势