喜欢PHP和股票的朋友可以过来

铂金小狗 发布于 2016/08/17 13:42
阅读 1K+
收藏 2

自己写的一个博客程序 , 使用PHP+MYSQL+SMARTY , 没有使用框架 , 基本原生 , 后期准备全注释开源 , 请大家帮忙测试并提意见 .

另有热爱股票的朋友可以找鄙人交流 , 呵呵 .

传送门 : cloudawn 

加载中
2
qycms_cn
qycms_cn
用smarty,比用框架还蠢。
1
fotomxq
fotomxq

我之前试着做过类似的系统,是采集股票数据,然后分成几类运算模型进行细化分析,例如涨停板分析啥的。但有个大问题,采集股票数据的时候会很慢…最少3000个数据,大概需要15分钟才能处理完。无论用什么算法或优化都不行,因为PHP脚本本身不适合做采集、运算。

唯一的解决办法是换语言,所以我现在尝试用golang写这类系统了。

这是去年我做的关于股票数据采集方案:http://fotomxq.me/stock-api/,楼主可以参考一下。至于说从其他客户端导出数据,也可以,但需要每天手动处理,太麻烦了。

关于框架

其次,建议楼主尽量不要用smarty框架做,金融数据是时刻变化的,smarty缓冲基本无用武之地…我是用自己以前开发的框架体系二次开发的:https://github.com/fotomxq/FTMP。

也具备了缓冲能力,主要是根据具体的量化模型、股票类型(如退市的、停盘的)进行拆分细化。

关于数据库

最后是强烈不建议楼主使用mysql做数据库,金融数据尽量用sqlite或直接写入本地文件。因为数据节点会非常多,按照A股当前3000个股票和指数计算,其中日线数据从2010年到2016年的6年、260个工作日计算需要468万个数据,这还不算好多股票是2007年上市、2009年上市的…

如果你搞基础分析就算了,我这套系统还包括了分时线、分时周期、周线数据,一般分时数据包括60分钟、30分钟、15分钟、5分钟,每只股票每天会产生77个节点,算下来系统每天需要新增23.1万个节点…6年的数据就是6006万个节点…关键大部分股票数据是从2010年之前上市的。

所以采集一次下来受到网络并发制约、数据库读写制约,下来需要15分钟采集数据…

这里还不算计算量化模型需要的时间。

所以我系统数据存储基本都是本地化JSON+sqlite,拆分为3种格式存储方式以优化计算速度。

关于现在的思路

1、我现在尝试用golang做原生的高并发处理,之前尝试用python也失败了,后期并发效率略差、需要大量优化,开发成本直线上升。

2、用多个空闲电脑做数据采集和运算,构建任务列队进行分析处理。完后在对应市场休盘阶段将数据汇总到服务端。因为个人能力有限,服务器不给力…

0
愚蠢的胖子
愚蠢的胖子
navi.js:3 Uncaught TypeError: Cannot read property 'getElementsByTagName' of null

0
铂金小狗
铂金小狗

引用来自“愚蠢的胖子”的评论

navi.js:3 Uncaught TypeError: Cannot read property 'getElementsByTagName' of null

什么浏览器 , I6 ?
铂金小狗
铂金小狗
@愚蠢的胖子 那个JS我直接短路了 ,好像是以前用来做二级下拉菜单的 .
愚蠢的胖子
愚蠢的胖子
chrome
0
铂金小狗
铂金小狗

引用来自“qycms_cn”的评论

用smarty,比用框架还蠢。

2009年时写的企业站改过来的 , 历史问题 ,  SMARTY可以分离前后端 , 方便到时候更换模板 , 还是可以的 . 

框架的问题实际是在PHP语言上再封装了一套框架语言 , 且限制了程序只能修改非CORE部分 , 所以不使用框架可以获得程序修改的全自由 .

eechen
eechen
框架的问题实际是在PHP语言上再封装了一套框架语言.Smarty就是在PHP上再封装一个模板语言.
0
铂金小狗
铂金小狗

引用来自“fotomxq”的评论

我之前试着做过类似的系统,是采集股票数据,然后分成几类运算模型进行细化分析,例如涨停板分析啥的。但有个大问题,采集股票数据的时候会很慢…最少3000个数据,大概需要15分钟才能处理完。无论用什么算法或优化都不行,因为PHP脚本本身不适合做采集、运算。

唯一的解决办法是换语言,所以我现在尝试用golang写这类系统了。

这是去年我做的关于股票数据采集方案:http://fotomxq.me/stock-api/,楼主可以参考一下。至于说从其他客户端导出数据,也可以,但需要每天手动处理,太麻烦了。

关于框架

其次,建议楼主尽量不要用smarty框架做,金融数据是时刻变化的,smarty缓冲基本无用武之地…我是用自己以前开发的框架体系二次开发的:https://github.com/fotomxq/FTMP。

也具备了缓冲能力,主要是根据具体的量化模型、股票类型(如退市的、停盘的)进行拆分细化。

关于数据库

最后是强烈不建议楼主使用mysql做数据库,金融数据尽量用sqlite或直接写入本地文件。因为数据节点会非常多,按照A股当前3000个股票和指数计算,其中日线数据从2010年到2016年的6年、260个工作日计算需要468万个数据,这还不算好多股票是2007年上市、2009年上市的…

如果你搞基础分析就算了,我这套系统还包括了分时线、分时周期、周线数据,一般分时数据包括60分钟、30分钟、15分钟、5分钟,每只股票每天会产生77个节点,算下来系统每天需要新增23.1万个节点…6年的数据就是6006万个节点…关键大部分股票数据是从2010年之前上市的。

所以采集一次下来受到网络并发制约、数据库读写制约,下来需要15分钟采集数据…

这里还不算计算量化模型需要的时间。

所以我系统数据存储基本都是本地化JSON+sqlite,拆分为3种格式存储方式以优化计算速度。

关于现在的思路

1、我现在尝试用golang做原生的高并发处理,之前尝试用python也失败了,后期并发效率略差、需要大量优化,开发成本直线上升。

2、用多个空闲电脑做数据采集和运算,构建任务列队进行分析处理。完后在对应市场休盘阶段将数据汇总到服务端。因为个人能力有限,服务器不给力…

高手啊 , 我这是一个博客程序 , 不是股票系统 . 

鄙人是炒股的韭菜 , 多谢大神指点 .

0
fotomxq
fotomxq

引用来自“fotomxq”的评论

我之前试着做过类似的系统,是采集股票数据,然后分成几类运算模型进行细化分析,例如涨停板分析啥的。但有个大问题,采集股票数据的时候会很慢…最少3000个数据,大概需要15分钟才能处理完。无论用什么算法或优化都不行,因为PHP脚本本身不适合做采集、运算。

唯一的解决办法是换语言,所以我现在尝试用golang写这类系统了。

这是去年我做的关于股票数据采集方案:http://fotomxq.me/stock-api/,楼主可以参考一下。至于说从其他客户端导出数据,也可以,但需要每天手动处理,太麻烦了。

关于框架

其次,建议楼主尽量不要用smarty框架做,金融数据是时刻变化的,smarty缓冲基本无用武之地…我是用自己以前开发的框架体系二次开发的:https://github.com/fotomxq/FTMP。

也具备了缓冲能力,主要是根据具体的量化模型、股票类型(如退市的、停盘的)进行拆分细化。

关于数据库

最后是强烈不建议楼主使用mysql做数据库,金融数据尽量用sqlite或直接写入本地文件。因为数据节点会非常多,按照A股当前3000个股票和指数计算,其中日线数据从2010年到2016年的6年、260个工作日计算需要468万个数据,这还不算好多股票是2007年上市、2009年上市的…

如果你搞基础分析就算了,我这套系统还包括了分时线、分时周期、周线数据,一般分时数据包括60分钟、30分钟、15分钟、5分钟,每只股票每天会产生77个节点,算下来系统每天需要新增23.1万个节点…6年的数据就是6006万个节点…关键大部分股票数据是从2010年之前上市的。

所以采集一次下来受到网络并发制约、数据库读写制约,下来需要15分钟采集数据…

这里还不算计算量化模型需要的时间。

所以我系统数据存储基本都是本地化JSON+sqlite,拆分为3种格式存储方式以优化计算速度。

关于现在的思路

1、我现在尝试用golang做原生的高并发处理,之前尝试用python也失败了,后期并发效率略差、需要大量优化,开发成本直线上升。

2、用多个空闲电脑做数据采集和运算,构建任务列队进行分析处理。完后在对应市场休盘阶段将数据汇总到服务端。因为个人能力有限,服务器不给力…

引用来自“铂金小狗”的评论

高手啊 , 我这是一个博客程序 , 不是股票系统 . 

鄙人是炒股的韭菜 , 多谢大神指点 .

算不上高手,咱们一起学习进步吧!

如果你只是想搞量化分析,可以试试:https://www.ricequant.com/,没必要自己开发,太麻烦了…………

我最初搞这方面开发,主要是朝着仓位管理、收益分析、交易策略方面的,至于说量化分析是因为正好朋友需要才搞出来的…

0
铂金小狗
铂金小狗

引用来自“fotomxq”的评论

我之前试着做过类似的系统,是采集股票数据,然后分成几类运算模型进行细化分析,例如涨停板分析啥的。但有个大问题,采集股票数据的时候会很慢…最少3000个数据,大概需要15分钟才能处理完。无论用什么算法或优化都不行,因为PHP脚本本身不适合做采集、运算。

唯一的解决办法是换语言,所以我现在尝试用golang写这类系统了。

这是去年我做的关于股票数据采集方案:http://fotomxq.me/stock-api/,楼主可以参考一下。至于说从其他客户端导出数据,也可以,但需要每天手动处理,太麻烦了。

关于框架

其次,建议楼主尽量不要用smarty框架做,金融数据是时刻变化的,smarty缓冲基本无用武之地…我是用自己以前开发的框架体系二次开发的:https://github.com/fotomxq/FTMP。

也具备了缓冲能力,主要是根据具体的量化模型、股票类型(如退市的、停盘的)进行拆分细化。

关于数据库

最后是强烈不建议楼主使用mysql做数据库,金融数据尽量用sqlite或直接写入本地文件。因为数据节点会非常多,按照A股当前3000个股票和指数计算,其中日线数据从2010年到2016年的6年、260个工作日计算需要468万个数据,这还不算好多股票是2007年上市、2009年上市的…

如果你搞基础分析就算了,我这套系统还包括了分时线、分时周期、周线数据,一般分时数据包括60分钟、30分钟、15分钟、5分钟,每只股票每天会产生77个节点,算下来系统每天需要新增23.1万个节点…6年的数据就是6006万个节点…关键大部分股票数据是从2010年之前上市的。

所以采集一次下来受到网络并发制约、数据库读写制约,下来需要15分钟采集数据…

这里还不算计算量化模型需要的时间。

所以我系统数据存储基本都是本地化JSON+sqlite,拆分为3种格式存储方式以优化计算速度。

关于现在的思路

1、我现在尝试用golang做原生的高并发处理,之前尝试用python也失败了,后期并发效率略差、需要大量优化,开发成本直线上升。

2、用多个空闲电脑做数据采集和运算,构建任务列队进行分析处理。完后在对应市场休盘阶段将数据汇总到服务端。因为个人能力有限,服务器不给力…

引用来自“铂金小狗”的评论

高手啊 , 我这是一个博客程序 , 不是股票系统 . 

鄙人是炒股的韭菜 , 多谢大神指点 .

引用来自“fotomxq”的评论

算不上高手,咱们一起学习进步吧!

如果你只是想搞量化分析,可以试试:https://www.ricequant.com/,没必要自己开发,太麻烦了…………

我最初搞这方面开发,主要是朝着仓位管理、收益分析、交易策略方面的,至于说量化分析是因为正好朋友需要才搞出来的…

量化绝对是未来最前沿 , 如果再加上谷歌的超级人工智能 , 将无限接近神 . 

现在感觉各大劵商以及国家队都在使用量化和大数据 , 辅以少量人工智能 , 鄙等小韭菜要想不被收割 , 只能逆行分析量化收割机的BUG , 以出逃升天 .

0
fotomxq
fotomxq

引用来自“fotomxq”的评论

我之前试着做过类似的系统,是采集股票数据,然后分成几类运算模型进行细化分析,例如涨停板分析啥的。但有个大问题,采集股票数据的时候会很慢…最少3000个数据,大概需要15分钟才能处理完。无论用什么算法或优化都不行,因为PHP脚本本身不适合做采集、运算。

唯一的解决办法是换语言,所以我现在尝试用golang写这类系统了。

这是去年我做的关于股票数据采集方案:http://fotomxq.me/stock-api/,楼主可以参考一下。至于说从其他客户端导出数据,也可以,但需要每天手动处理,太麻烦了。

关于框架

其次,建议楼主尽量不要用smarty框架做,金融数据是时刻变化的,smarty缓冲基本无用武之地…我是用自己以前开发的框架体系二次开发的:https://github.com/fotomxq/FTMP。

也具备了缓冲能力,主要是根据具体的量化模型、股票类型(如退市的、停盘的)进行拆分细化。

关于数据库

最后是强烈不建议楼主使用mysql做数据库,金融数据尽量用sqlite或直接写入本地文件。因为数据节点会非常多,按照A股当前3000个股票和指数计算,其中日线数据从2010年到2016年的6年、260个工作日计算需要468万个数据,这还不算好多股票是2007年上市、2009年上市的…

如果你搞基础分析就算了,我这套系统还包括了分时线、分时周期、周线数据,一般分时数据包括60分钟、30分钟、15分钟、5分钟,每只股票每天会产生77个节点,算下来系统每天需要新增23.1万个节点…6年的数据就是6006万个节点…关键大部分股票数据是从2010年之前上市的。

所以采集一次下来受到网络并发制约、数据库读写制约,下来需要15分钟采集数据…

这里还不算计算量化模型需要的时间。

所以我系统数据存储基本都是本地化JSON+sqlite,拆分为3种格式存储方式以优化计算速度。

关于现在的思路

1、我现在尝试用golang做原生的高并发处理,之前尝试用python也失败了,后期并发效率略差、需要大量优化,开发成本直线上升。

2、用多个空闲电脑做数据采集和运算,构建任务列队进行分析处理。完后在对应市场休盘阶段将数据汇总到服务端。因为个人能力有限,服务器不给力…

引用来自“铂金小狗”的评论

高手啊 , 我这是一个博客程序 , 不是股票系统 . 

鄙人是炒股的韭菜 , 多谢大神指点 .

引用来自“fotomxq”的评论

算不上高手,咱们一起学习进步吧!

如果你只是想搞量化分析,可以试试:https://www.ricequant.com/,没必要自己开发,太麻烦了…………

我最初搞这方面开发,主要是朝着仓位管理、收益分析、交易策略方面的,至于说量化分析是因为正好朋友需要才搞出来的…

引用来自“铂金小狗”的评论

量化绝对是未来最前沿 , 如果再加上谷歌的超级人工智能 , 将无限接近神 . 

现在感觉各大劵商以及国家队都在使用量化和大数据 , 辅以少量人工智能 , 鄙等小韭菜要想不被收割 , 只能逆行分析量化收割机的BUG , 以出逃升天 .

额,说点我的观点吧。。

其实量化并不适合A股,因为A股明显受到国家操作,技术分析失效概率非常高。这点你可以关注一下A50期货指数(某国际组织搞的),再对比一下国内的深成指数,就明白了。

量化交易主要用于外汇、期货交易,其次才是股票交易。做股票尽量还是向宏观经济、行业、公司财务看齐,其次辅助技术分析,最后最关键保持好个人心态、勿贪婪。否则的话只能当菲菜了。

证券公司使用的所谓量化交易,实际上也并非无敌的,只能说比操盘手可靠一些,但带来的收益也一样差远了。市场好的时候没问题,但市场出问题的时候就集体扯淡了。

量化交易主要核心在于技术分析,杜绝了个人贪婪左右交易,所以给人感觉很叼、成功率很高。但实际上影响价格走势的还是人心,脱离这一切都是假象、随着历史演进注定会失效。

作为个人投资者,获利的关键是逆向思维、杜绝贪婪、恐惧。只要能确保这些,基本上很难亏钱。

个人一些见解吧。

0
铂金小狗
铂金小狗

引用来自“fotomxq”的评论

引用来自“fotomxq”的评论

我之前试着做过类似的系统,是采集股票数据,然后分成几类运算模型进行细化分析,例如涨停板分析啥的。但有个大问题,采集股票数据的时候会很慢…最少3000个数据,大概需要15分钟才能处理完。无论用什么算法或优化都不行,因为PHP脚本本身不适合做采集、运算。

唯一的解决办法是换语言,所以我现在尝试用golang写这类系统了。

这是去年我做的关于股票数据采集方案:http://fotomxq.me/stock-api/,楼主可以参考一下。至于说从其他客户端导出数据,也可以,但需要每天手动处理,太麻烦了。

关于框架

其次,建议楼主尽量不要用smarty框架做,金融数据是时刻变化的,smarty缓冲基本无用武之地…我是用自己以前开发的框架体系二次开发的:https://github.com/fotomxq/FTMP。

也具备了缓冲能力,主要是根据具体的量化模型、股票类型(如退市的、停盘的)进行拆分细化。

关于数据库

最后是强烈不建议楼主使用mysql做数据库,金融数据尽量用sqlite或直接写入本地文件。因为数据节点会非常多,按照A股当前3000个股票和指数计算,其中日线数据从2010年到2016年的6年、260个工作日计算需要468万个数据,这还不算好多股票是2007年上市、2009年上市的…

如果你搞基础分析就算了,我这套系统还包括了分时线、分时周期、周线数据,一般分时数据包括60分钟、30分钟、15分钟、5分钟,每只股票每天会产生77个节点,算下来系统每天需要新增23.1万个节点…6年的数据就是6006万个节点…关键大部分股票数据是从2010年之前上市的。

所以采集一次下来受到网络并发制约、数据库读写制约,下来需要15分钟采集数据…

这里还不算计算量化模型需要的时间。

所以我系统数据存储基本都是本地化JSON+sqlite,拆分为3种格式存储方式以优化计算速度。

关于现在的思路

1、我现在尝试用golang做原生的高并发处理,之前尝试用python也失败了,后期并发效率略差、需要大量优化,开发成本直线上升。

2、用多个空闲电脑做数据采集和运算,构建任务列队进行分析处理。完后在对应市场休盘阶段将数据汇总到服务端。因为个人能力有限,服务器不给力…

引用来自“铂金小狗”的评论

高手啊 , 我这是一个博客程序 , 不是股票系统 . 

鄙人是炒股的韭菜 , 多谢大神指点 .

引用来自“fotomxq”的评论

算不上高手,咱们一起学习进步吧!

如果你只是想搞量化分析,可以试试:https://www.ricequant.com/,没必要自己开发,太麻烦了…………

我最初搞这方面开发,主要是朝着仓位管理、收益分析、交易策略方面的,至于说量化分析是因为正好朋友需要才搞出来的…

引用来自“铂金小狗”的评论

量化绝对是未来最前沿 , 如果再加上谷歌的超级人工智能 , 将无限接近神 . 

现在感觉各大劵商以及国家队都在使用量化和大数据 , 辅以少量人工智能 , 鄙等小韭菜要想不被收割 , 只能逆行分析量化收割机的BUG , 以出逃升天 .

额,说点我的观点吧。。

其实量化并不适合A股,因为A股明显受到国家操作,技术分析失效概率非常高。这点你可以关注一下A50期货指数(某国际组织搞的),再对比一下国内的深成指数,就明白了。

量化交易主要用于外汇、期货交易,其次才是股票交易。做股票尽量还是向宏观经济、行业、公司财务看齐,其次辅助技术分析,最后最关键保持好个人心态、勿贪婪。否则的话只能当菲菜了。

证券公司使用的所谓量化交易,实际上也并非无敌的,只能说比操盘手可靠一些,但带来的收益也一样差远了。市场好的时候没问题,但市场出问题的时候就集体扯淡了。

量化交易主要核心在于技术分析,杜绝了个人贪婪左右交易,所以给人感觉很叼、成功率很高。但实际上影响价格走势的还是人心,脱离这一切都是假象、随着历史演进注定会失效。

作为个人投资者,获利的关键是逆向思维、杜绝贪婪、恐惧。只要能确保这些,基本上很难亏钱。

个人一些见解吧。

不错 , 国内的量化交易策略多数用于A股与股指期货协同套利 , 而A股本身连基本的T+0都没有 . 

鄙人的技术分析梦想在2007年的530就被摧毁了 , 现分析股市角度全部以国家政策为出发点 , 虽有小胜 , 但还是无法进入随心应手之境界 , 实在惭愧 .

铂金小狗
铂金小狗
回复 @fotomxq : 鄙人对股灾的认识 http://www.cloudawn.com/viewarticle.php?articleid=321
fotomxq
fotomxq
回复 @铂金小狗 : 确实,浪里个浪…变化太多,只能跟随应对了..都是概率游戏
铂金小狗
铂金小狗
回复 @fotomxq : 波浪分析我只知道3浪3 , 其他的感觉分析不准 , 千人千浪 . 一般在淘股吧混 , 雪球那版面不适应 . 缠中说禅看过文章 , 只记住了一句"缠绕" , 惭愧 .
fotomxq
fotomxq
如果是技术分析的话,你可以试试艾略特5浪分析和缠论分析,我现在主要用这些做波段分析,基本上大概率是获利的。 包括我对最近一次的最低点的预测: https://xueqiu.com/2807504733/72575550
返回顶部
顶部