1.AKShare-股票数据-上证e互动
2.tushare/米筐/akshare 以pandas为工具的码解金融量化分析入门级教程（附python源码）
3.AKShare-股票数据-股票指数成分股
4.AKShare-股票数据-上海主板IPO审核信息
5.手把手教你用机器学习预测黄金ETF价格（全程源码）
6.AKShare-指数数据-恐惧贪婪指数

AKShare-股票数据-上证e互动

       本次更新重点新增了股票数据-上证e互动接口，这一接口能获取到股票代码、码解公司简称、码解问题、码解回答、码解问题时间、码解个人征信源码回答时间、码解问题来源、码解回答来源以及用户名等关键信息。码解用户通过此接口可以便捷地获取到上证e互动平台上的码解丰富数据，从而深入分析股票市场的码解动态与趋势。

       为帮助用户更好地理解与运用这一接口，码解我们已制作并发布了四则相关视频教程，码解包括《AKShare-初阶-使用教学》、码解《AKShare-初阶-实战应用》、码解《AKShare-源码解析》和《开源项目巡礼》。点击 阅读原文 即可了解课程内容并进行订阅。同时，我们还设有AKShare VIP 交流群，欢迎您加入。只需在公众号回复“加群”即可获取加入方式。

       接口名称：stock_sns_sseinfo

       目标地址：sns.sseinfo.com/company...

       功能描述：上证e互动接口旨在提供提问与回答的数据信息，让用户能够获取到该平台上的提问与回答详情。

       数据限量：每次请求可返回指定股票代码(symbol)的小程序出售源码大全提问与回答数据。

       输入参数：请参照具体API文档以获取详细输入参数说明。

       输出参数：同样请参阅API文档获取输出参数详情。

       接口示例：通过实际请求调用，展示如何正确使用接口并获取数据。

       数据示例：提供数据返回的实例，帮助用户理解接口输出内容。

tushare/米筐/akshare 以pandas为工具的金融量化分析入门级教程（附python源码）

       安装平台是一个相对简单的过程，因为tushare、米筐和akshare这些平台不需要使用pip install来安装（米筐除外，但不是必需操作）。首先，需要注册账户，尤其是对于学生群体，按照流程申请免费试用资格和一定积分。然后，打开编译器，比如使用anaconda的jupyter。

       基本操作中，导入tushare和米筐时，通常使用ts和rq作为别名，这会影响到之后代码的缩写。例如，使用tushare获取数据的spring事务框架源码分析方法可以是这样的：

       df = pro.monthly(ts_code='.SZ', start_date='', end_date='', fields='ts_code,trade_date,open,high,low,close,vol,amount')

       这里，ts_code是要分析的股票代码，start_date和end_date是查询的开始和结束日期，fields参数指定需要获取的数据。tushare和米筐对数据查询有详细的说明和解释。

       数据处理是初学者需要重点关注的部分。使用pandas进行数据的保存和处理，是这篇文章的主要内容。推荐查找pandas的详细教程，可以参考官方英文教程或中文翻译版教程，这些教程提供了丰富的学习资源。

       在处理数据时，可以使用pandas进行各种操作，如数据存储、读取、筛选、排序和数据合并。例如，存储数据到csv文件的代码为：

       df.to_csv("名字.csv",encoding='utf_8_sig')

       从csv文件读取数据的代码为：

       pd.read_csv("名字.csv")

       在数据处理中，可以筛选特定条件下的数据，如选择大于岁的人的代码为：

       above_ = df[df["Age"] > ]

       同时，可以对数据进行排序、筛选、重命名、c语言编程源码设置删除列或创建新列等操作。合并数据时，可以使用`pd.concat`或`pd.merge`函数，根据数据的结构和需要合并的特定标识符来实现。

       这篇文章的目的是通过提供pandas数据处理的典型案例，帮助读者更好地理解和使用tushare平台。对于在校学生来说，tushare提供的免费试用和积分系统是宝贵的资源。在使用过程中遇到问题，可以在评论区留言或分享项目难题，以便进一步讨论和提供解决方案。

       再次感谢tushare对大学生的支持和提供的资源。如果觉得文章内容对您有帮助，欢迎点赞以示支持。让我们在金融量化分析的道路上共同成长。

AKShare-股票数据-股票指数成分股

       AKShare的股票数据模块近期更新了股票指数成分股的相关接口。这个新接口主要为用户提供特定股票指数的最新成分股信息查询服务。

       我们已配套发布了相关视频教程，包括《AKShare入门教学》、《实战应用教程》、《源码解析讲解》以及《开源项目介绍》，想要深入了解的读者可以通过点击阅读原文访问课程介绍和订阅。同时，尚硅谷vue源码解析AKShare VIP交流群也对所有用户开放，加入群组的方式请在公众号回复“加群”获取详情。群组内我们将共同探讨和学习。

       更新的接口名为"index_stock_cons"，其目标地址为vip.stock.finance.sina.com.cn...，但需要注意的是，由于数据来源的特性，部分数据可能会存在重复，导致信息缺失。为获取更全面的数据，建议分别调用"ak.index_stock_cons_sina()"获取主流指数信息，或者利用"ak.index_stock_cons_csindex()"获取中证指数网提供的成分数据。

       要了解具体的输入参数，可以参考AKShare中提供的股票指数信息一览表。关于接口的使用示例和数据输出，我们已提供详细说明。此外，我们还按市场分类提供了接口示例和数据样本，以便用户根据需要进行查询和分析。

AKShare-股票数据-上海主板IPO审核信息

       AKShare-股票数据-上海主板IPO审核信息接口更新

       最新更新的AKShare提供了股票数据-上海主板IPO审核信息的接口服务。这个接口主要增加了获取发行人详细信息的功能，包括全称、审核状态、注册地、证监会行业分类、保荐机构、律师事务所、会计师事务所，以及重要的日期信息，如更新日期、受理日期和拟上市地点，还有招股说明书等相关数据。通过这个接口，你可以更全面地了解上海主板新股的审核进展。

       对于对财经数据采集和量化投资感兴趣的朋友，我们诚邀您加入我们的数据科学实战知识星球，这是一个专注于财经数据交流和量化投资探索的社区。在这里，你可以提出问题，分享经验，同时《AKShare 源码解析》等课程也在持续更新中。要访问接口，你可以前往东方财富网的数据中心，查找新股数据-IPO审核信息-上海主板部分，其接口名为stock_register_sh，目标地址是data.eastmoney.com/xg/...

       请注意，该接口一次可以获取所有历史数据，但请合理使用，避免过度请求。关于输入和输出参数的详细说明，以及接口示例和数据样例，星球内有详细介绍。加入我们，一起探索数据驱动的金融世界吧！

手把手教你用机器学习预测黄金ETF价格（全程源码）

       之前分享了一些国外的经典量化研究内容，比如《一大波国外高清量化网址正在袭来...》等文章，都附带源码、和实战案例。但有不少新入门的小伙伴反馈，难以理解、实施起来有困难，甚至无法应用。为了解决这个问题，我决定将这些优质内容本土化和国产化，主要从以下几个方面着手：

       1. 将英文原文翻译成中文，用更通俗的语言解释概念。

       2. 修改原始代码，使其在国内运行环境兼容，消除地域限制。

       3. 将使用的数据改为国内的品种，确保实践的可行性。

       这次的尝试主要聚焦在《Gold Price Prediction: Step By Step Guide Using Python Machine Learning》一文。通过翻译插件，新手可以轻松理解文章内容，核心是使用线性回归模型预测黄金ETF的第二天价格，基于两根均线的当前数值。难点在于原代码中的yfinance库不再支持国内访问。

       为此，我选择了开源的akshare库作为替代，其功能强大且在国内完全可用，通过简单的安装命令`pip install akshare`即可获取。解决了数据获取的障碍后，文章中的步骤变得更为清晰，以下为关键步骤及其解释：

       **Step 1**：导入必要的Python库并读取黄金ETF数据。

       **Step 2**：定义解释变量，这里选择了日和日移动均线。

       **Step 3**：定义因变量，即预测目标，为第二天的黄金ETF收盘价。

       **Step 4**：将数据划分为训练集和测试集，%用于训练，%用于测试。

       **Step 5**：构建线性回归模型，学习解释变量与因变量的关系。

       **Step 6**：使用模型预测黄金ETF价格，并计算决定系数R2衡量模型拟合效果。

       **Step 7**：回测模型性能，绘制累积回报图以评估策略表现。

       **Step 8**：每日滚动预测，实施策略并观察效果。

       通过这八个步骤，我们不仅解决了代码无法运行的问题，还详细解释了每个环节的关键点。对于想要使用机器学习预测黄金ETF价格的读者，这提供了一个实用的指南和实践案例。接下来，我会继续分享更多量化策略和代码，欢迎关注和交流。

AKShare-指数数据-恐惧贪婪指数

       本次更新带来指数数据-恐惧贪婪指数接口，旨在为投资者提供衡量市场情绪的工具，区分市场情绪是倾向于贪婪还是恐惧。主要计算指标将帮助您更好地理解市场动态。

       以下是相关视频教程的链接供您参考：《AKShare-初阶-使用教学》、《AKShare-初阶-实战应用》、《AKShare-源码解析》、《开源项目巡礼》。欲了解更多课程介绍及订阅详情，请点击阅读原文。

       欲加入AKShare VIP 交流群，参与深入讨论和分享，请在公众号回复加群，获取加群方式。群内汇集了志同道合的投资者，共同探讨市场趋势。

       接口名称：index_fear_greed_funddb

       目标地址：funddb.cn/tool/fear

       功能描述：访问funddb-工具-估值情绪-恐惧贪婪指数页面，获取实时市场情绪数据。

       访问限制：单次请求将返回所有相关数据。

       输入参数：无

       输出参数：包含市场情绪的恐惧贪婪指数数据。

       接口示例：通过调用上述接口，您可以获取具体数据示例，直观了解当前市场的恐惧贪婪程度。