{"id":15037156,"url":"https://github.com/myhhub/stock","last_synced_at":"2025-05-13T00:08:58.071Z","repository":{"id":143905913,"uuid":"616738094","full_name":"myhhub/stock","owner":"myhhub","description":"stock股票.获取股票数据,计算股票指标,筹码分布,识别股票形态,综合选股,选股策略,股票验证回测,股票自动交易,支持PC及移动设备。","archived":false,"fork":false,"pushed_at":"2025-04-08T07:48:15.000Z","size":24261,"stargazers_count":8844,"open_issues_count":43,"forks_count":1723,"subscribers_count":133,"default_branch":"master","last_synced_at":"2025-05-13T00:08:45.525Z","etag":null,"topics":["backtest","backtesting","broker-trading-platform","cyq","distribution-of-chips","position-cost-distribution","quantitative","quantitative-finance","stock","stocks","strategies","strategy"],"latest_commit_sha":null,"homepage":"","language":"Python","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"apache-2.0","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/myhhub.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":"LICENSE","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null}},"created_at":"2023-03-21T01:23:26.000Z","updated_at":"2025-05-12T18:14:27.000Z","dependencies_parsed_at":null,"dependency_job_id":"d7a2b73a-79bb-4fd4-b33f-e52e2be2a7d4","html_url":"https://github.com/myhhub/stock","commit_stats":null,"previous_names":["myhhub/stock"],"tags_count":0,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/myhhub%2Fstock","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/myhhub%2Fstock/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/myhhub%2Fstock/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/myhhub%2Fstock/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/myhhub","download_url":"https://codeload.github.com/myhhub/stock/tar.gz/refs/heads/master","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":253843215,"owners_count":21972873,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["backtest","backtesting","broker-trading-platform","cyq","distribution-of-chips","position-cost-distribution","quantitative","quantitative-finance","stock","stocks","strategies","strategy"],"created_at":"2024-09-24T20:33:38.017Z","updated_at":"2025-05-13T00:08:58.048Z","avatar_url":"https://github.com/myhhub.png","language":"Python","funding_links":[],"categories":["Python","金融股票"],"sub_categories":["资源传输下载"],"readme":"**InStock股票系统**\n\nInStock股票系统，抓取每日股票、ETF关键数据，计算股票技术指标、筹码分布，识别K线各种形态，综合选股，内置多种选股策略，支持选股验证回测，支持自动交易，支持批量时间，运行高效，支持PC、平板、手机移动设备显示，同时提供Docker镜像方便安装，是量化投资的好帮手。\n\nThe stock system,Capture key data on daily stocks and ETFs, calculate stock technical indicators, chip distribution, Position Cost Distribution(CYQ), identify various K-line forms, comprehensive stock selection, built-in multiple stock selection strategies, support stock selection verification and backtesting, support automatic trading, and support batch time , runs efficiently, supports display on PCs, tablets, and mobile phones, and provides Docker images for easy installation, making it a good helper for quantitative investment.\n\nDocker镜像：https://hub.docker.com/r/mayanghua/instock **镜像优化构建仅170M**。\n\n# 功能介绍\n\n##  一：综合选股\n综合选股支持股票范围、基本面、技术面、消息面、人气指标、行情数据等方面共200多个信息栏目进行自由组合选股。选股条件分为以下大类：\n```\n1.股票范围\n市场、 行业、地区、 概念、 风格、指数成份、 上市时间。\n2.基本面\n估值指标、每股指标、盈利能力、成长能力、资本结构与偿债能力、股本股东。\n3.技术面\nMACD金叉、KDJ金叉、放量突破、低位资金净流入、高位资金净流出、向上突破均线、均线多头排列、均线空头排列、连涨放量、下跌无量、一根大阳线、两根大阳线、旭日东升、强势多方、炮拨云见日、七仙女下凡(七连阴)、八仙过海(八连阳)、九阳神功(九连阳)、四串阳、天量法则、放量上攻、穿头破脚、倒转锤头、射击之星、黄昏之星、曙光初现、身怀六甲、乌云盖顶、早晨之星、窄幅整理。\n4.消息面\n公告大事、机构关注情况、机构持股家数、机构持股比例。\n5.人气指标\n股吧人气排名、人气排名变化、人气排名连涨、人气排名连跌、人气排名创新高、人气排名创新低、新晋粉丝占比、铁杆粉丝占比、7日关注排名、今日浏览排名。\n6.行情数据\n股价表现、成交情况、资金流向、行情统计、沪深股通。\n```\n![](img/a3.jpg)\n![](img/a1.jpg)\n\n##  二：股票每日数据\n\n包括每日股票数据、股票资金流向、股票分红配送、股票龙虎榜、股票大宗交易、股票基本面数据、行业资金流向、概念资金流向、每日ETF数据。\n\n抓取A股票每日数据，主要为一些关键数据，同时封装抓取方法，方便扩展系统获取个人关注的数据。\n\n![](img/00.jpg)\n![](img/12.jpg)\n## 三：股票指标计算\n基于talib、pandas 计算指标，计算高效准确。调整个别指标公式，确保结果和同花顺、通信达结果一致。\n指标：\n\n```\n1、MACD 2、KDJ 3、BOLL 4、TRIX，TRMA 5、CR 6、SMA 7、RSI \n8、VR，MAVR 9、ROC 10、DMI，+DI，-DI，DX，ADX，ADXR 11、W\u0026R \n12、CCI 13、TR、ATR 14、DMA、AMA 15、OBV 16、SAR 17、PSY \n18、BRAR 19、EMV 20、BIAS 21、TEMA  22、MFI 23、VWMA\n24、PPO 25、WT 26、Supertrend  27、DPO  28、VHF  29、RVI\n30、FI 31、ENE 32、STOCHRSI\n```\n\n![](img/01.jpg)\n![](img/06.jpg)\n\n## 四：判断买入卖出的股票\n\n根据指标判定可能买入卖出的股票，具体筛选条件如下：\n\n\n```\nKDJ:\n1、超买区：K值在80以上，D值在70以上，J值大于90时为超买。一般情况下，股价有可能下跌。投资者应谨慎行事，局外人不应再追涨，局内人应适时卖出。\n2、超卖区：K值在20以下，D值在30以下为超卖区。一般情况下，股价有可能上涨，反弹的可能性增大。局内人不应轻易抛出股票，局外人可寻机入场。\nRSI:\n1、当六日指标上升到达80时，表示股市已有超买现象，如果一旦继续上升，超过90以上时，则表示已到严重超买的警戒区，股价已形成头部，极可能在短期内反转回转。\n2、当六日强弱指标下降至20时，表示股市有超卖现象，如果一旦继续下降至10以下时则表示已到严重超卖区域，股价极可能有止跌回升的机会。\nCCI:\n1、当CCI＞﹢100时，表明股价已经进入非常态区间——超买区间，股价的异动现象应多加关注。\n2、当CCI＜﹣100时，表明股价已经进入另一个非常态区间——超卖区间，投资者可以逢低吸纳股票。\nCR:\n1、跌穿a、b、c、d四条线，再由低点向上爬升160时，为短线获利的一个良机，应适当卖出股票。\n2、CR跌至40以下时，是建仓良机。\nWR:\n1、当％R线达到20时，市场处于超买状况，走势可能即将见顶。\n2、当％R线达到80时，市场处于超卖状况，股价走势随时可能见底。\nVR:\n1、获利区域160－450根据情况获利了结。\n2、低价区域40－70可以买进。\n```\n\n![](img/05.jpg)\n\n## 五：K线形态识别\n\n精准识别61种K线形态，支持用户自选形态识别。\n\n识别形态:\n\n```\n1、两只乌鸦2、三只乌鸦3、三内部上涨和下跌4、三线打击5、三外部上涨和下跌6、南方三星7、三个白兵8、弃婴\n9、大敌当前10、捉腰带线11、脱离12、收盘缺影线13、藏婴吞没14、反击线15、乌云压顶16、十字17、十字星\n18、蜻蜓十字/T形十字19、吞噬模式20、十字暮星  21、暮星22、向上/下跳空并列阳线23、墓碑十字/倒T十字\n24、锤头25、上吊线26、母子线27、十字孕线28、风高浪大线29、陷阱30、修正陷阱31、家鸽32、三胞胎乌鸦\n33、颈内线34、倒锤头35、反冲形态36、由较长缺影线决定的反冲形态37、梯底38、长脚十字39、长蜡烛\n40、光头光脚/缺影线 41、相同低价42、铺垫43、十字晨星44、晨星45、颈上线46、刺透形态47、黄包车夫\n48、上升/下降三法49、分离线50、射击之星51、短蜡烛52、纺锤53、停顿形态54、条形三明治55、探水竿\n56、跳空并列阴阳线57、插入58、三星59、奇特三河床60、向上跳空的两只乌鸦61、上升/下降跳空三法 \n```\n形态识别结果：\n```\n负：出现卖出信号\n0：没有出现该形态\n正：出现买入信号\n```\n![](img/09.jpg)\n![](img/13.jpg)\n\n## 六：筹码分布\n\n筹码分布通过计算一定时间范围内股票的:最高价、最低价、成交数，输出对应价格成交数占整个流通盘比值的分布图形。计算高效准确，结果与东方财富等专业软件的一致，缺省计算210个交易日的成本，可以自行设定时间范围。\n![](img/06.jpg)\n\n## 七：策略选股\n\n内置放量上涨、停机坪、回踩年线、突破平台、放量跌停等多种选股策略，同时封装了策略模板，方便扩展实现自己的策略。\n\n\n```\n1、放量上涨\n    1）当日比前一天上涨小于2%或收盘价小于开盘价。\n    2）当日成交额不低于2亿。\n    3）当日成交量/5日平均成交量\u003e=2。\n2、均线多头\n    MA30向上\n    1）30日前的30日均线\u003c20日前的30日均线\u003c10日前的30日均线\u003c当日的30日均线。\n    2）(当日的30日均线/30日前的30日均线)\u003e1.2。\n3、停机坪\n    1）最近15日有涨幅大于9.5%，且必须是放量上涨。\n    2）紧接的下个交易日必须高开，收盘价必须上涨，且与开盘价不能大于等于相差3%。\n    3）接下2、3个交易日必须高开，收盘价必须上涨，且与开盘价不能大于等于相差3%，且每天涨跌幅在5%间。\n4、回踩年线\n    1）分2个时间段：前段=最近60交易日最高收盘价之前交易日(长度\u003e0)，后段=最高价当日及后面的交易日。\n    2）前段由年线(250日)以下向上突破。\n    3）后段必须在年线以上运行，且后段最低价日与最高价日相差必须在10-50日间。\n    4）回踩伴随缩量：最高价日交易量/后段最低价日交易量\u003e2,后段最低价/最高价\u003c0.8。\n5、突破平台\n    1）60日内某日收盘价\u003e=60日均线\u003e开盘价。\n    2）且【1】放量上涨。\n    3）且【1】间之前时间，任意一天收盘价与60日均线偏离在-5%~20%之间。\n6、无大幅回撤\n    1）当日收盘价比60日前的收盘价的涨幅小于0.6。\n    2）最近60日，不能有单日跌幅超7%、高开低走7%、两日累计跌幅10%、两日高开低走累计10%。\n7、海龟交易法则\n    最后一个交易日收市价为指定区间内最高价。\n    1）当日收盘价\u003e=最近60日最高收盘价。\n8、高而窄的旗形\n    1）必须至少上市交易60日。\n    2）当日收盘价/之前24~10日的最低价\u003e=1.9。\n    3）之前24~10日必须连续两天涨幅大于等于9.5%。\n9、放量跌停。\n    1）跌\u003e9.5%。\n    2）成交额不低于2亿。\n    3）成交量至少是5日平均成交量的4倍。\n10、低ATR成长\n    1）必须至少上市交易250日。\n    2）最近10个交易日的最高收盘价必须比最近10个交易日的最低收盘价高1.1倍。\n11、股票基本面选股\n    1）市盈率小于等于20，且大于0。\n    2）市净率小于等于10。\n    3）净资产收益率大于等于15。\n```\n\n![](img/04.jpg)\n\n## 八：选股验证\n\n\n对指标、策略等选出的股票进行回测，验证策略的成功率，是否可用。\n\n\n![](img/05.jpg)\n\n## 九：自动交易\n\n支持自动交易，内置自动打新股的策略及示例策略，由于**涉及金钱**，规避可能存在风险，没有提供其他交易策略。\n\n具有交易日志，以及支持为每个交易策略配置交易日志。\n\n**特别提醒**：交易日10:00点会触发打新，不想打新的删除stagging.py或不要启动“交易服务”。\n\n![](img/11.jpg)\n\n## 十：关注功能\n\n支持股票关注，关注股票在各个模块(含有的)置顶、标红显示。\n\n## 十一：支持批量\n\n\n可以通过时间段、枚举时间、当前时间进行指标计算、策略选股及回测等。同时支持智能识别交易日，可以输入任意日期。\n\n具体执行设置如下：\n```\n------整体作业，支持批量作业------\n当前时间作业 python execute_daily_job.py\n单个时间作业 python execute_daily_job.py 2022-03-01\n枚举时间作业 python execute_daily_job.py 2022-01-01,2021-02-08,2022-03-12\n区间时间作业 python execute_daily_job.py 2022-01-01 2022-03-01\n\n------单功能作业，支持批量作业，回测数据自动填补到当前\n基础数据实时作业 python basic_data_daily_job.py\n基础数据非实时作业 python basic_data_other_daily_job.py\n指标数据作业 python indicators_data_daily_job.py\nK线形态作业 klinepattern_data_daily_job.py\n策略数据作业 python strategy_data_daily_job.py\n回测数据 python backtest_data_daily_job.py\n```\n\n## 十二：存储采用数据库设计\n\n数据存储采用数据库设计，能保存历史数据，以及对数据进行扩展分析、统计、挖掘。系统实现自动创建数据库、数据表，封装了批量更新、插入数据，方便业务扩展。\n\n![](img/07.jpg)\n\n## 十三：展示采用web设计\n\n采用web设计，可视化展示结果。对展示进行封装，添加新的业务表单，只需要配置视图字典就可自动出现业务可视化界面，方便业务功能扩展。\n\n## 十四：运行高效\n\n\n采用多线程、单例共享资源有效提高运算效率。1天数据的抓取、计算指标、形态识别、策略选股、回测等全部任务运行时间大概4分钟（普通笔记本），计算天数越多效率越高。\n\n\n## 十五：方便调试\n\n系统运行的重要日志记录在stock_execute_job.log(数据抓取、处理、分析)、stock_web.log(web服务)、stock_trade.log(交易服务)，方便调试发现问题。\n\n![](img/08.jpg)\n\n\n# 安装说明\n\n本系统支持Windows、Linux、MacOS，同时本系统创建了Docker镜像，按自己需要选择安装方式。\n\n下面按分常规安装方式、docker镜像安装方式进行一一说明。\n\n## 一：常规安装方式\n\n建议windows下安装，方便操作及使用系统，同时安装也非常简单。\n\n以下安装及运行以windows为例进行介绍。\n\n### 1.安装python\n\n项目开发使用python 3.11，建议最新版。\n\n```\n（1）在官网 https://www.python.org/downloads/ 下载安装包，一键安装即可，安装切记勾选自动设置环境变量。\n（2）配置永久全局国内镜像库（因为有墙，无法正常安装库文件），执行如下dos命令：\npython pip config --global set  global.index-url https://mirrors.aliyun.com/pypi/simple/\n# 如果你只想为当前用户设置，你也可以去掉下面的\"--global\"选项\n```\n### 2.安装mysql\n\n建议最新版。\n\n```\n在官网 https://dev.mysql.com/downloads/mysql/ 下载安装包，一键安装即可。\n```\n### 3.安装 TA-Lib 共享静态库和头文件\n\n安装 TA-Lib C/C++ 共享静态库和头文件\n\n```\nhttps://ta-lib.org/install/ 下载最新 ta-lib 共享静态库和头文件，按照说明进行安装。\n安装方式按官方建议，会更简单：\nWindows Executable Installer\nmacOS Homebrew\nLinux Debian packages\n```\n\n### 4.安装依赖库\n\n依赖库都是目前最新版本。\n\na.安装依赖库：\n\n```\n#dos切换到本系统的根目录，执行下面命令：\npython pip install -r requirements.txt\n```\nb.若想升级项目依赖库至最新版，可以通过下面方法：\n\n先打开requirements.txt，然后修改文件中的“==”为“\u003e=”，接着执行下面命令：\n\n```\npython pip install -r requirements.txt --upgrade\n```\n\nc.若扩展了本项目，可以通过下面方法生成项目依赖：\n\n```\n#使用pipreqs生成项目相关依赖的requirements.txt\n\npython pip install pipreqs\n# 安装pipreqs，若有安装可跳过\n\npython  pipreqs --encoding utf-8 --force ./ \n# 本项目是utf-8编码\n```\n\n\n### 5.安装 Navicat（可选）\n\nNavicat可以方便管理数据库，以及可以手工对数据进行查看、处理、分析、挖掘。\n\nNavicat是一套可创建多个连接的数据库管理工具，用以方便管理 MySQL、Oracle、PostgreSQL、SQLite、SQL Server、MariaDB 和 MongoDB 等不同类型的数据库\n\n```\n（1）在官网 https://www.navicat.com.cn/download/navicat-premium 下载安装包，一键安装即可。\n\n（2）然后下载破解补丁: https://pan.baidu.com/s/18XpTHrm9OiLEl3u6z_uxnw 提取码: 8888 ，破解即可。\n```\n### 6.配置数据库\n\n一般可能会修改的信息是”数据库访问密码“。\n\n修改database.py相关信息:\n\n```\ndb_host = \"localhost\"  # 数据库服务主机\ndb_user = \"root\"  # 数据库访问用户\ndb_password = \"root\"  # 数据库访问密码\ndb_port = 3306  # 数据库服务端口\ndb_charset = \"utf8mb4\"  # 数据库字符集\n```\n\n### 7.安装自动交易（可选）\n\n```\n1.安装交易软件\n    1.1 通用同花顺客户端券商的客户\n        通用同花顺客户端:\n        https://activity.ths123.com/acmake/cache/1361.html\n    1.2 专用同花顺客户端券商的客户\n        自行去券商官网找同花顺专用版\n        例如：广发的下载核新独立委托端(同花顺版):\n        http://www.gf.com.cn/softdownload/index?tab=1\n2.安装tesseract(自动识别验证码)\n    第一种方法.下载编译好的\n        在下面链接页，根据操作系统选择相应版本\n        https://digi.bib.uni-mannheim.de/tesseract/\n    第二种方法.用源码编译\n        下载源码：https://github.com/tesseract-ocr/tesseract\n    注意：\n        安装完要将安装路径设置到PATH环境变量里。\n        下面提供dos命令设置，以管理员身份运行cmd，输入:\n        setx /m PATH \"%PATH%;C:\\Program Files\\Tesseract-OCR\"\n3.设置交易配置   \n    3.1.修改trade_client.json\n        \"user\": \"888888888888\",               #交易账号\n        \"password\": \"888888\",                 #交易密码\n        \"exe_path\": \"C:/gfzqrzrq/xiadan.exe\"  #交易软件路径\n    3.2.修改trade_service.py\n        broker = 'gf_client' #这是广发\n        详情参阅usage.md，配置对应券商\n```\n\n### 8.运行说明\n\n#### 8.1.执行数据抓取、处理、分析、识别\n\n支持批量作业，具体参见run_job.bat中的注释说明。\n\n建议将其加入到任务计划中，工作日的每天17：00执行。\n\n**数据抓取、处理原则：**\n\n1).开盘即有且无历史数据的：综合选股、每日股票数据、股票资金流向、股票分红配送、龙虎榜、每日ETF数据；\n\n2).收盘即有且有历史数据的：股票指标数据、股票K线形态、股票策略数据；\n\n3).收盘后1~2小时才有且有历史数据的：大宗交易。\n\n运行run_job.bat，会依据上面原则获取各模块当前或前个交易日的数据。\n\n```\n\n运行 run_job.bat\n```\n若想看开盘后的当前实时数据，可以运行下面，很快大概1秒：\n\n```\n#基础数据作业 \npython basic_data_daily_job.py\n```\n#### 8.2.启动web服务\n\n```\n运行 run_web.bat\n```\n启动服务后，打开浏览器，输入：http://localhost:9988/ ，即可使用本系统的可视化功能。\n\n#### 8.3.启动交易服务\n\n```\n运行 run_trade.bat\n```\n\n## 二：docker镜像安装方式\n\n没有docker环境，可以参考：[VirtualBox虚拟机安装Ubuntu](https://www.ljjyy.com/archives/2019/10/100590.html)，里面也介绍了python、docker等常用软件的安装，若想在Windows下安装docker自行百度。\n\n### 1.安装数据库镜像\n\n如果已经有Mysql、mariadb数据库可以跳过本步。\n\n运行下面命令：\n\n**特别提醒：执行命令的用户要有root权限，其他命令也如此。例如：ubuntu系统在命令前加上sudo** ，sudo docker......\n\n```\ndocker run -d --name InStockDbService \\\n    -v /data/mariadb/data:/var/lib/instockdb \\\n    -e MYSQL_ROOT_PASSWORD=root \\\n    library/mariadb:latest\n```\n\n### 2.安装本系统镜像\n\na.若按上面【1.安装数据库镜像】装的数据库，运行下面命令：\n\n```\ndocker run -dit --name InStock --link=InStockDbService \\\n    -p 9988:9988 \\\n    -e db_host=InStockDbService \\\n    mayanghua/instock:latest\n```\n\nb.已经有Mysql、mariadb数据库，运行下面命令：\n\n```\ndocker run -dit --name InStock \\\n    -p 9988:9988 \\\n    -e db_host=localhost \\\n    -e db_user=root \\\n    -e db_password=root \\\n    -e db_database=instockdb \\\n    -e db_port=3306 \\\n    mayanghua/instock:latest\n```\n\ndocker -e 参数说明：\n```\ndb_host       # 数据库服务主机\ndb_user       # 数据库访问用户\ndb_password   # 数据库访问密码\ndb_database   # 数据库名称\ndb_port       # 数据库服务端口\n```\n按自己数据库实际情况配置参数。\n\n### 3. 系统运行\n\n启动容器后，会自动运行，首先会初始化数据、启动web服务。然后每小时执行“基础数据抓取”，每天17:30执行所有的数据抓取、处理、分析、识别、回测。\n\n打开浏览器，输入：http://localhost:9988/ ，即可使用本系统的可视化功能。\n\n### 4.历史数据\n\n历史数据抓取、处理、分析、识别、回测，运行下面命令：\n\n```\ndocker exec -it InStock bash \ncat InStock/instock/bin/run_job.sh\n#查看run_job.sh注释,自己选择作业\n------整体作业，支持批量作业------\n当前时间作业 python execute_daily_job.py\n单个时间作业 python execute_daily_job.py 2022-03-01\n枚举时间作业 python execute_daily_job.py 2022-01-01,2021-02-08,2022-03-12\n区间时间作业 python execute_daily_job.py 2022-01-01 2022-03-01\n------单功能作业，支持批量作业，回测数据自动填补到当前\n综合选股作业 python selection_data_daily_job.py\n基础数据实时作业 python basic_data_daily_job.py\n基础数据收盘2小时后作业 python backtest_data_daily_job.py\n基础数据非实时作业 python basic_data_other_daily_job.py\n指标数据作业 python indicators_data_daily_job.py\nK线形态作业 klinepattern_data_daily_job.py\n策略数据作业 python strategy_data_daily_job.py\n回测数据 python backtest_data_daily_job.py\n第一种方法：\npython execute_daily_job.py 2023-03-01,2023-03-02\n第二种方法：\n修改run_job.sh，然后运行 bash InStock/instock/bin/run_job.sh\n```\n\n### 5.查看日志\n\n运行下面命令：\n\n```\ndocker exec -it InStock bash \ncat InStock/instock/log/stock_execute_job.log\ncat InStock/instock/log/stock_web.log\n```\n\n### 6.docker常用命令\n\n```\ndocker container stop InStock InStockDbService\n#停止容器\ndocker container prune\n#回收容器\ndocker rmi mayanghua/instock:latest library/mariadb:latest\n#删除镜像\n```\n\n具体参见：[Docker基础之 二.镜像及容器的基本操作](https://www.ljjyy.com/archives/2018/06/100208.html)\n\n### 7.自动交易\n\n目前只支持windows。参考常规安装方式,只需安装python、依赖库，**不需安装mysql、talib等**。\n\n# 特别声明\n\n股市有风险投资需谨慎，本系统只能用于学习、股票分析，投资盈亏概不负责。\n\n本系统中的表格为第三方商业控件，仅使用了评估版进行学习及测试。\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fmyhhub%2Fstock","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fmyhhub%2Fstock","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fmyhhub%2Fstock/lists"}