通知设置 新通知
QMT/iQuant居然禁止redis获取股票行情数据，如何破解
QMT • 李魔佛 发表了文章 • 0 个评论 • 384 次浏览 • 2024-09-10 11:26
QMT禁止redis获取股票行情数据，如何破解
因为QMT没有转债的规模，而国信iquant本身又把requests 库给封禁了，它无法通过requests 获取任何外部数据，比如访问东财，tushare都会提示访问超时。（后面发现它修改了requests的源码）
于是发现iquant的redis是内置库，不需要pip安装，所以第一时间就想到使用redis获取转债数据。
简单测试了一下，redis是可以获取数据的。比如随便丢一个字符到redis，然后QMT可以获取到这个字符数据
于是就把原来的策略里，使用requests 调用API的部分，改成redis。
可是运行后发现报错：
2024-09-10 10:05:19,851 [INFO] [0x00000e24] [msg service] msg: 0C:\iquant\python\新建策略文件.py_SH00030021
DataError:Sensitive Data Detected, Forbidden!
报错信息说的很明显，敏感信息检测到，禁止！
居然对redis的数据进行检验，很明显这部分是QMT对redis的源码进行了修改。
于是根据报错的提示，找到 目录：
D:\tool\gjzq_qmt_simulation\bin.x64\Lib\site-packages\redis，下面的client.py
找到对应的行：
的确有一个check_response 的函数用于检测 redis的内容，看正则表达式和变量命名（search_stock），类似股票代码的数据传输被阻止了，检测到之后直接raise Error，程序会停止的。
解决办法，也很简单，直接把这一段 代码删除就好了。
然后需要重启你的QMT，不然修改的代码不会生效。
然后重新运行的你的策略，发现一起正常了。
需要开通QMT和代写量化策略，可以关注公众号： 查看全部
因为QMT没有转债的规模，而国信iquant本身又把requests 库给封禁了，它无法通过requests 获取任何外部数据，比如访问东财，tushare都会提示访问超时。（后面发现它修改了requests的源码）
于是发现iquant的redis是内置库，不需要pip安装，所以第一时间就想到使用redis获取转债数据。
简单测试了一下，redis是可以获取数据的。比如随便丢一个字符到redis，然后QMT可以获取到这个字符数据
于是就把原来的策略里，使用requests 调用API的部分，改成redis。
可是运行后发现报错：
2024-09-10 10:05:19,851 [INFO] [0x00000e24] [msg service] msg: 0C:\iquant\python\新建策略文件.py_SH00030021
DataError:Sensitive Data Detected, Forbidden!
报错信息说的很明显，敏感信息检测到，禁止！
居然对redis的数据进行检验，很明显这部分是QMT对redis的源码进行了修改。
于是根据报错的提示，找到 目录：
D:\tool\gjzq_qmt_simulation\bin.x64\Lib\site-packages\redis，下面的client.py
找到对应的行：
的确有一个check_response 的函数用于检测 redis的内容，看正则表达式和变量命名（search_stock），类似股票代码的数据传输被阻止了，检测到之后直接raise Error，程序会停止的。
解决办法，也很简单，直接把这一段 代码删除就好了。
然后需要重启你的QMT，不然修改的代码不会生效。
然后重新运行的你的策略，发现一起正常了。
需要开通QMT和代写量化策略，可以关注公众号： 查看全部
QMT禁止redis获取股票行情数据，如何破解
因为QMT没有转债的规模，而国信iquant本身又把requests 库给封禁了，它无法通过requests 获取任何外部数据，比如访问东财，tushare都会提示访问超时。（后面发现它修改了requests的源码）
于是发现iquant的redis是内置库，不需要pip安装，所以第一时间就想到使用redis获取转债数据。
简单测试了一下，redis是可以获取数据的。比如随便丢一个字符到redis，然后QMT可以获取到这个字符数据
于是就把原来的策略里，使用requests 调用API的部分，改成redis。
可是运行后发现报错：
2024-09-10 10:05:19,851 [INFO] [0x00000e24] [msg service] msg: 0C:\iquant\python\新建策略文件.py_SH00030021
DataError:Sensitive Data Detected, Forbidden!
报错信息说的很明显，敏感信息检测到，禁止！
居然对redis的数据进行检验，很明显这部分是QMT对redis的源码进行了修改。
于是根据报错的提示，找到 目录：
D:\tool\gjzq_qmt_simulation\bin.x64\Lib\site-packages\redis，下面的client.py
找到对应的行：
的确有一个check_response 的函数用于检测 redis的内容，看正则表达式和变量命名（search_stock），类似股票代码的数据传输被阻止了，检测到之后直接raise Error，程序会停止的。
解决办法，也很简单，直接把这一段 代码删除就好了。
然后需要重启你的QMT，不然修改的代码不会生效。
然后重新运行的你的策略，发现一起正常了。
需要开通QMT和代写量化策略，可以关注公众号：
因为QMT没有转债的规模，而国信iquant本身又把requests 库给封禁了，它无法通过requests 获取任何外部数据，比如访问东财，tushare都会提示访问超时。（后面发现它修改了requests的源码）
于是发现iquant的redis是内置库，不需要pip安装，所以第一时间就想到使用redis获取转债数据。
简单测试了一下，redis是可以获取数据的。比如随便丢一个字符到redis，然后QMT可以获取到这个字符数据
于是就把原来的策略里，使用requests 调用API的部分，改成redis。
可是运行后发现报错：
2024-09-10 10:05:19,851 [INFO] [0x00000e24] [msg service] msg: 0C:\iquant\python\新建策略文件.py_SH00030021
DataError:Sensitive Data Detected, Forbidden!
报错信息说的很明显，敏感信息检测到，禁止！
居然对redis的数据进行检验，很明显这部分是QMT对redis的源码进行了修改。
于是根据报错的提示，找到 目录：
D:\tool\gjzq_qmt_simulation\bin.x64\Lib\site-packages\redis，下面的client.py
找到对应的行：
的确有一个check_response 的函数用于检测 redis的内容，看正则表达式和变量命名（search_stock），类似股票代码的数据传输被阻止了，检测到之后直接raise Error，程序会停止的。
解决办法，也很简单，直接把这一段 代码删除就好了。
然后需要重启你的QMT，不然修改的代码不会生效。
然后重新运行的你的策略，发现一起正常了。
需要开通QMT和代写量化策略，可以关注公众号：
QMT的handlebar设置成一分钟周期的时候，运行是3秒一次的
QMT • 李魔佛 发表了文章 • 0 个评论 • 245 次浏览 • 2024-09-13 11:46
平时很少用handlebar驱动。
刚好有个策略是一分钟周期运行的，所以就用了handle驱动。
结果发现，经常查询重复买入。
调试后发现，原来这个handlebar是3m触发一次的。
如果要一分钟运行一次，还是用
ContextInfo.run_time("execution", INTERVAL_STRING, running_time)
INTERVAL_STRING 用1分钟表示。
示例代码：
一分钟打印当前时间：
# -*-coding:gbk-*-
# 作者公众号：可转债量化分析
import datetime
import json
import redis
####### 以下为固定配置，请勿随意修改 ##########
# 注意：程序需要在9：30前启动
START_TIME = '09:30' # 启动时间，可以修改为开盘任意时间9：30-14：57
STOCK_ACCOUNT = '' # 股票账户
INTERVAL_SECOND = 60 # 交易间隔
INTERVAL_STRING = "{}nSecond".format(INTERVAL_SECOND)
def today_date():
return datetime.datetime.now().strftime('%Y%m%d')
def init(ContextInfo):
now = datetime.datetime.now()
print('策略初始化 {}'.format(now))
now = datetime.datetime.now()
running_time = '{} {}'.format(today_date(), START_TIME)
print('策略初始化 {} , 程序启动时间 {}'.format(now, START_TIME))
ContextInfo.run_time("execution", INTERVAL_STRING, running_time)
def handlebar(ContextInfo):
pass
def execution(ContextInfo):
if not ContextInfo.is_last_bar():
return
now = datetime.datetime.now()
print(now)
公众号： 查看全部
刚好有个策略是一分钟周期运行的，所以就用了handle驱动。
结果发现，经常查询重复买入。
调试后发现，原来这个handlebar是3m触发一次的。
如果要一分钟运行一次，还是用
ContextInfo.run_time("execution", INTERVAL_STRING, running_time)
INTERVAL_STRING 用1分钟表示。
示例代码：
一分钟打印当前时间：
# -*-coding:gbk-*-
# 作者公众号：可转债量化分析
import datetime
import json
import redis
####### 以下为固定配置，请勿随意修改 ##########
# 注意：程序需要在9：30前启动
START_TIME = '09:30' # 启动时间，可以修改为开盘任意时间9：30-14：57
STOCK_ACCOUNT = '' # 股票账户
INTERVAL_SECOND = 60 # 交易间隔
INTERVAL_STRING = "{}nSecond".format(INTERVAL_SECOND)
def today_date():
return datetime.datetime.now().strftime('%Y%m%d')
def init(ContextInfo):
now = datetime.datetime.now()
print('策略初始化 {}'.format(now))
now = datetime.datetime.now()
running_time = '{} {}'.format(today_date(), START_TIME)
print('策略初始化 {} , 程序启动时间 {}'.format(now, START_TIME))
ContextInfo.run_time("execution", INTERVAL_STRING, running_time)
def handlebar(ContextInfo):
pass
def execution(ContextInfo):
if not ContextInfo.is_last_bar():
return
now = datetime.datetime.now()
print(now)
公众号： 查看全部
平时很少用handlebar驱动。
刚好有个策略是一分钟周期运行的，所以就用了handle驱动。
结果发现，经常查询重复买入。
调试后发现，原来这个handlebar是3m触发一次的。
如果要一分钟运行一次，还是用
ContextInfo.run_time("execution", INTERVAL_STRING, running_time)
INTERVAL_STRING 用1分钟表示。
示例代码：
一分钟打印当前时间：
公众号：
刚好有个策略是一分钟周期运行的，所以就用了handle驱动。
结果发现，经常查询重复买入。
调试后发现，原来这个handlebar是3m触发一次的。
如果要一分钟运行一次，还是用
ContextInfo.run_time("execution", INTERVAL_STRING, running_time)
INTERVAL_STRING 用1分钟表示。
示例代码：
一分钟打印当前时间：
# -*-coding:gbk-*-
# 作者公众号：可转债量化分析
import datetime
import json
import redis
####### 以下为固定配置，请勿随意修改 ##########
# 注意：程序需要在9：30前启动
START_TIME = '09:30' # 启动时间，可以修改为开盘任意时间9：30-14：57
STOCK_ACCOUNT = '' # 股票账户
INTERVAL_SECOND = 60 # 交易间隔
INTERVAL_STRING = "{}nSecond".format(INTERVAL_SECOND)
def today_date():
return datetime.datetime.now().strftime('%Y%m%d')
def init(ContextInfo):
now = datetime.datetime.now()
print('策略初始化 {}'.format(now))
now = datetime.datetime.now()
running_time = '{} {}'.format(today_date(), START_TIME)
print('策略初始化 {} , 程序启动时间 {}'.format(now, START_TIME))
ContextInfo.run_time("execution", INTERVAL_STRING, running_time)
def handlebar(ContextInfo):
pass
def execution(ContextInfo):
if not ContextInfo.is_last_bar():
return
now = datetime.datetime.now()
print(now)
公众号：
Ptrade回测模式下获取实时的分钟数据：只能使用handle_data，数据不能用get_snapshot
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 211 次浏览 • 2024-09-21 17:32
好久没有使用Ptrade做分钟级别的回测了。
发现有点蛋疼，记录一下。
因为回测模式下，不能使用run_interval 函数；
而run_daily模式，只能在固定时间运行，无法分钟级别。
所以只能使用 handle_data
而在handle_data 里面获取当前的分钟价格数据，也无法使用 get_snapshot ，get_gear_price,函数。
所以只能使用handle_data(Context,data) 里面的data里。
而handle_data 里面的data数据，使用方法如下：
import datetime
target_list = [
'600000.SS',
'000333.SZ'
]
def execution(context, data):
now = context.current_dt.strftime('%H:%M')
for code in target_list:
tick_info = data[code]
price = tick_info['price']
print('now: {} code : {} price:{}'.format(now,code ,price))
# 标准
def initialize(context):
log.info("公众号：可转债量化分析 ---- start ----")
def handle_data(context, data):
execution(context, data)
获取数据结果：2024-09-20 14:42:00 - INFO - now: 14:42 code : 000333.SZ price:66.22
2024-09-20 14:43:00 - INFO - now: 14:43 code : 000333.SZ price:66.26
2024-09-20 14:44:00 - INFO - now: 14:44 code : 000333.SZ price:66.19
2024-09-20 14:45:00 - INFO - now: 14:45 code : 000333.SZ price:66.2
2024-09-20 14:46:00 - INFO - now: 14:46 code : 000333.SZ price:66.19
2024-09-20 14:47:00 - INFO - now: 14:47 code : 000333.SZ price:66.18
2024-09-20 14:48:00 - INFO - now: 14:48 code : 000333.SZ price:66.14
2024-09-20 14:49:00 - INFO - now: 14:49 code : 000333.SZ price:66.25
2024-09-20 14:50:00 - INFO - now: 14:50 code : 000333.SZ price:66.19
2024-09-20 14:51:00 - INFO - now: 14:51 code : 000333.SZ price:66.18
2024-09-20 14:52:00 - INFO - now: 14:52 code : 000333.SZ price:66.19
2024-09-20 14:53:00 - INFO - now: 14:53 code : 000333.SZ price:66.2
2024-09-20 14:54:00 - INFO - now: 14:54 code : 000333.SZ price:66.19
2024-09-20 14:55:00 - INFO - now: 14:55 code : 000333.SZ price:66.25
2024-09-20 14:56:00 - INFO - now: 14:56 code : 000333.SZ price:66.27
2024-09-20 14:57:00 - INFO - now: 14:57 code : 000333.SZ price:66.28
2024-09-20 14:58:00 - INFO - now: 14:58 code : 000333.SZ price:66.28
2024-09-20 14:59:00 - INFO - now: 14:59 code : 000333.SZ price:66.28
2024-09-20 15:00:00 - INFO - now: 15:00 code : 000333.SZ price:66.06
用同花顺，对了一下结果，是满足的了。
查看全部
发现有点蛋疼，记录一下。
因为回测模式下，不能使用run_interval 函数；
而run_daily模式，只能在固定时间运行，无法分钟级别。
所以只能使用 handle_data
而在handle_data 里面获取当前的分钟价格数据，也无法使用 get_snapshot ，get_gear_price,函数。
所以只能使用handle_data(Context,data) 里面的data里。
而handle_data 里面的data数据，使用方法如下：
import datetime
target_list = [
'600000.SS',
'000333.SZ'
]
def execution(context, data):
now = context.current_dt.strftime('%H:%M')
for code in target_list:
tick_info = data[code]
price = tick_info['price']
print('now: {} code : {} price:{}'.format(now,code ,price))
# 标准
def initialize(context):
log.info("公众号：可转债量化分析 ---- start ----")
def handle_data(context, data):
execution(context, data)
获取数据结果：2024-09-20 14:42:00 - INFO - now: 14:42 code : 000333.SZ price:66.22
2024-09-20 14:43:00 - INFO - now: 14:43 code : 000333.SZ price:66.26
2024-09-20 14:44:00 - INFO - now: 14:44 code : 000333.SZ price:66.19
2024-09-20 14:45:00 - INFO - now: 14:45 code : 000333.SZ price:66.2
2024-09-20 14:46:00 - INFO - now: 14:46 code : 000333.SZ price:66.19
2024-09-20 14:47:00 - INFO - now: 14:47 code : 000333.SZ price:66.18
2024-09-20 14:48:00 - INFO - now: 14:48 code : 000333.SZ price:66.14
2024-09-20 14:49:00 - INFO - now: 14:49 code : 000333.SZ price:66.25
2024-09-20 14:50:00 - INFO - now: 14:50 code : 000333.SZ price:66.19
2024-09-20 14:51:00 - INFO - now: 14:51 code : 000333.SZ price:66.18
2024-09-20 14:52:00 - INFO - now: 14:52 code : 000333.SZ price:66.19
2024-09-20 14:53:00 - INFO - now: 14:53 code : 000333.SZ price:66.2
2024-09-20 14:54:00 - INFO - now: 14:54 code : 000333.SZ price:66.19
2024-09-20 14:55:00 - INFO - now: 14:55 code : 000333.SZ price:66.25
2024-09-20 14:56:00 - INFO - now: 14:56 code : 000333.SZ price:66.27
2024-09-20 14:57:00 - INFO - now: 14:57 code : 000333.SZ price:66.28
2024-09-20 14:58:00 - INFO - now: 14:58 code : 000333.SZ price:66.28
2024-09-20 14:59:00 - INFO - now: 14:59 code : 000333.SZ price:66.28
2024-09-20 15:00:00 - INFO - now: 15:00 code : 000333.SZ price:66.06
用同花顺，对了一下结果，是满足的了。
查看全部
好久没有使用Ptrade做分钟级别的回测了。
发现有点蛋疼，记录一下。
因为回测模式下，不能使用run_interval 函数；
而run_daily模式，只能在固定时间运行，无法分钟级别。
所以只能使用 handle_data
而在handle_data 里面获取当前的分钟价格数据，也无法使用 get_snapshot ，get_gear_price,函数。
所以只能使用handle_data(Context,data) 里面的data里。
而handle_data 里面的data数据，使用方法如下：
获取数据结果：
用同花顺，对了一下结果，是满足的了。
发现有点蛋疼，记录一下。
因为回测模式下，不能使用run_interval 函数；
而run_daily模式，只能在固定时间运行，无法分钟级别。
所以只能使用 handle_data
而在handle_data 里面获取当前的分钟价格数据，也无法使用 get_snapshot ，get_gear_price,函数。
所以只能使用handle_data(Context,data) 里面的data里。
而handle_data 里面的data数据，使用方法如下：
import datetime
target_list = [
'600000.SS',
'000333.SZ'
]
def execution(context, data):
now = context.current_dt.strftime('%H:%M')
for code in target_list:
tick_info = data[code]
price = tick_info['price']
print('now: {} code : {} price:{}'.format(now,code ,price))
# 标准
def initialize(context):
log.info("公众号：可转债量化分析 ---- start ----")
def handle_data(context, data):
execution(context, data)
获取数据结果：
2024-09-20 14:42:00 - INFO - now: 14:42 code : 000333.SZ price:66.22
2024-09-20 14:43:00 - INFO - now: 14:43 code : 000333.SZ price:66.26
2024-09-20 14:44:00 - INFO - now: 14:44 code : 000333.SZ price:66.19
2024-09-20 14:45:00 - INFO - now: 14:45 code : 000333.SZ price:66.2
2024-09-20 14:46:00 - INFO - now: 14:46 code : 000333.SZ price:66.19
2024-09-20 14:47:00 - INFO - now: 14:47 code : 000333.SZ price:66.18
2024-09-20 14:48:00 - INFO - now: 14:48 code : 000333.SZ price:66.14
2024-09-20 14:49:00 - INFO - now: 14:49 code : 000333.SZ price:66.25
2024-09-20 14:50:00 - INFO - now: 14:50 code : 000333.SZ price:66.19
2024-09-20 14:51:00 - INFO - now: 14:51 code : 000333.SZ price:66.18
2024-09-20 14:52:00 - INFO - now: 14:52 code : 000333.SZ price:66.19
2024-09-20 14:53:00 - INFO - now: 14:53 code : 000333.SZ price:66.2
2024-09-20 14:54:00 - INFO - now: 14:54 code : 000333.SZ price:66.19
2024-09-20 14:55:00 - INFO - now: 14:55 code : 000333.SZ price:66.25
2024-09-20 14:56:00 - INFO - now: 14:56 code : 000333.SZ price:66.27
2024-09-20 14:57:00 - INFO - now: 14:57 code : 000333.SZ price:66.28
2024-09-20 14:58:00 - INFO - now: 14:58 code : 000333.SZ price:66.28
2024-09-20 14:59:00 - INFO - now: 14:59 code : 000333.SZ price:66.28
2024-09-20 15:00:00 - INFO - now: 15:00 code : 000333.SZ price:66.06
用同花顺，对了一下结果，是满足的了。
QMT获取不到行情，一般是什么原因？或者获取行情有中断的情况
QMT • 李魔佛 发表了文章 • 0 个评论 • 113 次浏览 • 2024-09-29 10:27
8-9成原因是 因为你选择的行情服务器掉线了
或者你获取的5档tick行情，但是你的行情菜单那里，选择的是 最新价，这样你也是无法获取到 5档tick数据的。
然后还有一个问题，如果你用get_market_data 或者get_market_data_ex 这个函数，获取的股票数量很多（比如全市场的股票），那么第一次的启动数据会非常的慢，并且你的内存消耗非常大，整个QMT像死机了一样。
如何解决？ 下回分解
查看全部
或者你获取的5档tick行情，但是你的行情菜单那里，选择的是 最新价，这样你也是无法获取到 5档tick数据的。
然后还有一个问题，如果你用get_market_data 或者get_market_data_ex 这个函数，获取的股票数量很多（比如全市场的股票），那么第一次的启动数据会非常的慢，并且你的内存消耗非常大，整个QMT像死机了一样。
如何解决？ 下回分解
查看全部
8-9成原因是 因为你选择的行情服务器掉线了
或者你获取的5档tick行情，但是你的行情菜单那里，选择的是 最新价，这样你也是无法获取到 5档tick数据的。
然后还有一个问题，如果你用get_market_data 或者get_market_data_ex 这个函数，获取的股票数量很多（比如全市场的股票），那么第一次的启动数据会非常的慢，并且你的内存消耗非常大，整个QMT像死机了一样。
如何解决？ 下回分解
或者你获取的5档tick行情，但是你的行情菜单那里，选择的是 最新价，这样你也是无法获取到 5档tick数据的。
然后还有一个问题，如果你用get_market_data 或者get_market_data_ex 这个函数，获取的股票数量很多（比如全市场的股票），那么第一次的启动数据会非常的慢，并且你的内存消耗非常大，整个QMT像死机了一样。
如何解决？ 下回分解
LOF基金出现大量套利机会，微信发送套利提示机会
李魔佛 发表了文章 • 0 个评论 • 47 次浏览 • 2024-10-05 17:54
节前A股行情火爆，节中港股继续开市，港股行情火爆。
对于踏空的投资来说，简直比满仓套牢还难受。
虽然行情火爆，但头脑依然要保持清醒，不要看到什么热门就一股脑冲进去。
错误的方式，让你赚到了大钱，实际会后患无穷。
“有勇敢的飞行员，有年老的飞行员，但鲜有勇敢的年老飞行员"
行情爆发，大部分人连指数都追不上，所以索性直接打板指数。以至于各种指数10CM，甚至20CM。
实际指数的成分股并没有出现全部涨停那么夸张。
所以这时出现不少溢价的LOF基金，基金价格高于其净值。于是就出现了套利的机会。
溢价率越高，其安全垫也就越高。对于当前空仓或者轻仓的投资者而言，是一个不错的介入机会。（具体套利操作就是，场内净值申购，T+2或者T+3到账后，场内现价卖出）
这里笔者根据之前的LOF监控程序，程序自动获取限购-溢价LOF基金套利，并推送到微信消息，获取了目前溢价率大于5%的LOF基金，然后按照其成交量从大到小排序，得到下表：
成交量越大的，说明该LOF越活跃，这样就不至于在套利大军进场的时候，承接不住，被砸到跌停出不去。
目前成交量最大的是中概互联LOF164906，成交量1.9亿。成交量最少的是鼎弘LOF167003，成交量只有4万块不到，即使有14%的溢价率的肉垫，但容量太少，随便一个大户砸下来就跌停了。
所以这里也建议要介入额投资者，不仅仅只看溢价率，同时也要关注成交量。
同时也要注意申购状态那一列，积极配置FOF和原油LOF易方达 目前处于暂停申购状态，也就是当前是无法进行套利的。
而恒生LOF 是限购状态，限购5000元，因为港股假期猛涨了一波，所以大概率这个基金周二开盘会直接顶住涨停的。该基金是深市基金，可以6+1拖拉机拉满。申购7户，35000元。
结合之前的程序，LOF溢价率监控+微信推送，可以做到收盘前推送数据：
当然你用飞书，钉钉也行。如果要用微信，早期开通的api还能继续用，新开的就需要备案的服务器了，手续就麻烦一点。
广告时间：需要低佣免5开户的可以公众号菜单联系，支持Ptrade，QMT，miniQMT，套利拖拉机。
查看全部
对于踏空的投资来说，简直比满仓套牢还难受。
虽然行情火爆，但头脑依然要保持清醒，不要看到什么热门就一股脑冲进去。
错误的方式，让你赚到了大钱，实际会后患无穷。
“有勇敢的飞行员，有年老的飞行员，但鲜有勇敢的年老飞行员"
行情爆发，大部分人连指数都追不上，所以索性直接打板指数。以至于各种指数10CM，甚至20CM。
实际指数的成分股并没有出现全部涨停那么夸张。
所以这时出现不少溢价的LOF基金，基金价格高于其净值。于是就出现了套利的机会。
溢价率越高，其安全垫也就越高。对于当前空仓或者轻仓的投资者而言，是一个不错的介入机会。（具体套利操作就是，场内净值申购，T+2或者T+3到账后，场内现价卖出）
这里笔者根据之前的LOF监控程序，程序自动获取限购-溢价LOF基金套利，并推送到微信消息，获取了目前溢价率大于5%的LOF基金，然后按照其成交量从大到小排序，得到下表：
成交量越大的，说明该LOF越活跃，这样就不至于在套利大军进场的时候，承接不住，被砸到跌停出不去。
目前成交量最大的是中概互联LOF164906，成交量1.9亿。成交量最少的是鼎弘LOF167003，成交量只有4万块不到，即使有14%的溢价率的肉垫，但容量太少，随便一个大户砸下来就跌停了。
所以这里也建议要介入额投资者，不仅仅只看溢价率，同时也要关注成交量。
同时也要注意申购状态那一列，积极配置FOF和原油LOF易方达 目前处于暂停申购状态，也就是当前是无法进行套利的。
而恒生LOF 是限购状态，限购5000元，因为港股假期猛涨了一波，所以大概率这个基金周二开盘会直接顶住涨停的。该基金是深市基金，可以6+1拖拉机拉满。申购7户，35000元。
结合之前的程序，LOF溢价率监控+微信推送，可以做到收盘前推送数据：
当然你用飞书，钉钉也行。如果要用微信，早期开通的api还能继续用，新开的就需要备案的服务器了，手续就麻烦一点。
广告时间：需要低佣免5开户的可以公众号菜单联系，支持Ptrade，QMT，miniQMT，套利拖拉机。
查看全部
节前A股行情火爆，节中港股继续开市，港股行情火爆。
对于踏空的投资来说，简直比满仓套牢还难受。
虽然行情火爆，但头脑依然要保持清醒，不要看到什么热门就一股脑冲进去。
错误的方式，让你赚到了大钱，实际会后患无穷。
“有勇敢的飞行员，有年老的飞行员，但鲜有勇敢的年老飞行员"
行情爆发，大部分人连指数都追不上，所以索性直接打板指数。以至于各种指数10CM，甚至20CM。
实际指数的成分股并没有出现全部涨停那么夸张。
所以这时出现不少溢价的LOF基金，基金价格高于其净值。于是就出现了套利的机会。
溢价率越高，其安全垫也就越高。对于当前空仓或者轻仓的投资者而言，是一个不错的介入机会。（具体套利操作就是，场内净值申购，T+2或者T+3到账后，场内现价卖出）
这里笔者根据之前的LOF监控程序，程序自动获取限购-溢价LOF基金套利，并推送到微信消息，获取了目前溢价率大于5%的LOF基金，然后按照其成交量从大到小排序，得到下表：
成交量越大的，说明该LOF越活跃，这样就不至于在套利大军进场的时候，承接不住，被砸到跌停出不去。
目前成交量最大的是中概互联LOF164906，成交量1.9亿。成交量最少的是鼎弘LOF167003，成交量只有4万块不到，即使有14%的溢价率的肉垫，但容量太少，随便一个大户砸下来就跌停了。
所以这里也建议要介入额投资者，不仅仅只看溢价率，同时也要关注成交量。
同时也要注意申购状态那一列，积极配置FOF和原油LOF易方达 目前处于暂停申购状态，也就是当前是无法进行套利的。
而恒生LOF 是限购状态，限购5000元，因为港股假期猛涨了一波，所以大概率这个基金周二开盘会直接顶住涨停的。该基金是深市基金，可以6+1拖拉机拉满。申购7户，35000元。
结合之前的程序，LOF溢价率监控+微信推送，可以做到收盘前推送数据：
当然你用飞书，钉钉也行。如果要用微信，早期开通的api还能继续用，新开的就需要备案的服务器了，手续就麻烦一点。
广告时间：需要低佣免5开户的可以公众号菜单联系，支持Ptrade，QMT，miniQMT，套利拖拉机。
对于踏空的投资来说，简直比满仓套牢还难受。
虽然行情火爆，但头脑依然要保持清醒，不要看到什么热门就一股脑冲进去。
错误的方式，让你赚到了大钱，实际会后患无穷。
“有勇敢的飞行员，有年老的飞行员，但鲜有勇敢的年老飞行员"
行情爆发，大部分人连指数都追不上，所以索性直接打板指数。以至于各种指数10CM，甚至20CM。
实际指数的成分股并没有出现全部涨停那么夸张。
所以这时出现不少溢价的LOF基金，基金价格高于其净值。于是就出现了套利的机会。
溢价率越高，其安全垫也就越高。对于当前空仓或者轻仓的投资者而言，是一个不错的介入机会。（具体套利操作就是，场内净值申购，T+2或者T+3到账后，场内现价卖出）
这里笔者根据之前的LOF监控程序，程序自动获取限购-溢价LOF基金套利，并推送到微信消息，获取了目前溢价率大于5%的LOF基金，然后按照其成交量从大到小排序，得到下表：
成交量越大的，说明该LOF越活跃，这样就不至于在套利大军进场的时候，承接不住，被砸到跌停出不去。
目前成交量最大的是中概互联LOF164906，成交量1.9亿。成交量最少的是鼎弘LOF167003，成交量只有4万块不到，即使有14%的溢价率的肉垫，但容量太少，随便一个大户砸下来就跌停了。
所以这里也建议要介入额投资者，不仅仅只看溢价率，同时也要关注成交量。
同时也要注意申购状态那一列，积极配置FOF和原油LOF易方达 目前处于暂停申购状态，也就是当前是无法进行套利的。
而恒生LOF 是限购状态，限购5000元，因为港股假期猛涨了一波，所以大概率这个基金周二开盘会直接顶住涨停的。该基金是深市基金，可以6+1拖拉机拉满。申购7户，35000元。
结合之前的程序，LOF溢价率监控+微信推送，可以做到收盘前推送数据：
当然你用飞书，钉钉也行。如果要用微信，早期开通的api还能继续用，新开的就需要备案的服务器了，手续就麻烦一点。
广告时间：需要低佣免5开户的可以公众号菜单联系，支持Ptrade，QMT，miniQMT，套利拖拉机。
