通知设置 新通知
国金证券的融券数量多吗？什么是专项券源？
股票 • 李魔佛 发表了文章 • 0 个评论 • 160 次浏览 • 2024-03-30 17:13
因为国金的两融开通太方便了，不用跑柜台。app就可以开通，而且融资利率低，5%。
那么融券呢？
今天特意问了下经理，他发了一个融券的表格给我。
目前国金里面一般开通了融资融券的投资者，可用的券源有290个左右，随借随还的。说实话，这个数量不算太多。
而且里面的个股，部分也只能融100股，几百股的。所以即使被你融到券，实际下来的绝对收益也不会太高。
不过它也有一个专项券源。
它有资金要求，前20个交易日日均资产不低于300万元，才能够申请。
发现里面的券，主要是深圳交易所的为主，占了90%以上。
而且专项券源里面的可融券数量也比普通券源的要多很多，几千股，上万股的。
公共券源 ：
实时可借 ，随时可融券卖出， 随借随还，融券卖出开仓后最快下一交易日方可归还融券负债 信用账户融券费率 按使用天数计息，算头不算尾
操作步骤： 融券卖出（所有客户端）
专项券源：
实时可借 ，审批划拨成功后当日专项融券卖出， 固定期限（一般28天以内），不可提前归还 ；
专项融券头寸占用费率 ： 按专项头寸合约期限计息，不论合约期限内客户是否使用券源，均需支付专项头寸合约占用利息，算头算尾
操作步骤：
第1步：专项融券头寸申请（佣金宝APP/国金太阳至强版）
第2步：专项融券卖出（佣金宝APP/国金太阳至强版）
查看全部
那么融券呢？
今天特意问了下经理，他发了一个融券的表格给我。
目前国金里面一般开通了融资融券的投资者，可用的券源有290个左右，随借随还的。说实话，这个数量不算太多。
而且里面的个股，部分也只能融100股，几百股的。所以即使被你融到券，实际下来的绝对收益也不会太高。
不过它也有一个专项券源。
它有资金要求，前20个交易日日均资产不低于300万元，才能够申请。
发现里面的券，主要是深圳交易所的为主，占了90%以上。
而且专项券源里面的可融券数量也比普通券源的要多很多，几千股，上万股的。
公共券源 ：
实时可借 ，随时可融券卖出， 随借随还，融券卖出开仓后最快下一交易日方可归还融券负债 信用账户融券费率 按使用天数计息，算头不算尾
操作步骤： 融券卖出（所有客户端）
专项券源：
实时可借 ，审批划拨成功后当日专项融券卖出， 固定期限（一般28天以内），不可提前归还 ；
专项融券头寸占用费率 ： 按专项头寸合约期限计息，不论合约期限内客户是否使用券源，均需支付专项头寸合约占用利息，算头算尾
操作步骤：
第1步：专项融券头寸申请（佣金宝APP/国金太阳至强版）
第2步：专项融券卖出（佣金宝APP/国金太阳至强版）
查看全部
因为国金的两融开通太方便了，不用跑柜台。app就可以开通，而且融资利率低，5%。
那么融券呢？
今天特意问了下经理，他发了一个融券的表格给我。
目前国金里面一般开通了融资融券的投资者，可用的券源有290个左右，随借随还的。说实话，这个数量不算太多。
而且里面的个股，部分也只能融100股，几百股的。所以即使被你融到券，实际下来的绝对收益也不会太高。
不过它也有一个专项券源。
它有资金要求，前20个交易日日均资产不低于300万元，才能够申请。
发现里面的券，主要是深圳交易所的为主，占了90%以上。
而且专项券源里面的可融券数量也比普通券源的要多很多，几千股，上万股的。
公共券源 ：
实时可借 ，随时可融券卖出， 随借随还，融券卖出开仓后最快下一交易日方可归还融券负债 信用账户融券费率 按使用天数计息，算头不算尾
操作步骤： 融券卖出（所有客户端）
专项券源：
实时可借 ，审批划拨成功后当日专项融券卖出， 固定期限（一般28天以内），不可提前归还 ；
专项融券头寸占用费率 ： 按专项头寸合约期限计息，不论合约期限内客户是否使用券源，均需支付专项头寸合约占用利息，算头算尾
操作步骤：
第1步：专项融券头寸申请（佣金宝APP/国金太阳至强版）
第2步：专项融券卖出（佣金宝APP/国金太阳至强版）
那么融券呢？
今天特意问了下经理，他发了一个融券的表格给我。
目前国金里面一般开通了融资融券的投资者，可用的券源有290个左右，随借随还的。说实话，这个数量不算太多。
而且里面的个股，部分也只能融100股，几百股的。所以即使被你融到券，实际下来的绝对收益也不会太高。
不过它也有一个专项券源。
它有资金要求，前20个交易日日均资产不低于300万元，才能够申请。
发现里面的券，主要是深圳交易所的为主，占了90%以上。
而且专项券源里面的可融券数量也比普通券源的要多很多，几千股，上万股的。
公共券源 ：
实时可借 ，随时可融券卖出， 随借随还，融券卖出开仓后最快下一交易日方可归还融券负债 信用账户融券费率 按使用天数计息，算头不算尾
操作步骤： 融券卖出（所有客户端）
专项券源：
实时可借 ，审批划拨成功后当日专项融券卖出， 固定期限（一般28天以内），不可提前归还 ；
专项融券头寸占用费率 ： 按专项头寸合约期限计息，不论合约期限内客户是否使用券源，均需支付专项头寸合约占用利息，算头算尾
操作步骤：
第1步：专项融券头寸申请（佣金宝APP/国金太阳至强版）
第2步：专项融券卖出（佣金宝APP/国金太阳至强版）
不同券商的数据质量简单对比：国金QMT vs 国信QMT（iquant）
QMT • 李魔佛 发表了文章 • 0 个评论 • 226 次浏览 • 2024-03-31 11:57
同一段代码，先在国信上跑回测，先获取可转债的1分钟的分笔数据，发现一些时间段里的成交额居然是0. （数据已经先下载好了）
点击打开大图
上面的amount字段（成交额），返回的是0。
看了一下对应的转债，没有停牌，是有正常数据交易的。
然后用国金的QMT记性交叉验证。同样的代码
点击打开大图
国金的是正常的。只是成交量的小数浮点位是不是有点多了？ 可能用的numy的默认9位，没有做处理而已。
【在写这个文章的时候发现国信的qmt的volume成交量是有数据的，那么其实可以用价格x成交量=成交额，间接获取成交额，大坑】
点击打开大图
附测试源码：
# coding:gbk
# 公众号:可转债量化分析
DEBUG = True
import time
def get_datetime(ContextInfo):
# 获取当前时间
index = ContextInfo.barpos
realtime = ContextInfo.get_bar_timetag(index)
date = timetag_to_datetime(realtime, "%Y-%m-%d %H:%M:%S")
if DEBUG:
print('当前日期 ', date)
return date
def init(ContextInfo):
print("==============start==========")
ContextInfo.start = '2024-03-27 10:00:00'
ContextInfo.end = '2024-03-29 10:00:00'
#
#ContextInfo.end = '2023-01-05'
#ContextInfo.start = '2023-01-16'
print('init')
def handlebar(ContextInfo):
# 回测的时候不需要
#if not ContextInfo.is_last_bar():
# print('return')
# return
get_datetime(ContextInfo)
print('handlebar')
data = ContextInfo.get_market_data(['quoter'], stock_code = ['123167.SZ'], skip_paused = True, period = 'tick', dividend_type = 'front')
#data = ContextInfo.get_market_data(['close'], stock_code = ['113567.SH'], skip_paused = True, period = '1d', dividend_type = 'front')
#print(type(data))
print(data)
def stop(ContextInfo):
print( 'strategy is stop !') 查看全部
点击打开大图
上面的amount字段（成交额），返回的是0。
看了一下对应的转债，没有停牌，是有正常数据交易的。
然后用国金的QMT记性交叉验证。同样的代码
点击打开大图
国金的是正常的。只是成交量的小数浮点位是不是有点多了？ 可能用的numy的默认9位，没有做处理而已。
【在写这个文章的时候发现国信的qmt的volume成交量是有数据的，那么其实可以用价格x成交量=成交额，间接获取成交额，大坑】
点击打开大图
附测试源码：
# coding:gbk
# 公众号:可转债量化分析
DEBUG = True
import time
def get_datetime(ContextInfo):
# 获取当前时间
index = ContextInfo.barpos
realtime = ContextInfo.get_bar_timetag(index)
date = timetag_to_datetime(realtime, "%Y-%m-%d %H:%M:%S")
if DEBUG:
print('当前日期 ', date)
return date
def init(ContextInfo):
print("==============start==========")
ContextInfo.start = '2024-03-27 10:00:00'
ContextInfo.end = '2024-03-29 10:00:00'
#
#ContextInfo.end = '2023-01-05'
#ContextInfo.start = '2023-01-16'
print('init')
def handlebar(ContextInfo):
# 回测的时候不需要
#if not ContextInfo.is_last_bar():
# print('return')
# return
get_datetime(ContextInfo)
print('handlebar')
data = ContextInfo.get_market_data(['quoter'], stock_code = ['123167.SZ'], skip_paused = True, period = 'tick', dividend_type = 'front')
#data = ContextInfo.get_market_data(['close'], stock_code = ['113567.SH'], skip_paused = True, period = '1d', dividend_type = 'front')
#print(type(data))
print(data)
def stop(ContextInfo):
print( 'strategy is stop !') 查看全部
同一段代码，先在国信上跑回测，先获取可转债的1分钟的分笔数据，发现一些时间段里的成交额居然是0. （数据已经先下载好了）
点击打开大图
上面的amount字段（成交额），返回的是0。
看了一下对应的转债，没有停牌，是有正常数据交易的。
然后用国金的QMT记性交叉验证。同样的代码
点击打开大图
国金的是正常的。只是成交量的小数浮点位是不是有点多了？ 可能用的numy的默认9位，没有做处理而已。
【在写这个文章的时候发现国信的qmt的volume成交量是有数据的，那么其实可以用价格x成交量=成交额，间接获取成交额，大坑】
点击打开大图
附测试源码：
点击打开大图
上面的amount字段（成交额），返回的是0。
看了一下对应的转债，没有停牌，是有正常数据交易的。
然后用国金的QMT记性交叉验证。同样的代码
点击打开大图
国金的是正常的。只是成交量的小数浮点位是不是有点多了？ 可能用的numy的默认9位，没有做处理而已。
【在写这个文章的时候发现国信的qmt的volume成交量是有数据的，那么其实可以用价格x成交量=成交额，间接获取成交额，大坑】
点击打开大图
附测试源码：
# coding:gbk
# 公众号:可转债量化分析
DEBUG = True
import time
def get_datetime(ContextInfo):
# 获取当前时间
index = ContextInfo.barpos
realtime = ContextInfo.get_bar_timetag(index)
date = timetag_to_datetime(realtime, "%Y-%m-%d %H:%M:%S")
if DEBUG:
print('当前日期 ', date)
return date
def init(ContextInfo):
print("==============start==========")
ContextInfo.start = '2024-03-27 10:00:00'
ContextInfo.end = '2024-03-29 10:00:00'
#
#ContextInfo.end = '2023-01-05'
#ContextInfo.start = '2023-01-16'
print('init')
def handlebar(ContextInfo):
# 回测的时候不需要
#if not ContextInfo.is_last_bar():
# print('return')
# return
get_datetime(ContextInfo)
print('handlebar')
data = ContextInfo.get_market_data(['quoter'], stock_code = ['123167.SZ'], skip_paused = True, period = 'tick', dividend_type = 'front')
#data = ContextInfo.get_market_data(['close'], stock_code = ['113567.SH'], skip_paused = True, period = '1d', dividend_type = 'front')
#print(type(data))
print(data)
def stop(ContextInfo):
print( 'strategy is stop !')
QMT每次自动升级，都会把改过的配置文件给覆盖掉
QMT • 李魔佛 发表了文章 • 0 个评论 • 155 次浏览 • 2024-03-31 14:23
太业余。
感觉设计模式有问题。
本来我配置了缩进用的4个空格，（这是pep8的标准好吧）
而qmt默认是用tab做缩进。
导致从vs code或者pycharm上的代码迁移迁移过来qmt的编辑器，你按tab键，是制表符，而不是4个空格。
运行或者回测就会报错。
每次升级都把我的配置给改了。
难道不覆盖config文件不行吗？ 每次类似全量升级，一点点bug fix都在全量升级
查看全部
感觉设计模式有问题。
本来我配置了缩进用的4个空格，（这是pep8的标准好吧）
而qmt默认是用tab做缩进。
导致从vs code或者pycharm上的代码迁移迁移过来qmt的编辑器，你按tab键，是制表符，而不是4个空格。
运行或者回测就会报错。
每次升级都把我的配置给改了。
难道不覆盖config文件不行吗？ 每次类似全量升级，一点点bug fix都在全量升级
查看全部
太业余。
感觉设计模式有问题。
本来我配置了缩进用的4个空格，（这是pep8的标准好吧）
而qmt默认是用tab做缩进。
导致从vs code或者pycharm上的代码迁移迁移过来qmt的编辑器，你按tab键，是制表符，而不是4个空格。
运行或者回测就会报错。
每次升级都把我的配置给改了。
难道不覆盖config文件不行吗？ 每次类似全量升级，一点点bug fix都在全量升级
感觉设计模式有问题。
本来我配置了缩进用的4个空格，（这是pep8的标准好吧）
而qmt默认是用tab做缩进。
导致从vs code或者pycharm上的代码迁移迁移过来qmt的编辑器，你按tab键，是制表符，而不是4个空格。
运行或者回测就会报错。
每次升级都把我的配置给改了。
难道不覆盖config文件不行吗？ 每次类似全量升级，一点点bug fix都在全量升级
qmt下载完数据之后，记得重启一次qmt，不然get_market_data_ex依然还是获取不到数据的
QMT • 李魔佛 发表了文章 • 0 个评论 • 143 次浏览 • 2024-04-01 13:38
最近群里问这个问题的人比较多。
qmt下载完数据之后，get_market_data_ex依然还是获取不到数据。
其实主要数据没有刷新。
只需要你手动关闭QMT，再打开一次就好了。
反正呢，这些问题，QMT也不会告诉你，要靠自己摸索了。
欢迎收藏网站哦！ 查看全部
qmt下载完数据之后，get_market_data_ex依然还是获取不到数据。
其实主要数据没有刷新。
只需要你手动关闭QMT，再打开一次就好了。
反正呢，这些问题，QMT也不会告诉你，要靠自己摸索了。
欢迎收藏网站哦！ 查看全部
最近群里问这个问题的人比较多。
qmt下载完数据之后，get_market_data_ex依然还是获取不到数据。
其实主要数据没有刷新。
只需要你手动关闭QMT，再打开一次就好了。
反正呢，这些问题，QMT也不会告诉你，要靠自己摸索了。
欢迎收藏网站哦！
qmt下载完数据之后，get_market_data_ex依然还是获取不到数据。
其实主要数据没有刷新。
只需要你手动关闭QMT，再打开一次就好了。
反正呢，这些问题，QMT也不会告诉你，要靠自己摸索了。
欢迎收藏网站哦！
QMT回测会跳过当前的周六日和节假日吗
QMT • 李魔佛 发表了文章 • 0 个评论 • 93 次浏览 • 2024-04-09 13:13
使用的handle_bar进行回测，它是会自动跳过周六日和节假日的。
比如回测日期选择 2024年3月28日到2024年4月2日。
其中3月30日和31日是周六日。
下面回测的数据是不执行这两天的数据。从3月30日 15:00的数据，下一个bar就是4月1日09:30了
需要低门槛开通量化QMT，Ptrade，可以扫码联系。
开通后可加入技术交流群。 查看全部
比如回测日期选择 2024年3月28日到2024年4月2日。
其中3月30日和31日是周六日。
下面回测的数据是不执行这两天的数据。从3月30日 15:00的数据，下一个bar就是4月1日09:30了
需要低门槛开通量化QMT，Ptrade，可以扫码联系。
开通后可加入技术交流群。 查看全部
使用的handle_bar进行回测，它是会自动跳过周六日和节假日的。
比如回测日期选择 2024年3月28日到2024年4月2日。
其中3月30日和31日是周六日。
下面回测的数据是不执行这两天的数据。从3月30日 15:00的数据，下一个bar就是4月1日09:30了
需要低门槛开通量化QMT，Ptrade，可以扫码联系。
开通后可加入技术交流群。
比如回测日期选择 2024年3月28日到2024年4月2日。
其中3月30日和31日是周六日。
下面回测的数据是不执行这两天的数据。从3月30日 15:00的数据，下一个bar就是4月1日09:30了
需要低门槛开通量化QMT，Ptrade，可以扫码联系。
开通后可加入技术交流群。
使用量化程序获取ETF的成分股与实时净值
QMT • 李魔佛 发表了文章 • 0 个评论 • 93 次浏览 • 2024-04-11 12:22
代码只有几行：
# coding:gbk
def init(C):
pass
def handlebar(C):
iopv = get_etf_iopv("159928.SZ")
print(f'基金净值为{iopv}')
info = get_etf_info('513520.SH')
print(f'基金申购信息： {info}')
得到的数据如下：
需要开通低门槛量化QMT的朋友，可以扫码关注公众号开通： 查看全部
# coding:gbk
def init(C):
pass
def handlebar(C):
iopv = get_etf_iopv("159928.SZ")
print(f'基金净值为{iopv}')
info = get_etf_info('513520.SH')
print(f'基金申购信息： {info}')
得到的数据如下：
需要开通低门槛量化QMT的朋友，可以扫码关注公众号开通： 查看全部
代码只有几行：
得到的数据如下：
需要开通低门槛量化QMT的朋友，可以扫码关注公众号开通：
# coding:gbk
def init(C):
pass
def handlebar(C):
iopv = get_etf_iopv("159928.SZ")
print(f'基金净值为{iopv}')
info = get_etf_info('513520.SH')
print(f'基金申购信息： {info}')
得到的数据如下：
需要开通低门槛量化QMT的朋友，可以扫码关注公众号开通：
国盛证券的Ptrade数据无论是回测还是实盘很有问题，前复权不正确，数据断崖
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 80 次浏览 • 2024-04-18 00:19
连基本的历史数据都无法保证数据正确。
举个例子，比如 煤炭ETF 515220，
在4月12日进行的除权，1股变2股，因此，所以4月12日之后的价格会是原来的1/2，如果做前复权，那么前面的价格也都是要根据当前的价格做复权处理。
结果国盛的ptrade的历史数据，取的是前复权数据，前复权数据，（重点强调），在4月12日的的时候就出现了断崖。也就是没有做复权的处理。
测试代码很简单：
def initialize(context):
run_daily(context, event, '09:38')
def handle_data(context, data):
pass
def event(context):
his60 = get_history(60, '1d', ['close'], ['515220.SS'], fq='pre', include=False)
print(his60)运行时间改成任意的就行。
获取历史数据用
get_history，取过去60天的前复权的数据。 然后就是断崖的数据。 已经确定是国盛的ptrade数据问题。因为我用上面的代码，在东莞证券，国金证券，湘财证券的ptrade上运行，均能得到正确的数据。
然后更为搞笑的，这么一个问题，反馈了，没有回应。无语。
查看全部
举个例子，比如 煤炭ETF 515220，
在4月12日进行的除权，1股变2股，因此，所以4月12日之后的价格会是原来的1/2，如果做前复权，那么前面的价格也都是要根据当前的价格做复权处理。
结果国盛的ptrade的历史数据，取的是前复权数据，前复权数据，（重点强调），在4月12日的的时候就出现了断崖。也就是没有做复权的处理。
测试代码很简单：
def initialize(context):
run_daily(context, event, '09:38')
def handle_data(context, data):
pass
def event(context):
his60 = get_history(60, '1d', ['close'], ['515220.SS'], fq='pre', include=False)
print(his60)运行时间改成任意的就行。
获取历史数据用
get_history，取过去60天的前复权的数据。 然后就是断崖的数据。 已经确定是国盛的ptrade数据问题。因为我用上面的代码，在东莞证券，国金证券，湘财证券的ptrade上运行，均能得到正确的数据。
然后更为搞笑的，这么一个问题，反馈了，没有回应。无语。
查看全部
连基本的历史数据都无法保证数据正确。
举个例子，比如 煤炭ETF 515220，
在4月12日进行的除权，1股变2股，因此，所以4月12日之后的价格会是原来的1/2，如果做前复权，那么前面的价格也都是要根据当前的价格做复权处理。
结果国盛的ptrade的历史数据，取的是前复权数据，前复权数据，（重点强调），在4月12日的的时候就出现了断崖。也就是没有做复权的处理。
测试代码很简单：
获取历史数据用
get_history，取过去60天的前复权的数据。 然后就是断崖的数据。 已经确定是国盛的ptrade数据问题。因为我用上面的代码，在东莞证券，国金证券，湘财证券的ptrade上运行，均能得到正确的数据。
然后更为搞笑的，这么一个问题，反馈了，没有回应。无语。
举个例子，比如 煤炭ETF 515220，
在4月12日进行的除权，1股变2股，因此，所以4月12日之后的价格会是原来的1/2，如果做前复权，那么前面的价格也都是要根据当前的价格做复权处理。
结果国盛的ptrade的历史数据，取的是前复权数据，前复权数据，（重点强调），在4月12日的的时候就出现了断崖。也就是没有做复权的处理。
测试代码很简单：
def initialize(context):运行时间改成任意的就行。
run_daily(context, event, '09:38')
def handle_data(context, data):
pass
def event(context):
his60 = get_history(60, '1d', ['close'], ['515220.SS'], fq='pre', include=False)
print(his60)
获取历史数据用
get_history，取过去60天的前复权的数据。 然后就是断崖的数据。 已经确定是国盛的ptrade数据问题。因为我用上面的代码，在东莞证券，国金证券，湘财证券的ptrade上运行，均能得到正确的数据。
然后更为搞笑的，这么一个问题，反馈了，没有回应。无语。
