前言
不少上班族的股友在和我交流時提到，因為平時上班的原因總是錯過最佳的買賣點，十分無奈！
其實量化交易可以完美解決這個問題，于是我們提供了一個適合上班族盯盤的應用場景：讓遠程的量化機器人幫助我們盯盤，當實盤行情到達我們設定的目標時，通過QQ郵箱、微信或者釘釘等即時聊天工具通知我們，
雖然目前券商的APP上面也有提醒功能，但是種類比較單一和固定，當我們的觸發邏輯比較復雜或者個性化的時候就無法滿足了，所以投資交易領域需要一點特立獨行，少一點從眾隨大流，
總體來說實作這個場景需要以下幾部分功能：
多執行緒實時行情的獲取
目標觸發條件的判斷
郵箱發送訊息（我在微信上開啟QQ郵箱提醒功能，效果如同微信提醒）
實時行情資料特征
實時行情資料對短線量化交易者來說非常重要，涉及到買賣點的選擇，
本主題提及的A股實時行情資料獲取，是類似于Level1級別的更新，最快可以達到每間隔3秒以爬蟲的方式從財經網站上實時采樣獲取到的，
注：代碼的SCAN_TIME變數可以配置實時資料更新的周期，
如下圖所示，資料型別有“最新價”、 “最高”（當前）、 “最低”（當前）、 “漲跌幅”（當前）、 “成交量（當天累加）”、 “成交額（當天累加）”、 “換手率”、 “市盈率”，然后我們增加一列“當前時間”，表示獲取實時資料的時間，因為這些資料在財經網站上是實時更新的，所以有必要增加這一列，
我們獲取資料的交易時段是9:29至11.31，12:59至15:01，每間隔3秒獲取一次資料，并且以csv檔案格式存盤，
多執行緒爬蟲技術
接下來我們重點介紹下多執行緒爬蟲技術的實作，
我們看到網頁上顯示總共有232頁，通常大家是用for...in回圈的方式爬取的，
但是面對幾千只股票的行情資料時，下載程序勢必會出現耗時過長的情況，從而導致超過3秒間隔的采樣精度，
我在書中《Python股票量化交易從入門到實踐》介紹了多行程和多執行緒的提速方案，
當涉及復雜的計算、繁多的 I/O 操作時，可以考慮使用多任務并行方式充分利用CPU多核性能來提高程式的執行效率，
在Python中由于GIL機制的的存在，多進行和多執行緒在計算密集型和I/O密集型的任務場景中執行效率會有所不同，多執行緒更適合 I/O 密集型應用，多行程對于 CPU 密集型的應用表現更好，
書中的例程，分別對比介紹了for回圈方式、多執行緒方式和多行程方式，遍歷獲取股票池中前500只股票的1年的資料，測驗的結果是：
for回圈：55秒
8個執行緒：7.5秒
8個行程：7.8秒
可見，當我們獲取A股幾千只股票，過去幾年甚至十幾年資料的時候，如果以呼叫API介面方式，用for回圈去獲取股票資料，耗時非常嚴重，
那么，對于爬蟲來說，它適合多執行緒還是多行程呢？
爬蟲是基于網路請求模塊urllib實作的，urllib3扮演了 HTTP 客戶端的角色，即向網路服務器發送一個 HTTP 請求，然后等待網路服務器的回應，這類任務屬于 I/O 密集型的任務，不同于計算密集型任務那樣會在整個時間片內始終消耗 CPU 的資源，I/O 密集型的任務大部分時間都在等待 I/O 操作的完成，
接下來我們就以爬蟲方式獲取財經網站股票每日實時行情資料為場景，擴展介紹下多執行緒的提速方案，
關于爬蟲的實作程序可參考知識星球以下主題：
那么我們可以將該任務分配給多個執行緒來完成，而不只是讓一個執行緒去逐一讀取，
在 Python3 中內置了執行緒池模塊 ThreadPoolExecutor，通過 ThreadPoolExecutor模塊來實作多執行緒的處理，
對于爬蟲任務來說，每一頁僅僅是URL地址不同，因此按模塊的使用要求，將爬蟲任務crawer_daily()函式拆分為執行函式map_fun( )和可迭代引數 itr_arg 兩部分，
關鍵代碼如下所示：
with ThreadPoolExecutor(max_workers=8) as executor:
# map_fun 傳入的要執行的map函式
# itr_argn 可迭代的引數
# result 回傳的結果是一個生成器
results = executor.map(crawer_daily, itr_arg)每一頁只有20只股票的資料，因此我們需要把資料合并成一份DataFrame，最后保存為本地的csv檔案，
關鍵代碼如下所示：
for ret in results:
df_daily_stock = df_daily_stock.append(ret, ignore_index=True)
df_daily_stock.to_csv(Path(store_path+u<span data-raw-text="" "="" data-textnode-index="58" data-index="1576" class="character">"{}.csv<span data-raw-text="" "="" data-textnode-index="58" data-index="1583" class="character">".format(df_daily_stock[<span data-raw-text="" "="" data-textnode-index="60" data-index="1607" class="character">"當前時間<span data-raw-text="" "="" data-textnode-index="60" data-index="1612" class="character">"].values[0])), columns=df_daily_stock.columns, index=True, encoding='GBK')打開csv檔案如下所示：
需要注意到的是增加了“當前時間”列，在盤中獲取實時資料的話，對應的時間會體現資料更新的時間戳，
還有一個重要點是檔案名，這里取的名字是“2021-08-27 15/00/00.csv”，如果是實時資料的話要體現出時/分/秒的資訊，
關于測驗的結果，我用了8個執行緒，執行的時間在0.5秒左右，也就是說，更新一次實時資料只需要0.5秒左右，是遠小于3秒的采樣周期的，
另外，如果我們只在收盤時增量更新日線資料，那么每天只需要花1秒時間就能更新完當日A股市場全部股票資料，
由于測驗環境千差萬別，此處測驗結果僅供大家參考， 大家也可以親手對比下多執行緒和多行程的效率，
目標觸發條件判斷
當前的代碼里面我提供的觸發條件是一個范圍：大于上限設定值時或者小于下限設定值會觸發報警，在合理的范圍內時，表明該股符合正常的波動，無需過多的關注，
代碼中的super_up用于設定上限值，super_down用于設定下限值，可以是最新價格、漲跌幅、漲跌額、成交量等等，只要實盤資料有的都能支持，
# 大于設定值觸發super_up = {"000876.SZ": {"最新價格":15.5, "漲跌幅":5.00}}
# 小于設定值觸發super_down = {"000876.SZ": {"最新價格":14.80, "漲跌幅":-3.00}}當然這個觸發條件是一個非常基本的邏輯，相信每個人都有自己的一套判斷條件，比如分成多檔條件，逐一遞進式地判斷；比如拉升或者砸盤的速度；比如由漲轉跌或者由跌轉漲的過渡等等……
盯盤觸發條件遠程提醒
遠程提醒的功能，解決方案有用微信、短信、郵件、釘釘之類的方式，這里我們介紹下郵箱這種相對有效的方式來遠程提醒，
發送郵件和核心是SMTP（Simple Mail Transfer Protocol）協議，它是一組用于由源地址到目的地址的郵件傳輸規則，
Python真的是什么都能做，它對SMTP進行了簡單的封裝，只需用到兩個模塊，就可以輕松實作發送純文本郵件、HTML郵件以及帶附件的郵件，
哪兩個模塊呢？Python內置的email模塊負責構建郵件，另一個smtplib模塊負責發送郵件，
常規的流程，先把涉及到的模塊全部匯入進來，如下所示：
首先用MIMEText()構造一個最簡單的純文本郵件，其中第一個引數是郵件正文，第二個引數是內容的型別，比如'plain'表示純文本郵件，'html'表示HTML郵件，
創建的郵件物件中，要添加From、To和Subject這些屬性，否則就不是一封完整的郵件，比如會出現郵件沒有主題，發件人的名稱為匿名，明明收到了郵件卻提示不在收件人中這些情況，
典型的例程如下所示：
再來說說負責發送郵件的smtplib模塊，這個模塊主要是用smtplib.SMTP()類去連接SMTP服務器，然后發送郵件，
例程中我們會用到幾個常用的方法，比如set_debuglevel(1)列印和SMTP服務器互動的所有資訊，login()登錄SMTP服務器，sendmail()方法發郵件，
典型例程如下所示：
這里的password是個比較容易混淆的地方，不是郵箱登陸的密碼，而是授權碼，
第三方客戶端登錄QQ郵箱時是需要授權碼的，包括其他郵箱也都一樣，比如126、163郵箱等等，授權碼可以認為是一個專用密碼，適用于登錄以下服務：POP3/IMAP/SMTP/Exchange/CardDAV/CalDAV服務，
如何設定呢？以QQ郵箱為例，我們在QQ郵件的幫助中心找到了方法，
在個人郵箱頁面進入[設定] -> [帳戶] 頁面找到入口，然后把POP3/IMAP/SMTP這幾個服務開啟，
開啟的時候有驗證密保環節，需要發送短信，接著就獲取到授權碼，在第三方客戶端的密碼欄里面輸入這16位授權碼進行驗證即可，
這樣一來郵件就發送成功了，我已經得到量化盯盤提醒了！！！手機郵箱也一樣可以收到哦！
說明
1. 我們會把完整的原始碼上傳到知識星球《玩轉股票量化交易》中，幫助小伙伴們更好地掌握這個方法，
2. 想要加入知識星球《玩轉股票量化交易》的小伙伴記得先微信call我獲取福利，名額有限先到先得！
3. 幫星球小伙伴沖下業績，同時也給需要的小伙伴們發下大福利！！！開戶可以看這篇！
量化低傭開戶
元宵大師的量化交易書籍開售！！
京東、當當、天貓有售！！
最后祝大家國慶節快樂！
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/305004.html
標籤：區塊鏈
上一篇：openzeppelin批量測驗Solidity合約
下一篇：金融工程 | 概述