量化投资新利器：5分钟构建智能股票筛选系统

量化投资新利器：5分钟构建智能股票筛选系统

【免费下载链接】TradingView-ScreenerA package that lets you create TradingView screeners in Python项目地址: https://gitcode.com/gh_mirrors/tr/TradingView-Screener

在当今瞬息万变的金融市场中，如何快速准确地筛选出具有投资价值的股票，成为每个投资者面临的重要挑战。TradingView-Screener作为一款强大的Python开源工具，让您能够在短短几分钟内构建专业的股票筛选系统，彻底告别手动筛选的烦恼。

为什么选择TradingView-Screener？

传统的股票筛选方法往往需要花费大量时间在多个平台间切换，数据获取效率低下且容易出错。TradingView-Screener通过直接调用TradingView官方API，为您提供3000+数据字段的完整访问能力，涵盖从基础价格数据到复杂技术指标的全面信息。

核心优势一览

• 多市场覆盖：支持股票、加密货币、外汇、期货、债券等多种金融产品
• 实时数据获取：无需网页爬虫或HTML解析，直接获取官方数据源
• 灵活的时间框架：从1分钟到1个月，自由组合不同时间周期
• SQL式语法：直观的查询构建方式，支持复杂的AND/OR逻辑组合

快速上手指南

环境配置与安装

安装TradingView-Screener非常简单，只需执行一条命令：

pip install tradingview-screener

基础查询示例

让我们从一个简单的查询开始，了解如何快速获取股票数据：

from tradingview_screener import Query # 获取股票基本信息 result = (Query() .select('name', 'close', 'volume', 'market_cap_basic') .get_scanner_data()) print(result)

这个查询将返回包含股票名称、收盘价、成交量和市值的完整数据，默认限制50行结果。

高级筛选策略

技术指标组合筛选

结合多种技术指标进行复合筛选，能够显著提升选股精准度：

from tradingview_screener import Query, col # 筛选市值在100万到5000万之间，相对成交量超过1.2倍，且MACD指标看涨的股票 advanced_query = (Query() .select('name', 'close', 'close|1', 'close|5', 'volume') .where( col('market_cap_basic').between(1_000_000, 50_000_000), col('relative_volume_10d_calc') > 1.2, col('MACD.macd|1') >= col('MACD.signal|1') ) .order_by('volume', ascending=False) .limit(25))

自定义筛选条件

项目提供了丰富的筛选操作符，满足各种复杂的筛选需求：

实战应用案例

盘前异动监控

通过设置特定的筛选条件，可以快速识别盘前出现异常波动的股票：

# 监控盘前涨幅超过5%的股票 premarket_monitor = (Query() .select('name', 'close', 'change|1', 'change_percent|1') .where(col('change_percent|1') > 5.0) .get_scanner_data())

基本面与技术面结合

将基本面指标与技术指标相结合，构建多维度的投资决策体系：

# 筛选市盈率合理且技术面看涨的股票 comprehensive_screener = (Query() .select('name', 'PE', 'close', 'RSI|1D') .where( col('PE').between(10, 30), col('RSI|1D') < 30 # RSI超卖 ) .get_scanner_data())

数据持久化与扩展

结果存储方案

将筛选结果保存到本地文件，便于后续分析和回溯：

import pandas as pd # 获取数据并保存为CSV文件 df = Query().select('name', 'close', 'volume').get_scanner_data()[1] df.to_csv('stock_screener_results.csv', index=False)

与数据分析工具集成

TradingView-Screener与Pandas、Matplotlib等主流数据分析工具完美兼容：

import matplotlib.pyplot as plt # 数据可视化分析 df = Query().select('name', 'close', 'volume').get_scanner_data()[1] plt.figure(figsize=(12, 6)) plt.bar(df['name'], df['volume']) plt.title('股票成交量分析') plt.xticks(rotation=45) plt.tight_layout() plt.show()

性能优化建议

分页查询策略

对于大规模数据筛选，建议采用分页查询方式，避免一次性加载过多数据：

def process_large_dataset(): page_size = 50 offset = 0 while True: query = (Query() .select('name', 'close') .offset(offset) .limit(page_size)) result = query.get_scanner_data() if not result[1].empty: # 处理当前页数据 process_current_page(result[1]) offset += page_size else: break

核心模块解析

项目的核心功能主要集中在src/tradingview_screener/目录下的几个关键文件中：

• query.py：核心查询构建器，提供完整的SQL式语法支持
• column.py：字段定义和操作符实现，支持复杂的筛选逻辑
• models.py：数据模型定义，确保类型安全

查询构建原理

当您调用select()或where()方法时，Query对象会构建一个代表API请求的字典结构：

{ 'markets': ['america'], 'columns': ['name', 'close', 'volume'], 'sort': {'sortBy': 'volume', 'sortOrder': 'desc'}, 'filter': [ {'left': 'market_cap_basic', 'operation': 'in_range', 'right': [1000000, 50000000]}, {'left': 'relative_volume_10d_calc', 'operation': 'greater', 'right': 1.2} ] }

这种设计确保了代码的灵活性和可维护性，同时提供了强大的扩展能力。

结语

TradingView-Screener为量化投资爱好者提供了一个强大而灵活的工具，让您能够专注于投资策略的制定，而不是数据获取的技术细节。无论您是个人投资者还是专业机构，都能从这个项目中获得显著的价值提升。

通过本文介绍的实用技巧和最佳实践，您现在已经具备了构建专业级股票筛选系统的能力。立即开始使用TradingView-Screener，开启您的智能投资之旅！

【免费下载链接】TradingView-ScreenerA package that lets you create TradingView screeners in Python项目地址: https://gitcode.com/gh_mirrors/tr/TradingView-Screener