股票买卖任务脚本

1.购买服务器阿里云：服务器购买地址https://t.aliyun.com/U/Bg6shY若失效，可用地址

1.购买服务器

阿里云：

服务器购买地址

https://t.aliyun.com/U/Bg6shY

若失效，可用地址

https://www.aliyun.com/daily-act/ecs/activity_selection?source=5176.29345612&userCode=49hts92d

腾讯云：

https://curl.qcloud.com/wJpWmSfU

若失效，可用地址

https://cloud.tencent.com/act/cps/redirect?redirect=2446&cps_key=ad201ee2ef3b771157f72ee5464b1fea&from=console

华为云

https://activity.huaweicloud.com/cps.html?fromacct=64b5cf7cc11b4840bb4ed2ea0b2f4468&utm_source=V1g3MDY4NTY=&utm_medium=cps&utm_campaign=201905

2.部署教程

2024年最新青龙面板跑脚本教程（一）持续更新中

3.代码如下

import datetimeimport akshare as akimport baostock as bsimport pandas as pd
# 判断当前日期属于哪个季度def last_quarter():    today = datetime.date.today()    month = today.month    if 1 <= month <= 3:        quarter = 4        year = today.year - 1    else:        quarter = (month - 1) // 3        year = today.year    return quarter, year

def hk_index_pe_pb_div(index_code = "159699"):    hk_consumer = ak.fund_portfolio_hold_em(symbol=index_code, date="202511")    quarter,year  = last_quarter()    quarterStr = f"{year}年{quarter}季度"    # 获取当前季度数据，保存为df1    df1 = hk_consumer[hk_consumer['季度'].astype(str).str.contains(quarterStr)]
    # 获取当前季度前10名持仓    top10_current_quarter = df1.sort_values(by='占净值比例', ascending=False).head(10)    print(top10_current_quarter)    # 获取第二季度数据    quarterStr2 = f"{year}年2季度"    df2 = hk_consumer[hk_consumer['季度'].astype(str).str.contains(quarterStr2)]    # 获取第二季度后40名持仓    tail40_q2 = df2.sort_values(by='占净值比例', ascending=True).head(40)    # 合并第二季度后40名和当前季度前10名持仓    merged_df = pd.concat([top10_current_quarter, tail40_q2], ignore_index=True)    #print(merged_df)
    pe_list = []    pb_list = []    div_list = []    weight_list = []    for idx, row in merged_df.iterrows():        stock_code = row["股票代码"]        weight = row["占净值比例"]
        stock_info = ak.stock_hk_financial_indicator_em(stock_code)        pe = stock_info["市盈率"]        pb = stock_info["市净率"]        stock_info["股息率TTM(%)"].iloc[0]
        val = stock_info["股息率TTM(%)"].iloc[0]        if val is None or pd.isna(val):            div = 0        else:            div = float(val)        #print(stock_code, "  股息率:  ", stock_code, div)        pe_list.append(pe * weight)        pb_list.append(pb * weight)        div_list.append(div * weight)        weight_list.append(weight)
    total_weight = sum(weight_list)    print(total_weight)    weight_pe = sum(pe_list)/total_weight    weight_pb = sum(pb_list)/total_weight    weight_div = sum(div_list)/total_weight
    print("指数加权市盈率: ", weight_pe)    print("指数加权市净率: ", weight_pb)    print("指数加权股息率: ", weight_div)
hk_index_pe_pb_div("159699")index_stock_info_df = ak.index_stock_info()
hl = ak.stock_zh_index_value_csindex(symbol="000922")#print(hl.iloc[0])
a_drink = ak.stock_zh_index_value_csindex(symbol="930653")#print(a_drink.iloc[0])
bank = ak.stock_zh_index_value_csindex(symbol="399986")#print(bank.iloc[0])

#result = index_stock_info_df[index_stock_info_df['index_code'] == '000922']#print(result)#查询指数的成份股信息#index_stock_cons_csindex_df = ak.index_stock_cons_csindex(symbol="000922")#print(index_stock_cons_csindex_df.iloc[0])
# 查询指数成份股的权重信息index_stock_cons_weight_csindex_df = ak.index_stock_cons_weight_csindex(symbol="000922")

'''# 获取每只成分股的市盈率、市净率、股息率pe_list = []pb_list = []div_list = []weight_list = []for idx, row in index_stock_cons_weight_csindex_df.iterrows():    stock_code = row["成分券代码"]    weight = float(row["权重"])/ 100    try:        stock_info = ak.stock_market_pb_lg(symbol=stock_code)        pe = float(stock_info["市盈率TTM"][0]) if not index_stock_cons_weight_csindex_df.isna(stock_info["市盈率TTM"][0]) else 0        pb = float(stock_info["市净率"][0]) if not index_stock_cons_weight_csindex_df.isna(stock_info["市净率"][0]) else 0        div = float(stock_info["股息率"][0]) if not index_stock_cons_weight_csindex_df.isna(stock_info["股息率"][0]) else 0    except Exception as e:        pe, pb, div = 0, 0, 0    pe_list.append(pe * weight)    pb_list.append(pb * weight)    div_list.append(div * weight)    weight_list.append(weight)
# 计算加权平均total_weight = sum(weight_list)weighted_pe = sum(pe_list) / total_weight if total_weight > 0 else 0weighted_pb = sum(pb_list) / total_weight if total_weight > 0 else 0weighted_div = sum(div_list) / total_weight if total_weight > 0 else 0
print(f"000922红利指数加权市盈率: {weighted_pe:.2f}")print(f"000922红利指数加权市净率: {weighted_pb:.2f}")print(f"000922红利指数加权股息率: {weighted_div:.2f}")'''

解析

脚本的作用

1. 对指定基金/指数（默认 159699）计算加权估值指标

• 加权市盈率（PE）

• 加权市净率（PB）

• 加权股息率

• 当前季度的前 10 大重仓股；

• 第二季度的权重最小的 40 只股票；

• 将这两部分合并为一篮子股票。

• 从 akshare 获取该基金的持仓结构（按季度披露的持仓）。

• 取：

• 对这篮子股票，分别计算按持仓权重加权后的：

2. 查询几个指数的基础信息/成分信息

• 获取全市场指数基本信息表。

• 分别查询红利相关指数、银行等指数的估值数据。

• 获取红利指数（000922）的成分股及权重（后面有一段注释掉的示例，演示如何对 000922 再做一遍"加权 PE/PB/股息率"的计算）。

整体上，这是一个用 akshare 做指数/基金持仓 + 估值因子分析的小工具。

主要函数

1. last_quarter()

• 根据当前日期判断"上一报告期所在的季度及年份"。

• 规则大致是：

• 如果当前是 1–3 月，则上一季度视为去年四季度；

• 否则认为上一季度是"当前年份中，当前月份所属前一个完整季度"。

• 返回值是 (季度号, 年份)，比如 (3, 2025) 表示 2025 年三季度。

2. hk_index_pe_pb_div(index_code="159699")脚本的核心函数：

1. 获取持仓数据

• 调用 akshare 接口，按 index_code（默认 159699）和指定月份（例：202511）获取该基金的持仓披露数据，其中包含"季度""股票代码""占净值比例"等字段。

2. 筛选两批股票构成分析篮子

• 按"占净值比例"从小到大排序的 40 名（尾部 40 名）。

• 按"占净值比例"从大到小排序的前 10 名。

• 根据 last_quarter() 计算出的季度/年份，拼出"某年某季度"的字符串，在持仓数据中筛出当前季度的持仓记录，再从中选出：

• 同时构造一个固定的"2 季度"字符串，在持仓数据中筛出"第二季度"的持仓记录，从中取：

• 将当前季度前 10 + 第二季度尾部 40 合并成一个 DataFrame，作为后续估值计算的样本集。

3. 逐只股票获取估值数据

• 提取股票代码和对应权重（占净值比例）。

• 用 akshare 查询该港股的财务指标（市盈率、市净率、股息率 TTM 等）。

• 处理股息率缺失的情况（为空则按 0 处理）。

• 分别计算：

• pe × 权重、pb × 权重、股息率 × 权重，并存入列表。

• 对样本集中每一只股票：

4. 计算加权平均

• 将所有权重求和得到 total_weight。

• 加权市盈率 = 所有 pe × 权重 之和 / total_weight。

• 加权市净率 = 所有 pb × 权重 之和 / total_weight。

• 加权股息率 = 所有 股息率 × 权重 之和 / total_weight。

• 最后打印这三个加权指标。

注意：

本文部分变量已做脱敏处理，仅用于测试和学习研究，禁止用于商业用途，不能保证其合法性，准确性，完整性和有效性，请根据情况自行判断。技术层面需要提供帮助，可以通过打赏的方式进行探讨。

历史脚本txt文件获取>>

服务器搭建，人工服务咨询>>