① 如何用python 取所有股票一段时间历史数据
各种股票软件，例如通达信、同花顺、大智慧，都可以实时查看股票价格和走势，做一些简单的选股和定量分析，但是如果你想做更复杂的分析，例如回归分析、关联分析等就有点捉襟见肘，所以最好能够获取股票历史及实时数据并存储到数据库，然后再通过其他工具，例如SPSS、SAS、EXCEL或者其他高级编程语言连接数据库获取股票数据进行定量分析，这样就能实现更多目的了。
② 请问如何计算股票年收益波动率
股票波动率:
波动率是指标的资产投资回报率的变化程度，有实际波动率和历史波动率之分。它是江恩理论的一个重要内容，在期货期权市场的指导意义较股票市场更大。下面我们将对波动率的计算及交易策略进行详细讲解，希望对股民有一定的指导意义，赶紧跟着小编一起学习波动率的知识吧！
一、概述
波动率是指标的资产投资回报率的变化程度，有实际波动率和历史波动率之分。它是江恩理论的一个重要内容，在期货期权市场的指导意义较股票市场更大。
（一）、实际波动率
实际波动率又称作未来波动率，它是指对期权有效期内投资回报率波动程度的度量，由于投资回报率是一个随机过程，实际波动率永远是一个未知数。或者说，实际波动率是无法事先精确计算的，人们只能通过各种办法得到它的估计值。
（二）、历史波动率
历史波动率是指投资回报率在过去一段时间内所表现出的波动率，它由标的资产市场价格过去一段时间的历史数据（即St的时间序列资料）反映。这就是说，可以根据{St}的时间序列数据，计算出相应的波动率数据，然后运用统计推断方法估算回报率的标准差，从而得到历史波动率的估计值。显然，如果实际波动率是一个常数，它不随时间的推移而变化，则历史波动率就有可能是实际波动率的一个很好的近似。
二、计算
江恩理论认为，波动率分上升趋势的波动率计算方法和下降趋势的波动率计算方法。
（一）、上升趋势的波动率计算方法是：在上升趋势中，底部与底部的距离除以底部与底部的相隔时间，取整。
上升波动率=（第二个底部-第一个底部）/两底部的时间距离
（二）、下降趋势的波动率计算方法是：在下降趋势中，顶部与顶部的距离除以顶部与顶部的相隔时间，取整。并用它们作为坐标刻度在纸上绘制。
下降波动率=（第二个顶部-第一个顶部）/两顶部的时间距离
③ 如何通过一段时间的股票价格来计算该段时期的股价波动率。请给出公式及excel函数。
股价波动率通常是通过股价收益率的波动率来表示。在Excel里的公式也一并如下写出。
股价收益率有两种方法，一种是不连续的，R(t)=P(t)/P(t-1)-1；一种是连续的，R(t)=ln[P(t)/P(t-1)]。
P(t)表示第t天的股价,ln表示自然对数。由于要用到前一天的股价来计算今天的收益率，因此所计算出的收益率的数量n-1比你所知道的股价的数量n要少1个。
计算完收益率R(1),R(2),...R(n-1)之后，开始计算波动率。
所谓波动率，就是标准差。股价收益率的波动率=STDEV()，括号里请框选出n-1个收益率。
这里计算出的是日波动率v。
如果要计算年波动率V，请用日波动率v乘以每年工作天数的根号。比如一年有252个工作日，年波动率的公式V=v*sqrt(252)
④ 如何用python计算某支股票持有90天的收益率
defget(self,get,money):
print“ATM:”
print“yourmoneyis+“,self.get,”%aday
self.today=self.money*(self.get/100)+self.money
print“nowyouhave”,self.today
self.tomorrow=self.today*(self.get/100)+self.today
print“tomorrowyouwellhave”,self.tomorrow
get(50,10000)
这个代码会给你1天后和2天后的余额，如果要显示九十天，还请您自己打完
⑤ 已知股票数据，如何用Python绘制k线日对应数据
我没遇到过 只是自己写过
有点经验
先确定时间片
然后再把tick插入就行了
⑥ 股票月收益波动率及半年收益波动率
你的计算周期是多少天就应该多少～
波动率 = STDEV（第一天复权收盘价……第N天复权收盘价）×SQRT(N)
而且你有个问题，你算得是收益率，那么你这样求出来的不是收益波动率啊～～
1、从市场上获得股票在固定时间间隔(如每天、每周或每月等)上的价格。
2、对于每个时间段，求出该时间段末的股价与该时段初的股价之比的自然对数。
3、求出这些对数值的标准差，再乘以一年中包含的时段数量的平方根(如，选取时间间隔为每天，则若扣除闭市，每年中有250个交易日，应乘以根号250)，得到的应该就是你想要的。
没错就行，因为我也只是不确定～～
⑦ 如何利用Python预测股票价格
预测股票价格没有意义。
单支股票价格，多股组合，大盘这些都可以使用神经网络来学习，02年就做过了，涨跌预测平均能达到54%到57%的准确率，但是只能定性，无法定量，因此，在扣除印花税之后无利可图。
纯粹使用股票交易数据来预测并保证总体获利不是程序能办到的，人也办不到。
目前世界上最先进的炒股机器也只能利用网络时差那微不可计的零点几秒在欧洲与美国证券间倒来倒去，那套系统研发费用数千万，硬件（主要是独立光缆）费用以亿计。
⑧ 价格波动率求编程公式
最简单的算法也就是市面上流传最广的就是两个低点之差除以两个低点之间的时间，还有一种方法也很简单就是你自己去推断波动率，比如上证指数，你可以用10 20 40 80 160这种点数去挨个的套，股票一般用，0.1 0.2 0.4 0.8 或0.05 0.1 0.2 0.4等等 看看哪个在历史上最适用。这两种方法的共同缺点就是有时不太准。我还自创了一套波动率算法，相对于以上两种比较要精确些但是算法烦琐,要把每一次波动的都算一遍然后在众多数据中找出一个适用的。
⑨ 如何用Python画实时更新的波动率曲线图
用python做是不是有些太重了，python只需要负责给前端返回格式化的数据就好啦，这种图片的事情让这种专业的工具去做岂不更好
实时刷新的曲线图 | Highcharts
需要一点点js知识和最简单的flask知识，但是时间成本和效果表现肯定要优于python GUI
⑩ 如何用python计算隐含波动率
隐含波动率是 期权价格已知后反推出来的，现实中的期权价格（F）和理论是有偏差的，所以交易中，期权价格F是竞价的结果，而F对应的波动率则是隐含的，可求出对应的波动率（比如迭代法），即隐含波动率。
B-S公式由，S,Sigma,T,K,R可算出的是理论的期权价格，其反推波动率当然还是Sigma。