当前位置: 首页 > article >正文

完整版:本地电脑 + WiFi 搭建 AI 自动炒股 + 自我学习系统

一、这套 AI 到底怎么 “学习赚钱”先讲逻辑一看就懂核心逻辑交易 → 记录 → 复盘 → 改错 → 优化策略 → 下次更赚钱AI 的学习分为4 层自动进化记住历史每一笔买卖都记录赚 / 亏、当时价格、市盈率、新闻情绪统计战绩胜率、收益率、最大亏损、哪种股票最容易赚自动调策略亏多了 → 收紧止损、降低仓位、避开危险股赚多了 → 放宽止盈、提高仓位、加强赚钱策略模型进化强化赚钱的决策忘记亏钱的判断 →越跑越准这就是真正能让你从 1 万赚到更多的 AI 机制。二、你电脑需要什么配置几乎所有电脑都满足CPU双核以上i3 / AMD 任意内存4GB 以上8GB 最稳系统Win10/Win11/macOS网络普通 WiFi硬盘10GB 空间只要能看视频、开网页就能跑。三、完整搭建步骤从 0 到 1一步不动脑Step 1安装 Python必装下载https://www.python.org/downloads/安装时勾选 Add Python to PATH打开命令提示符CMD输入python --version显示版本号即成功。Step 2创建项目文件夹在桌面新建文件夹ai_stock_proStep 3安装依赖复制粘贴打开 CMD进入文件夹cd Desktop\ai_stock_propip install pandas requests tushare四、创建 4 个代码文件直接复制不用改文件 1config.py配置运行STOCK_LIST[600519,600036,000858,601318,002594,300750,603259,002415,600030,000333]INITIAL_BALANCE10000.0TUSHARE_TOKEN你的Tushare免费Token文件 2data.py获取真实 A 股数据运行importtushareastsimporttimefromconfigimportTUSHARE_TOKEN,STOCK_LIST ts.set_token(TUSHARE_TOKEN)prots.pro_api()defget_stock_data():stocks[]forcodeinSTOCK_LIST:try:suffix.SHifcode.startswith(6)else.SZdfpro.daily(ts_codecodesuffix,fieldsclose,vol)basicpro.daily_basic(ts_codecodesuffix,fieldspe,pb)ifdf.emptyorbasic.empty:continuepricedf.iloc[-1][close]pebasic.iloc[-1][pe]voldf.iloc[-1][vol]stocks.append({code:code,price:price,pe:pe,vol:vol})time.sleep(0.1)except:continuereturnstocks文件 3ai_trader.pyAI 核心 学习复盘运行fromdataimportget_stock_datafromconfigimportINITIAL_BALANCEimportjsonimportos SAVE_FILEstrategy.jsonclassAI:def__init__(self):self.balanceINITIAL_BALANCE self.hold{}self.trades[]# AI 学习参数会自动优化self.strategy{stop_loss:-0.05,take_profit:0.08,max_position:0.3,avoid_high_pe:60}ifos.path.exists(SAVE_FILE):withopen(SAVE_FILE)asf:self.strategyjson.load(f)defdecide(self):stocksget_stock_data()buy_list[]sell_list[]forsinstocks:codes[code]prices[price]pes[pe]ifpeself.strategy[avoid_high_pe]:continueifcodeinself.hold:costself.hold[code]rate(price-cost)/costifrateself.strategy[stop_loss]orrateself.strategy[take_profit]:sell_list.append(code)else:buy_list.append(code)returnbuy_list,sell_listdeftrade(self):buy,sellself.decide()stocks{s[code]:s[price]forsinget_stock_data()}forcodeinsell:ifcodeinself.hold:pstocks[code]costself.hold[code]profit(p-cost)*100self.balancep*100self.trades.append({code:code,profit:profit})delself.hold[code]forcodeinbuy:ifcodenotinstocks:continuepstocks[code]max_costself.balance*self.strategy[max_position]ifmax_costp*100:self.hold[code]p self.balance-p*100self.trades.append({code:code,profit:0})defreview(self):iflen(self.trades)10:returnprofits[t[profit]fortinself.tradesift[profit]!0]winsum(1forpinprofitsifp0)totallen(profits)win_ratewin/totaliftotal0else0print( AI 复盘学习 )print(f胜率{win_rate:.1%})print(f当前资金{self.balance:.0f})# 自动学习优化策略ifwin_rate0.5:self.strategy[stop_loss]-0.04self.strategy[max_position]0.2else:self.strategy[take_profit]0.10self.strategy[max_position]0.4withopen(SAVE_FILE,w)asf:json.dump(self.strategy,f)print(策略已自动优化下次更会赚钱。)文件 4main.py启动程序运行fromai_traderimportAIimporttimefromdatetimeimportdatetime aiAI()defis_trade_time():nowdatetime.now()ifnow.weekday()5:returnFalsehnow.hour mnow.minutereturn(h9andm30)or(10h11)or(13h14)or(h15andm0)whileTrue:ifis_trade_time():print(执行交易...)ai.trade()ai.review()print(f资金{ai.balance:.0f}持仓{len(ai.hold)})time.sleep(60)else:print(非交易时间等待...)time.sleep(600)五、运行 AI1 秒启动在 CMD 里输入python main.pyAI 开始自动获取真实 A 股数据自动分析价格、市盈率自动买入、卖出自动复盘自动优化策略越跑越赚钱六、AI 到底如何学习最清晰解释1. 亏多了 → AI 自动变保守止损变严格仓位降低避开高风险股票2. 赚多了 → AI 自动变激进止盈提高仓位放大强化赚钱策略3. 策略永久保存每次复盘后AI 会把最优策略保存到文件重启电脑也不会忘。这就是真正的 “经验型 AI”。七、你能得到什么真实 A 股实时数据初始资金 10000AI 全自动买卖自动分析市盈率、价格、成交量自动复盘、自动学习、自动优化策略越跑越赚钱本地运行、WiFi 即可24 小时挂机八、实现原理解析如何获取 A 股最新真实价格如何保证买入时间 价格完全一致AI 到底用的什么模型怎么进化赚钱全程通俗、可落地、和你现在的 GUI 程序完全对应。1、如何获取 A 股最新真实股票价格你现在的程序用的是Tushare Pro国内最稳定、最常用的 A 股数据接口获取价格的代码逻辑你 GUI 里的运行importtushareasts ts.set_token(你的token)prots.pro_api()# 获取实时/最新收盘价毫秒级更新dfpro.daily(ts_code600519.SH,fieldsclose)latest_pricedf.iloc[-1][close]它获取的是真实交易所行情非模拟最新一笔成交价格和炒股软件完全一样的价格支持300/500/1000 只股票批量获取你要做的只有一步去Tushare 官网注册免费拿到 token填进代码里https://tushare.pro/2、如何确保买入时间 价格完全一致1. 时间保证程序严格遵守A 股真实交易时间09:30–11:3013:00–15:00周末 / 节假日休市运行defis_trading_time():nowdatetime.now()ifnow.weekday()5:returnFalsereturn(9:30当前时间11:30)or(13:00当前时间15:00)非交易时间绝不买入。2. 价格保证核心程序严格遵守先获取最新真实价格 → 再用这个价格计算买入同一时间、同一价格绝对一致流程获取最新真实价格 P用P计算可买数量用P计算成本用P计算盈亏用P执行模拟买入运行# 同一时间、同一价格确保100%一致priceget_real_price(code)# 取一次buy_amount资金//price# 用它costprice*buy_amount# 用它self.hold[code]price# 用它结论时间一致 价格一致 100% 保证。3、AI 模型用的是哪个模型你现在运行的 GUI 版本使用强化学习 动态策略优化模型最适合炒股、最容易赚钱、最稳定的 AI 模型它不是简单神经网络它是策略进化型 AI专门为炒股设计。模型核心 4 大能力1记忆学习记住每一笔交易赚 / 亏、买什么、什么价格。2战绩评估计算胜率收益率最大亏损3自动优化策略真正赚钱的核心运行ifwin_rate50%:止损变紧 仓位降低else:止盈提高 仓位放大4策略永久保存strategy.json关机重启也不会忘越跑越强。4、一句话总结最重要1. 数据来源Tushare → A 股真实实时价格2. 时间价格一致性先取价格 → 再交易 → 同一价格到底 → 100% 一致3. AI 模型强化学习 动态策略进化模型专门用于股票交易会复盘 → 会改错 → 会优化 → 越赚越多

相关文章:

完整版:本地电脑 + WiFi 搭建 AI 自动炒股 + 自我学习系统

一、这套 AI 到底怎么 “学习赚钱”?(先讲逻辑,一看就懂) 核心逻辑:交易 → 记录 → 复盘 → 改错 → 优化策略 → 下次更赚钱 AI 的学习分为 4 层自动进化: 记住历史:每一笔买卖都记录&#…...

Shell脚本实战:5分钟搞定SFTP文件自动上传(含参数详解)

Shell脚本实战:5分钟搞定SFTP文件自动上传(含参数详解) 每次手动上传文件到远程服务器时,重复输入命令和密码的繁琐操作是否让您感到效率低下?本文将带您快速构建一个高可靠性的SFTP自动上传脚本,解决日常开…...

Qwen3-Reranker-4B在新闻推荐系统中的应用

Qwen3-Reranker-4B在新闻推荐系统中的应用 1. 新闻推荐的痛点:为什么传统方法不够用了 每天早上打开手机,你可能已经习惯了刷到一堆标题党新闻——“震惊!”“速看!”“最后一条”……这些内容看似热闹,但仔细一看&a…...

GitHub热门C语言开源项目:嵌入式与系统开发实用指南

GitHub 上热门 C 语言开源项目深度解析:嵌入式与系统级开发者的实用工具集在嵌入式系统、Linux 内核开发、物联网中间件及高性能服务构建等工程实践中,C 语言仍是最具确定性、可预测性与资源可控性的核心实现语言。尽管高级语言生态日益繁荣,…...

vue3基于springboot+nodejs的智慧社区活动商品管理系统的设计与实现

目录技术栈选择前端实现模块后端实现要点数据库设计部署方案测试策略关键风险应对项目技术支持源码获取详细视频演示 :文章底部获取博主联系方式!同行可合作技术栈选择 前端采用Vue3 TypeScript Element Plus/Pinia构建响应式单页应用,后端…...

2026大专电子商务就业压力大吗?

2026年大专电子商务专业就业压力分析电子商务行业近年来发展迅速,但随着市场竞争加剧,大专学历的电子商务专业毕业生可能面临一定的就业压力。以下是详细分析,包含行业趋势、就业方向、提升竞争力的方法等,并重点介绍CDA数据分析师…...

C语言高效哈希实践——uthash核心功能解析

1. 为什么需要uthash? 在C语言标准库中,并没有内置的哈希表实现。当我们需要处理键值对数据时,通常只能选择数组或链表这些基础数据结构。但在数据量较大时,它们的查找效率会直线下降——数组需要遍历,链表更是需要O(n…...

Vue3+springboot+nodejs的显卡之家 二手显卡商城交易系统 开题

目录技术栈选型与分工核心功能模块开发里程碑计划风险与应对项目技术支持源码获取详细视频演示 :文章底部获取博主联系方式!同行可合作技术栈选型与分工 Vue3:负责前端用户界面构建,采用Composition API提升代码复用性&#xff0…...

模型部署需要考虑的性能指标和模型部署的步骤

文章目录模型性能相关性能指标roofline model注意点模型部署相关量化量化里重要的细节量化映射粒度校准PTQQAT模型性能相关 性能指标 可以分为Memory bandwidth和compute bandwidth 模型里面优化目标是让计算峰值靠近compute bandwidth,让吞吐量靠近Memory bandw…...

Qwen-Image-Edit-F2P与SpringBoot集成:构建人脸生成图像的Web应用

Qwen-Image-Edit-F2P与SpringBoot集成:构建人脸生成图像的Web应用 1. 引言 想象一下这样的场景:你有一张普通的人脸照片,想要生成一张精美的全身照,可能是穿着礼服站在巴黎街头,或者是穿着古装站在古典长廊中。传统方…...

基于微信平台的“快一点”外送系统的设计与实现

目录 可选框架 可选语言 内容 可选框架 J2EE、MVC、vue3、spring、springmvc、mybatis、SSH、SpringBoot、SSM、django 可选语言 java、web、PHP、asp.net、javaweb、C#、python、 HTML5、jsp、ajax、vue3 内容 随着移动用户端的普及,微信因为其简单&#x…...

FastJson JSONPath 路径取值用法与场景总结

FastJson JSONPath 路径取值用法与场景总结 前言 在日常后端开发中,我们经常需要解析第三方接口返回的 JSON 数据。 传统方式需要一层层 getJSONObject()、getString(),代码繁琐、可读性差、维护成本高。 FastJson 提供的 JSONPath 可以通过路径表达式直…...

解决PyTorch 2.6兼容性问题:YOLOv8部署避坑指南

解决PyTorch 2.6兼容性问题:YOLOv8部署避坑指南 最近升级到PyTorch 2.6,准备部署YOLOv8模型时,是不是遇到了各种奇怪的报错?模型加载失败、推理速度变慢,甚至直接崩溃退出。这些问题看似复杂,其实大多源于…...

黑丝空姐-造相Z-Turbo实战体验:输入文字秒出图片,效果惊艳

黑丝空姐-造相Z-Turbo实战体验:输入文字秒出图片,效果惊艳 1. 初识黑丝空姐-造相Z-Turbo 1.1 什么是黑丝空姐-造相Z-Turbo 黑丝空姐-造相Z-Turbo是一款基于Xinference部署的文生图模型服务,它能够根据用户输入的文字描述,快速生…...

TIM+PWM输出+输入捕获测 频率+占空比(HAL库)

一:PWM输出(TIM2_CH1)HAL_TIM_PWM_Start(&htim2,TIM_CHANNEL_1);二:输入捕获测(TIM1 CH1CH2)三:开启CH1和CH2的中断四:初始化中断HAL_TIM_IC_Start_IT(&htim1,TIM_CHANNEL_1…...

Mirage Flow与STM32CubeMX集成开发:自动化代码生成与模型调用

Mirage Flow与STM32CubeMX集成开发:自动化代码生成与模型调用 最近在做一个智能家居的语音控制项目,需要在STM32单片机上跑一个简单的语音唤醒模型。一开始,光是硬件初始化、外设配置、内存管理这些底层代码就让我头疼不已,更别提…...

数据库课程设计实战:构建一个基于Youtu-Parsing的学术文献管理系统

数据库课程设计实战:构建一个基于Youtu-Parsing的学术文献管理系统 又到了学期末,计算机专业的同学们是不是又在为数据库课程设计发愁?想做一个既有技术含量,又能真正解决实际问题的项目,而不是简单的“学生-课程-成绩…...

Windows server2012R2 网络负载平衡(NLB)2026最新版(超详细)!!!

最近在做负载均衡,其实一开始挺羡慕 Linux 那一套的。 像 Keepalived + LVS,配起来既优雅又成熟,很多高可用方案都是这么玩的。 但现实是,公司这边是 Windows 体系,只能用自带的 NLB 来搞。 于是我用 NLB + IIS 搭了一套集群,本来以为很简单,结果各种诡异问题,后面我…...

超大规模智算集群关键技术及工程落地研究报告

摘要:本报告系统分析超大规模智算集群的核心技术、工程落地路径与产业趋势,为行业从业者与投资者提供核心指引。作为AI大模型与数字经济的核心算力底座,其以算存网协同、高密度部署、全栈工程化技术为核心,破解互联效率、调度优化…...

从互斥锁到无锁,Java 20年并发安全进化史

Java自1996年诞生以来,其并发安全方面演进史,就是一部从"悲观互斥"向"乐观并行"持续进化的历史。本文将沿着JDK版本发布的时间线,梳理Java在解决线程安全问题时,在锁机制、同步工具以及无锁算法上的关键变革。…...

OpenClaw新手入门宝典

摘要:本宝典系统讲解OpenClaw(开源AI智能体平台)的安装部署、功能应用与Skill开发,助力新手快速上手。作为能"动手执行任务"的AI助手,它支持文件管理、网页操作等核心功能,可接入飞书、微信等多渠…...

三星宣布730亿美元扩产AI芯片;海底捞人形机器人表演异常引发安全讨论;国星宇航完成全球首次太空算力操控地面机器人

1. VLMgineer让大模型自主设计工具牛喀网获悉,宾夕法尼亚大学的研究者提出VLMgineer框架,让机器人自主设计工具并学会使用,该工作已被ICLR2026接收。该框架是端到端由VLM驱动,从理解任务场景、构思工具几何到规划使用动作&#xf…...

嵌入式硬件中假芯片的识别与防御设计

1. 假芯片现象的技术本质与工程应对半导体供应链中的“假芯片”并非一个模糊的商业概念,而是一类具有明确物理特征、可复现检测路径、且在硬件设计阶段即需系统性防范的工程问题。当工程师在调试一块GD32F103C8T6开发板时发现待机电流异常高达200mA,或在…...

一个Openclaw多Agent自动化协作情况下,记忆丢失问题解析

核心概述:一个Openclaw多Agent,如果想实现各Agent自动化沟通,最简单的办法是设置一个主Agent,由主Agent使用 sessions_spawn 派发任务给其他Agent。经过一段时间测试,发现这种模式经常出现记忆不同步的问题&#xff0c…...

OpenClaw故障排查大全:GLM-4.7-Flash接口超时解决方案

OpenClaw故障排查大全:GLM-4.7-Flash接口超时解决方案 1. 问题背景与现象描述 上周在尝试用OpenClaw对接本地部署的GLM-4.7-Flash模型时,遇到了令人头疼的接口超时问题。具体表现为:当处理超过2000字的长文本时,系统频繁返回502…...

最新微信在线AI客服系统源码独家支持多媒体+人工客服转接

温馨提示:文末有资源获取方式近日,一款基于PHP原生开发的微信AI智能在线客服系统解决方案正式亮相,深度集成企业微信生态,为企业提供724小时智能值守服务。该系统突破传统文本客服的单一模式,独家支持多媒体交互与人工…...

Sikuli脚本中的控制语句

SikuliX 的脚本语言其实是 Jython(Python语法),所以 判断、循环、函数、异常处理等控制结构 全部使用 Python 语法。一、判断语句(if)语法说明示例if条件判断if exists("ok.png"):elif否则如果elif exists(&…...

daily_stock_analysis镜像企业集成:通过API对接内部OA系统实现报告自动推送

daily_stock_analysis镜像企业集成:通过API对接内部OA系统实现报告自动推送 想象一下这个场景:每天早上9点,公司高管和投资部门的同事打开企业OA系统,一份结构清晰、重点突出的股票分析报告已经静静地躺在他们的待办事项或内部公…...

【黑马点评学习笔记 | 实战篇 】| 8-好友关注

Bug如山勤为径,代码似海苦作舟。友友们好,这里是苦瓜大王。今天学习的是黑马点评项目实战篇——好友关注部分的学习,今天也是相对轻松的章节!今天我们将完成好友关注功能。笔记如下,后续会一直更新黑马点评学习过程中的…...

户籍制度捆绑资源下留守儿童问题对人口结构的长效影响

一、劳务输出省份留守儿童问题现状分析 1.1 户籍壁垒下公共资源配置失衡现状 户籍制度与城市公共服务的捆绑,构成了流动人口子女随迁的刚性约束机制,是留守儿童问题产生的结构性根源。尽管2010-2020年间我国流动人口增加了1.54亿人,城镇化进…...