pythonstockV1项目，股市有风险投资需谨慎，本项目只能用于Python代码学习，股票分析，投资失败亏钱不负责，不算BUG。
PythonStockV1是基于Python的pandas，tushare，bokeh，tornado，stockstats，ta-lib等框架开发的全栈股票系统。
1）可以直接使用docker直接本地部署运行，整个项目在dockerhub上压缩后200BM，本地占用500MB磁盘空间。
2）使用Docker解决了Python库安装问题，使用Mariadb（MySQL）存储数据。
借助tushare抓取数据（老API，后续使用tusharepro开发）3）使用corn做定时任务，每天进行数据抓取计算，每天18点开始进行数据计算，计算当日数据，使用300天数据进行计算，大约需要15分钟计算完毕。
4）股票数据接口防止被封，按天进行数据缓存，储存最近3天数据，每天定时清除，同时使用read_pickleto_pickle的gzip压缩模式存储。
5）使用tornado开发web系统，支持股票数据，沪深300成份股，中证500成份股，龙虎榜数据，每日股票数据，每日大盘指数行情等6）数据展示系统，是通用数据展示系统，配置字典模板之后，页面自动加载数据，并完成数据展示，后续自己开发的指标数据可以加入进去。
7）增加曲线数据分析，在查看股票中，可以直接跳转到东方财富页面查看相关信息，点击指标之后使用Bokeh将多达17个指标的数据绘图，进行图表展示。

GPlay虚拟股市ⅡV1.0.2

一个查看股市的小程序aia源码

经过新浪网股市接口，实时读取6个大盘指数、50个行业指数，动态实时显示在图表上。
还可以显示“财经头条”网站信息。
VS2010C++编译经过。

支持向量机（supportvectormachine,SVM）是数据挖掘中的一项新技术，是借助于最优化方法解决机器学习问题的新工具。
它成为克服“维数灾难”和“过学习”等传统困难的有效办法，虽然他还处在飞速发展的阶段，但它的理论基础和实现途径的基本框架已经构成。
支持向量机目前主要用来解决分类问题（模式识别，判别分析）和回归问题。
而股市行为预测通常为预测股市数据的走势和预测股市数据的未来数值。
而当我们将走势看作两种状态（涨、跌），问题便转化为分类问题，而预测股市未来的价格是指为典型的回归问题。
我们有理由相信支持向量机可以对股市进行预测。
本报告是支持向量机对股票价格预测应用报告的综述，旨在于介绍预测股票价格走势的SVM简单预测模型。
该模型可以用来预测未来若干天股票价格的大体走势，这对于股票投资可以起到很好的指导性作用。

项目介绍可查看作者MLDan写的文章：作为一个程序员，总喜欢在股市里面晃荡，无奈总是当成韭菜收割了。
每一次都是卖涨买跌，处处碰壁。
但是作为一个有一定阅历的程序员本能告诉自己，只要掌握了大量的股票数据，就可以在信息渠道落后的情况下，分析出机构大概率的在规划哪些股票，从而在机构拉涨停之前，提前进入分一杯羹。
于是，开始编写了爬取股票数据并进行数据分析的程序。

某个股市分析代码的通视行情接受格式阐明某个股市分析代码的通视行情接受格式阐明某个股市分析代码的通视行情接受格式阐明

基于情感字典和机械学习的股市舆情情感分类可视化Web

股票分析器和预测器，使用Elasticsearch，Twitter，旧事标题和Python自然语言处理和情绪分析

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。