1. 如何用python炒股
你就是想找个软件或者券商的接口去上传交易指令，你前期的数据抓取和分析可能python都写好了，所以差这交易指令接口最后一步。对于股票的散户，正规的法子是华宝，国信，兴业这样愿意给接口的券商，但貌似开户费很高才给这权利，而且只有lts，ctp这样的c++接口，没python版就需要你自己封装。还有的法是wind这样的软件也有直接的接口，支持部分券商，但也贵，几万一年是要的，第三种就是走野路子，鼠标键盘模拟法，很复杂的，就是模拟键盘鼠标去操作一些软件，比如券商版交易软件和大智慧之类的。还有一种更野的方法，就是找到这些软件的关于交易指令的底层代码并更改，我网络看到的，不知道是不是真的可行。。散户就这样，没资金就得靠技术，不过我觉得T+1的规则下，预测准确率的重要性高于交易的及时性，花功夫做数据分析就好，交易就人工完成吧
2. 如何用 python 和机器学习炒股赚钱
很难实现。
因为所有的机器学习，都需要人为的指定学习的“特征”，也就是为构建的智能体，指定通过哪些条件来自主的做出选择。
而影响股票涨跌的条件，实在是太繁多太不稳定了，比如你可以让智能体每天自动爬取一些股票分析网站的文章，通过自然语言处理分析出该网站对某些支股票的倾向，作为一个特征。但是这个特征就太片面而且并不一定准确。
3. 用Python 进行股票分析 有什么好的入门书籍或者课程吗
个人觉得这问题问的不太对，说句不好的话，你是来搞编程的还是做股票的。
当然，如果题主只是用来搜集资料，看数据的话那还是可以操作一波的，至于python要怎么入门，个人下面会推荐一些入门级的书籍，通过这些书籍，相信楼主今后会有一个清晰的了解（我们以一个完全不会编程的的新手来看待）。
《Learn Python The Hard Way》，也就是我们所说的笨办法学python，这绝对是新手入门的第一选择，里面话题简练，是一本以练习为导向的教材。有浅入深，而且易懂。
其它的像什么，《Python源码剖析》，《集体智慧编程》，《Python核心编程（第二版）》等题主都可以适当的选择参读下，相信都会对题主有所帮助。
最后，还是要重复上面的话题，炒股不是工程学科，它有太多的变数，对于现在的智能编程来说，它还没有办法及时的反映那些变数，所以，只能当做一种参考，千万不可过渡依赖。
结语：pyhton相对来说是一种比较高端的学科，需要有很强的逻辑能力。所以入门是非常困难的，如果真的要学习，是需要很大的毅力去坚持下去的，而且不短时间就能入门了，要有所心理准备。
4. 怎样用 Python 写一个股票自动交易的程序
方法一
前期的数据抓取和分析可能python都写好了，所以差这交易指令接口最后一步。对于股票的散户，正规的法子是华宝，国信，兴业这样愿意给接口的券商，但貌似开户费很高才给这权利，而且只有lts，ctp这样的c++接口，没python版就需要你自己封装。
方法二
是wind这样的软件也有直接的接口，支持部分券商，但也贵，几万一年是要的。
方法三
鼠标键盘模拟法，很复杂的，就是模拟键盘鼠标去操作一些软件，比如券商版交易软件和大智慧之类的。
方法四
就是找到这些软件的关于交易指令的底层代码并更改，不过T+1的规则下，预测准确率的重要性高于交易的及时性，花功夫做数据分析就好，交易就人工完成吧
5. 用Python 进行股票分析 有什么好的入门书籍或者课程吗
用这个分析，分析对的概率很低，取样是过去的数据，但是每只股票不同时期的主力庄家是不同人，基本面筹码面情况完全不同，怎么可能分析对？
6. 我想自己写个自用的股票看盘与分析的软件，如何能快速入门
看盘的一般步骤是：
1、看两市涨跌幅榜：
(1)对照大盘走势，与大盘比较强弱，了解主力参与程度，包括其攻击、护盘、打压、不参与等情况可能，了解个股量价关系是否正常，主力拉抬或打压时动作、真实性以及目的用意。了解一般投资者的参与程度和热情。
(2)了解当日k线在日k线图中的位置，含义。再看周k线和月k线，在时间上、空间上了解主力参与程度、用意和状态。
(3)对涨幅前2版和跌幅后2版的个股要看的特别仔细。了解那些个股在悄悄走强，那些个股已是强弓之弩，那些个股在不计成本的出逃，那些个股正在突破启动，那些个股正在强劲的中盘，也就说，有点象人口普查，了解各部分的状态，这样才能对整个大盘的情况基本上了解大概。
(4)在了解个股的过程中，把那些处于低部攻击状态的个股挑出来，仔细观察日K线、周K线、月K线所经历的时间和空间、位置等情况良好的，剔除控盘严重的庄股和主力介入不深和游资阻击的个股，剩余的再看一下基本面，有最新的调研报告最好调出来看一下，符合的进入自己的自选股。
看涨幅在前两版的个股，看他们之间有那些个股存在板块、行业等联系，了解资金在流进那些行业和板块，看跌幅在后的两板，看那些个股资金在流出，是否具有板块和行业的联系，了解主力做空的板块。需要说明的看几板合适主要看当日行情的大小，好多看几板，差看前后两板就可以了。
2、看自己的自选股(包括当日选入的)：
观察是不是按照自己预想的在走，检验自己的选股方法，有那些错误，为什么出错，找出原因，改进。看那些个股已经出现买点(买点自己定的，按照什么标准也是你自己定的)的个股，你要做一个投资计划，包括怎么样情况怎么买，买多少、多少价格、止损位设置等。
3、看大盘走势：
主要分析收阴阳的情况、成交量情况，与昨日相比是否怎么样的情况，整个量价关系是否正常，在日K线的位置、含义，看整个日K线整体趋势，判断是否可以参与个股，能否出现中线波段，目前大盘处于哪一级趋势的那个阶段。看当日大盘波动情况，什么时候在拉抬、什么时候在打压，拉抬是那些股，打压又是那些股，他们对大盘的影响力又是如何。看涨跌平个股家数，了解大盘涨跌是否正常。了解流通市值前10名个股的运况，以及对大盘的影响，如果不是大盘股影响大盘，找出影响大盘的板块。了解大盘当日的高低点含义，了解大盘的阻力和支持位，了解大盘在什么位置有吸盘和抛压，了解那些个股在大盘打压之前先打压，那些个股在大盘打压末期先止住启动。
综合排名榜，市场各要素都展现在这里，那些个股在活跃，那些个股在出逃最强烈，那些个股在拉尾市勾当，那些在尾市打压制造恐慌假象，那些个股盘轻如燕，那些步履蹒跚，这是主力的照妖镜。
一、坚持每天复盘，并按自己的选股方法选出目标个股。复盘的重点在浏览所有个股走势，副业才是找目标股。在复盘过程中选出的个股，既符合自己的选股方法，又与目前的市场热点具有共性，有板块、行业的联动，后市走强的概率才高。复盘后你会从个股的趋同性发现大盘的趋势，从个股的趋同性发现板块。据接触过吕梁的朋友称，吕梁绝对是位分析高手，盘面感觉堪称一流，盘面上均线就是光溜溜的k线——股道至简。
二、对当天涨幅、跌幅在前的个股再一次认真浏览，找出个股走强(走弱)的原因，发现你认为的买入(卖出)信号。对符合买入条件的个股，可进入你的备选股票池并予以跟踪。
三、实盘中主要做到跟踪你的目标股的实时走势，明确了解其当日开、收、最高、最低的具体含义，以及盘中的主力的上拉、抛售、护盘等实际情况，了解量价关系是否的正常等。
四、条件反射训练。找出一些经典底部启动个股的走势，不断的刺激自己的大脑。
五、训练自己每日快速浏览动态大盘情况。
六、最核心的是有一套适合自己的操作方法，特别是适合自己。方法又来自上面的这些训练。
复盘就是利用静态再看一边市场全貌，这针对你白天动态盯盘来不及观察、来不及总结等等情况，在收盘后或者定时你又进行一次翻阅各个环节，进一步明确一下，明确那些股资金流进活跃，那些股资金流出主力在逃，大盘的抛压主要来自哪里，大盘做多动能又来自哪里，它们是不有行业、板块的联系，产生这些情况原因是什么？那些个股正处于上涨的黄金时期，那些即将形成完美突破，大盘今日涨跌主要原因是什么等等情况，需要你重新对市场进行复合一遍，更了解市场的变化
7. 如何用Python和机器学习炒股赚钱
相信很多人都想过让人工智能来帮你赚钱，但到底该如何做呢？瑞士日内瓦的一位金融数据顾问 Gaëtan Rickter 近日发表文章介绍了他利用 Python 和机器学习来帮助炒股的经验，其最终成果的收益率跑赢了长期处于牛市的标准普尔 500 指数。虽然这篇文章并没有将他的方法完全彻底公开，但已公开的内容或许能给我们带来如何用人工智能炒股的启迪。
我终于跑赢了标准普尔 500 指数 10 个百分点！听起来可能不是很多，但是当我们处理的是大量流动性很高的资本时，对冲基金的利润就相当可观。更激进的做法还能得到更高的回报。
这一切都始于我阅读了 Gur Huberman 的一篇题为《Contagious Speculation and a Cure for Cancer: A Non-Event that Made Stock Prices Soar》的论文。该研究描述了一件发生在 1998 年的涉及到一家上市公司 EntreMed（当时股票代码是 ENMD）的事件：
「星期天《纽约时报》上发表的一篇关于癌症治疗新药开发潜力的文章导致 EntreMed 的股价从周五收盘时的 12.063 飙升至 85，在周一收盘时接近 52。在接下来的三周，它的收盘价都在 30 以上。这股投资热情也让其它生物科技股得到了溢价。但是，这个癌症研究方面的可能突破在至少五个月前就已经被 Nature 期刊和各种流行的报纸报道过了，其中甚至包括《泰晤士报》！因此，仅仅是热情的公众关注就能引发股价的持续上涨，即便实际上并没有出现真正的新信息。」
在研究者给出的许多有见地的观察中，其中有一个总结很突出：
「（股价）运动可能会集中于有一些共同之处的股票上，但这些共同之处不一定要是经济基础。」
我就想，能不能基于通常所用的指标之外的其它指标来划分股票。我开始在数据库里面挖掘，几周之后我发现了一个，其包含了一个分数，描述了股票和元素周期表中的元素之间的「已知和隐藏关系」的强度。
我有计算基因组学的背景，这让我想起了基因和它们的细胞信号网络之间的关系是如何地不为人所知。但是，当我们分析数据时，我们又会开始看到我们之前可能无法预测的新关系和相关性。
如果你使用机器学习，就可能在具有已知和隐藏关系的上市公司的寄生、共生和共情关系之上抢占先机，这是很有趣而且可以盈利的。最后，一个人的盈利能力似乎完全关乎他在生成这些类别的数据时想出特征标签（即概念（concept））的强大组合的能力。
我在这类模型上的下一次迭代应该会包含一个用于自动生成特征组合或独特列表的单独算法。也许会基于近乎实时的事件，这可能会影响那些具有只有配备了无监督学习算法的人类才能预测的隐藏关系的股票组。
8. 用Python 进行股票分析 有什么好的入门书籍或者课程吗
概率炒股法：
用python获取股票价格，如tushare，如果发现股票当天涨幅在大盘之上（2点30到2点50判断），买入持有一天，下跌当天就别买，你可以用概率论方法，根据资金同时持有5支，10支或20支，这样不怕停盘影响，理论上可以跑赢大盘。
还有一种是操作etf，如大盘50 etf,300 etf,中小板etf,创业板etf，当天2.30分判断那个etf上涨就买入那支，不上涨什么都不买，持有一天，第二天如是。