1. 如何用python炒股
你就是想找個軟體或者券商的介面去上傳交易指令，你前期的數據抓取和分析可能python都寫好了，所以差這交易指令介面最後一步。對於股票的散戶，正規的法子是華寶，國信，興業這樣願意給介面的券商，但貌似開戶費很高才給這權利，而且只有lts，ctp這樣的c++介面，沒python版就需要你自己封裝。還有的法是wind這樣的軟體也有直接的介面，支持部分券商，但也貴，幾萬一年是要的，第三種就是走野路子，滑鼠鍵盤模擬法，很復雜的，就是模擬鍵盤滑鼠去操作一些軟體，比如券商版交易軟體和大智慧之類的。還有一種更野的方法，就是找到這些軟體的關於交易指令的底層代碼並更改，我網路看到的，不知道是不是真的可行。。散戶就這樣，沒資金就得靠技術，不過我覺得T+1的規則下，預測准確率的重要性高於交易的及時性，花功夫做數據分析就好，交易就人工完成吧
2. 如何用 python 和機器學習炒股賺錢
很難實現。
因為所有的機器學習，都需要人為的指定學習的「特徵」，也就是為構建的智能體，指定通過哪些條件來自主的做出選擇。
而影響股票漲跌的條件，實在是太繁多太不穩定了，比如你可以讓智能體每天自動爬取一些股票分析網站的文章，通過自然語言處理分析出該網站對某些支股票的傾向，作為一個特徵。但是這個特徵就太片面而且並不一定準確。
3. 用Python 進行股票分析 有什麼好的入門書籍或者課程嗎
個人覺得這問題問的不太對，說句不好的話，你是來搞編程的還是做股票的。
當然，如果題主只是用來搜集資料，看數據的話那還是可以操作一波的，至於python要怎麼入門，個人下面會推薦一些入門級的書籍，通過這些書籍，相信樓主今後會有一個清晰的了解（我們以一個完全不會編程的的新手來看待）。
《Learn Python The Hard Way》，也就是我們所說的笨辦法學python，這絕對是新手入門的第一選擇，裡面話題簡練，是一本以練習為導向的教材。有淺入深，而且易懂。
其它的像什麼，《Python源碼剖析》，《集體智慧編程》，《Python核心編程（第二版）》等題主都可以適當的選擇參讀下，相信都會對題主有所幫助。
最後，還是要重復上面的話題，炒股不是工程學科，它有太多的變數，對於現在的智能編程來說，它還沒有辦法及時的反映那些變數，所以，只能當做一種參考，千萬不可過渡依賴。
結語：pyhton相對來說是一種比較高端的學科，需要有很強的邏輯能力。所以入門是非常困難的，如果真的要學習，是需要很大的毅力去堅持下去的，而且不短時間就能入門了，要有所心理准備。
4. 怎樣用 Python 寫一個股票自動交易的程序
方法一
前期的數據抓取和分析可能python都寫好了，所以差這交易指令介面最後一步。對於股票的散戶，正規的法子是華寶，國信，興業這樣願意給介面的券商，但貌似開戶費很高才給這權利，而且只有lts，ctp這樣的c++介面，沒python版就需要你自己封裝。
方法二
是wind這樣的軟體也有直接的介面，支持部分券商，但也貴，幾萬一年是要的。
方法三
滑鼠鍵盤模擬法，很復雜的，就是模擬鍵盤滑鼠去操作一些軟體，比如券商版交易軟體和大智慧之類的。
方法四
就是找到這些軟體的關於交易指令的底層代碼並更改，不過T+1的規則下，預測准確率的重要性高於交易的及時性，花功夫做數據分析就好，交易就人工完成吧
5. 用Python 進行股票分析 有什麼好的入門書籍或者課程嗎
用這個分析，分析對的概率很低，取樣是過去的數據，但是每隻股票不同時期的主力莊家是不同人，基本面籌碼面情況完全不同，怎麼可能分析對？
6. 我想自己寫個自用的股票看盤與分析的軟體，如何能快速入門
看盤的一般步驟是：
1、看兩市漲跌幅榜：
(1)對照大盤走勢，與大盤比較強弱，了解主力參與程度，包括其攻擊、護盤、打壓、不參與等情況可能，了解個股量價關系是否正常，主力拉抬或打壓時動作、真實性以及目的用意。了解一般投資者的參與程度和熱情。
(2)了解當日k線在日k線圖中的位置，含義。再看周k線和月k線，在時間上、空間上了解主力參與程度、用意和狀態。
(3)對漲幅前2版和跌幅後2版的個股要看的特別仔細。了解那些個股在悄悄走強，那些個股已是強弓之弩，那些個股在不計成本的出逃，那些個股正在突破啟動，那些個股正在強勁的中盤，也就說，有點象人口普查，了解各部分的狀態，這樣才能對整個大盤的情況基本上了解大概。
(4)在了解個股的過程中，把那些處於低部攻擊狀態的個股挑出來，仔細觀察日K線、周K線、月K線所經歷的時間和空間、位置等情況良好的，剔除控盤嚴重的庄股和主力介入不深和游資阻擊的個股，剩餘的再看一下基本面，有最新的調研報告最好調出來看一下，符合的進入自己的自選股。
看漲幅在前兩版的個股，看他們之間有那些個股存在板塊、行業等聯系，了解資金在流進那些行業和板塊，看跌幅在後的兩板，看那些個股資金在流出，是否具有板塊和行業的聯系，了解主力做空的板塊。需要說明的看幾板合適主要看當日行情的大小，好多看幾板，差看前後兩板就可以了。
2、看自己的自選股(包括當日選入的)：
觀察是不是按照自己預想的在走，檢驗自己的選股方法，有那些錯誤，為什麼出錯，找出原因，改進。看那些個股已經出現買點(買點自己定的，按照什麼標准也是你自己定的)的個股，你要做一個投資計劃，包括怎麼樣情況怎麼買，買多少、多少價格、止損位設置等。
3、看大盤走勢：
主要分析收陰陽的情況、成交量情況，與昨日相比是否怎麼樣的情況，整個量價關系是否正常，在日K線的位置、含義，看整個日K線整體趨勢，判斷是否可以參與個股，能否出現中線波段，目前大盤處於哪一級趨勢的那個階段。看當日大盤波動情況，什麼時候在拉抬、什麼時候在打壓，拉抬是那些股，打壓又是那些股，他們對大盤的影響力又是如何。看漲跌平個股家數，了解大盤漲跌是否正常。了解流通市值前10名個股的運況，以及對大盤的影響，如果不是大盤股影響大盤，找出影響大盤的板塊。了解大盤當日的高低點含義，了解大盤的阻力和支持位，了解大盤在什麼位置有吸盤和拋壓，了解那些個股在大盤打壓之前先打壓，那些個股在大盤打壓末期先止住啟動。
綜合排名榜，市場各要素都展現在這里，那些個股在活躍，那些個股在出逃最強烈，那些個股在拉尾市勾當，那些在尾市打壓製造恐慌假象，那些個股盤輕如燕，那些步履蹣跚，這是主力的照妖鏡。
一、堅持每天復盤，並按自己的選股方法選出目標個股。復盤的重點在瀏覽所有個股走勢，副業才是找目標股。在復盤過程中選出的個股，既符合自己的選股方法，又與目前的市場熱點具有共性，有板塊、行業的聯動，後市走強的概率才高。復盤後你會從個股的趨同性發現大盤的趨勢，從個股的趨同性發現板塊。據接觸過呂梁的朋友稱，呂梁絕對是位分析高手，盤面感覺堪稱一流，盤面上均線就是光溜溜的k線——股道至簡。
二、對當天漲幅、跌幅在前的個股再一次認真瀏覽，找出個股走強(走弱)的原因，發現你認為的買入(賣出)信號。對符合買入條件的個股，可進入你的備選股票池並予以跟蹤。
三、實盤中主要做到跟蹤你的目標股的實時走勢，明確了解其當日開、收、最高、最低的具體含義，以及盤中的主力的上拉、拋售、護盤等實際情況，了解量價關系是否的正常等。
四、條件反射訓練。找出一些經典底部啟動個股的走勢，不斷的刺激自己的大腦。
五、訓練自己每日快速瀏覽動態大盤情況。
六、最核心的是有一套適合自己的操作方法，特別是適合自己。方法又來自上面的這些訓練。
復盤就是利用靜態再看一邊市場全貌，這針對你白天動態盯盤來不及觀察、來不及總結等等情況，在收盤後或者定時你又進行一次翻閱各個環節，進一步明確一下，明確那些股資金流進活躍，那些股資金流出主力在逃，大盤的拋壓主要來自哪裡，大盤做多動能又來自哪裡，它們是不有行業、板塊的聯系，產生這些情況原因是什麼？那些個股正處於上漲的黃金時期，那些即將形成完美突破，大盤今日漲跌主要原因是什麼等等情況，需要你重新對市場進行復合一遍，更了解市場的變化
7. 如何用Python和機器學習炒股賺錢
相信很多人都想過讓人工智慧來幫你賺錢，但到底該如何做呢？瑞士日內瓦的一位金融數據顧問 Gaëtan Rickter 近日發表文章介紹了他利用 Python 和機器學習來幫助炒股的經驗，其最終成果的收益率跑贏了長期處於牛市的標准普爾 500 指數。雖然這篇文章並沒有將他的方法完全徹底公開，但已公開的內容或許能給我們帶來如何用人工智慧炒股的啟迪。
我終於跑贏了標准普爾 500 指數 10 個百分點！聽起來可能不是很多，但是當我們處理的是大量流動性很高的資本時，對沖基金的利潤就相當可觀。更激進的做法還能得到更高的回報。
這一切都始於我閱讀了 Gur Huberman 的一篇題為《Contagious Speculation and a Cure for Cancer: A Non-Event that Made Stock Prices Soar》的論文。該研究描述了一件發生在 1998 年的涉及到一家上市公司 EntreMed（當時股票代碼是 ENMD）的事件：
「星期天《紐約時報》上發表的一篇關於癌症治療新葯開發潛力的文章導致 EntreMed 的股價從周五收盤時的 12.063 飆升至 85，在周一收盤時接近 52。在接下來的三周，它的收盤價都在 30 以上。這股投資熱情也讓其它生物科技股得到了溢價。但是，這個癌症研究方面的可能突破在至少五個月前就已經被 Nature 期刊和各種流行的報紙報道過了，其中甚至包括《泰晤士報》！因此，僅僅是熱情的公眾關注就能引發股價的持續上漲，即便實際上並沒有出現真正的新信息。」
在研究者給出的許多有見地的觀察中，其中有一個總結很突出：
「（股價）運動可能會集中於有一些共同之處的股票上，但這些共同之處不一定要是經濟基礎。」
我就想，能不能基於通常所用的指標之外的其它指標來劃分股票。我開始在資料庫裡面挖掘，幾周之後我發現了一個，其包含了一個分數，描述了股票和元素周期表中的元素之間的「已知和隱藏關系」的強度。
我有計算基因組學的背景，這讓我想起了基因和它們的細胞信號網路之間的關系是如何地不為人所知。但是，當我們分析數據時，我們又會開始看到我們之前可能無法預測的新關系和相關性。
如果你使用機器學習，就可能在具有已知和隱藏關系的上市公司的寄生、共生和共情關系之上搶佔先機，這是很有趣而且可以盈利的。最後，一個人的盈利能力似乎完全關乎他在生成這些類別的數據時想出特徵標簽（即概念（concept））的強大組合的能力。
我在這類模型上的下一次迭代應該會包含一個用於自動生成特徵組合或獨特列表的單獨演算法。也許會基於近乎實時的事件，這可能會影響那些具有隻有配備了無監督學習演算法的人類才能預測的隱藏關系的股票組。
8. 用Python 進行股票分析 有什麼好的入門書籍或者課程嗎
概率炒股法：
用python獲取股票價格，如tushare，如果發現股票當天漲幅在大盤之上（2點30到2點50判斷），買入持有一天，下跌當天就別買，你可以用概率論方法，根據資金同時持有5支，10支或20支，這樣不怕停盤影響，理論上可以跑贏大盤。
還有一種是操作etf，如大盤50 etf,300 etf,中小板etf,創業板etf，當天2.30分判斷那個etf上漲就買入那支，不上漲什麼都不買，持有一天，第二天如是。