近期股票市场要闻-集体高开高走
2024 年 10 月 2 日，作为国庆节后及 10 月首个交易日，港股市场迎来大涨，三大指数集体高开高走。截至发稿前，恒生指数涨逾 5%，重返 22000 点，创 2023 年 1 月以来新高；国企指数涨逾 6%，重返 8000 点，创 2022 年 6 月以来新高；恒生科技指数涨逾 8%，站上 5000 点关口，创 2022 年 6 月以来新高。据富途行情显示，内房股、中资券商股、物管板块涨幅最大。其中，内房股板块涨幅居前，截至发稿前，板块涨幅达 15.95%，创 2023 年 5 月以来新高。个股中，包括雅居乐集团、世茂集团、中梁控股、旭辉控股集团、远洋集团、富力地产、融创中国、万科企业、中国金茂、美的置业、金辉控股、龙光集团、越秀地产在内 15 家内房股，涨幅均超过 20%，新城发展、龙湖集团、中国海外宏洋集团、绿城中国、中国海外发展涨幅均在 10%以上。
实际上，在国庆节前，在美联储降息、央行新政“四箭齐发”及楼市利好消息不断催化之下，内房股板块已经走出一波独立行情，9 月内房股板块月度涨幅达 47.86%。进入 10 月，外资及投行做多中国资产呼声愈发强烈。高盛建议“投资者战术性投资中国股票”；摩根士丹利则认为中国股市近期或“出现战术性反弹，甚至表现优于新兴市场”。与此同时，外资买入中国资产力度正在加大，纳斯达克中国金龙指数 10 月 1 日大涨 5.48%，创出 2023 年 8 月以来新高；富时 A50 指数 2022 年 7 月以来新高，截至发稿前，该指数涨幅达 7.26%，报 14799.5 点。
在众多做多声音中，与房地产相关利好消息频出，港股内房股市场情绪不断升温。消息面，继上海、广州、深圳后，北京也发布了楼市新政，自 10 月 1 日起执行。9 月 30 日晚，北京住建委发布通知，居民家庭购买首套商品住房，商业性个人住房贷款最低首付款比例调整为不低于 15%。购买二套商品住房，商业性个人住房贷款最低首付款比例调整为不低于 20%。
另外，10 月 2 日 CHEVALIER INT'L(00025.HK)发布公告，于 2024 年 10 月 2 日斥资 14.55 万港元回购股份 2.8 万股。
除了港股市场的表现，一些公司的股东大会也值得关注。例如，道通科技将于 10 月 15 日召开第 3 次临时股东大会，审议公司 2024 年员工持股计划管理办法等议案；赛福天将于 10 月 16 日召开第 4 次临时股东大会，审议 2024 年员工持股计划管理办法(修订稿)等议案；中路股份将于 10 月 16 日召开第 2 次临时股东大会，审议签订建设用地减量化清拆补偿协议的议案；神州信息将于 10 月 16 日召开第 4 次临时股东大会，审议 3 项议案；中兵红箭将于 10 月 16 日召开第 3 次临时股东大会，审议调整 xx 生产能力建设项目建设内容的议案；世联行将于 10 月 16 日召开第 2 次临时股东大会，审议 3 项议案；康辰药业将于 10 月 29 日召开第 2 次临时股东大会，审议 7 项议案；旗滨集团将于 10 月 15 日召开第 2 次临时股东大会，审议 2 项议案。
什么是日K线?
股票日K线是股票市场中常用的一种技术分析图表，用于展示股票在一定交易周期内的价格走势和交易信息。K线图以日为单位，每根K线代表一天的交易数据，通常包括该交易日的开盘价、最高价、最低价和收盘价。
K线图的构成包括“实体”和“影线”两部分：
实体部分：实体部分代表开盘价和收盘价之间的价格区间，如果收盘价高于开盘价，实体部分一般为白色或空心；如果收盘价低于开盘价，实体部分一般为黑色或实心。 影线部分：影线部分则代表最高价和最低价之间的价格波动区间，上影线表示最高价和收盘价之间的区间，下影线表示最低价和开盘价之间的区间。
通过观察K线图，投资者可以快速了解股票在一段时间内的价格走势，包括价格的波动情况、市场情绪和买卖力量的对比。基于K线图的形态和走势，投资者可以进行技术分析，制定交易策略。
如何通过python获取日K线数据
在金融投资领域，获取股票的日K线数据对于制定交易策略和进行数据分析至关重要。
首先，需要安装baostock库（或者其他库），然后，通过以下代码示例，我们可以轻松地获取股票的日K线数据：
import baostock as bs
import pandas as pd
# 登陆系统
lg = bs.login()
print('登录状态码:'+lg.error_code)
print('登录信息:'+lg.error_msg)
# 获取沪深A股历史K线数据
rs = bs.query_history_k_data_plus("sh.600941",
"date,code,open,high,low,close,preclose,volume,amount,adjustflag,turn,tradestatus,pctChg,isST",
start_date='2020-01-01', end_date='2024-3-5',
frequency="d", adjustflag="3")
print('历史K数据查询状态码:'+rs.error_code)
print('历史K数据查询信息:'+rs.error_msg)
# 获取数据并转换为DataFrame
data_list = []
while (rs.error_code == '0') & rs.next():
data_list.append(rs.get_row_data())
result = pd.DataFrame(data_list, columns=rs.fields)
new_fields=["交易所行情日期","证券代码","开盘价","最高价","最低价","收盘价","前收盘价","成交量（累计 单位：股）","成交额（单位：人民币元）","复权状态(1：后复权， 2：前复权，3：不复权）",
"换手率","交易状态(1：正常交易 0：停牌）","涨跌幅（百分比）","是否ST股，1是，0否"]
result = result.rename(columns=dict(zip(rs.fields, new_fields)))
# 结果输出到csv文件
result.to_csv("D:\\history_A_stock_k_data.csv", index=False)
# 打印结果
print(result)
# 登出系统
bs.logout()
通过以上代码，可以获取了股票的日K线数据，并将结果保存到了CSV文件中。接下来，您可以使用这些数据进行进一步的分析和处理，比如制定交易策略、绘制股票走势图等
总结
大家对我的文章有什么建议或意见，欢迎随时留言交流。 欢迎大家关注、点赞、收藏、点亮在看 欢迎大家把我的文章分享给你身边的好朋友，大家一起分享，一起进步。
本文只交流python技术，不讨论股票相关信息，请大家合理利用技术，请勿滥用
