阿里云服务器太卡

上一篇我们通过批量回测筛选出了策略偏爱的股票，但不少新手反馈：每天手动跑代码太麻烦错过金叉信号就白筛选了。今天就彻底解决这个痛点——教你用Python打造一套全自动量化系统：每天收盘后自动获取最新数据、执行策略，一旦优选股出现金叉信号，立刻通过微信把股票名称+买入提示推送给你，真正实现不用盯盘也能抓机会。

一、核心工具：3分钟搞定自动化必备组件

自动化的核心是数据自动获取+信号自动推送，我们需要两个简单工具，新手跟着步骤走，3分钟就能配齐：

1.1 微信推送工具：Server酱（免费无门槛）

Server酱是专门用于程序发消息到微信的工具，不用写复杂接口，复制一个Key就能用，步骤如下：

打开官网：https://sct.ftqq.com/，用微信扫码登录（仅需微信授权，安全无广告）；登录后点击左侧发送消息，找到SCKEY（一串字母+数字的字符串），复制保存——这是微信消息通行证，后面代码要用到；测试有效性：在官网发送消息栏输入任意内容，点击发送，手机微信会立刻收到Server酱的推送，说明配置成功。

提示：Server酱免费版足够满足个人需求，每天可发100条消息，完全覆盖量化信号提醒场景。

1.2 自动化核心：复用策略函数+定时任务

我们不需要重新写策略逻辑，直接复用第三篇的成交量过滤均线策略，新增三个核心功能：

数据实时化：获取前一个交易日的最新数据（不用手动改日期）；信号判断：只监控第三篇筛选出的优选股，避免无效信号；定时执行：用Python的schedule库设置每天16:30自动跑代码（A股15:00收盘，16:30数据已更新）。

先安装需要的新库，打开命令提示符（Windows按Win+R输cmd），输入以下命令，回车等待安装完成：

pipinstall requests schedulerequests用于发微信消息，schedule用于定时

二、完整代码：打造自动跑策略+微信提醒系统

整个系统分为优选股列表→策略函数→微信推送函数→定时任务四部分，代码全注释，新手替换SCKEY和优选股代码就能用。

2.1 第一步：配置核心参数（新手必改3处）

1. 配置核心参数（新手只改这3处！）① 替换成你的Server酱SCKEY（微信推送用）SCKEY ="你的Server酱SCKEY"② 替换成第三篇筛选出的优选股（格式：股票代码:股票名称）GOOD_STOCKS = {"600519.SH":"贵州茅台","300750.SZ":"宁德时代","002594.SZ":"比亚迪"可根据自己的优选股列表增减}③ 替换成你的Tushare TokenTUSHARE_TOKEN ="你的Tushare Token"2. 导入所有需要的库importtushareastsimportpandasaspdimportnumpyasnpimportrequestsimportscheduleimporttimefromdatetimeimportdatetime, timedelta

2.2 第二步：封装微信推送函数（1行代码发消息）

把微信推送逻辑打包成函数，后面只要调用send_wechat_msg(消息内容)，就能立刻推送到微信：

微信推送函数：传入消息内容，自动推送到微信defsend_wechat_msg(content):构造Server酱的请求链接url =f"https://sctapi.ftqq.com/{SCKEY}.send"消息参数（title是标题，desp是详细内容）params = {"title":"【股票量化信号提醒】","desp": content支持换行，用 分隔}发送请求response = requests.get(url, params=params)验证是否发送成功ifresponse.json()["code"] ==0: print("微信消息推送成功！")else: print(f"推送失败，原因：{response.json()[message]}")测试函数：运行后微信收到消息说明没问题send_wechat_msg("测试消息：量化系统已启动！")

2.3 第三步：升级策略函数（支持实时数据）

复用第三篇的成交量过滤策略，新增自动获取最新交易日功能，不用再手动修改start_date和end_date：

初始化Tushare接口pro = ts.pro_api(TUSHARE_TOKEN)自动获取最新交易日（避免手动改日期）defget_last_trade_date():获取最近30天的交易日数据，取最后一个trade_cal = pro.trade_cal(exchange=SSE, start_date=20240101, end_date=datetime.now().strftime(%Y%m%d)) last_trade_date = trade_cal[trade_cal[is_open]==1][cal_date].iloc[-1]returnlast_trade_date升级后的策略函数：输入股票代码，返回是否出现金叉信号defcheck_golden_cross(ts_code, stock_name):last_date = get_last_trade_date()获取最近60天的数据（足够计算20日均线+判断信号）start_date = (datetime.strptime(last_date,%Y%m%d) - timedelta(days=60)).strftime(%Y%m%d)获取股票数据（和之前一致）df = pro.daily(ts_code=ts_code, start_date=start_date, end_date=last_date, adj=qfq)iflen(df) <20:returnFalse,f"{stock_name}({ts_code})数据不足，无法判断信号"策略逻辑（成交量过滤+均线交叉，和第三篇一致）df = df.sort_values(trade_date) df[trade_date] = pd.to_datetime(df[trade_date]) df.set_index(trade_date, inplace=True) df[ma5] = df[close].rolling(window=5).mean() df[ma20] = df[close].rolling(window=20).mean() df[vol_5avg] = df[vol].rolling(window=5).mean().shift(1) df[vol_enlarge] = np.where(df[vol] > df[vol_5avg]*1.3,1,0) df[ma5_prev] = df[ma5].shift(1) df[ma20_prev] = df[ma20].shift(1)只判断最新一个交易日是否出现金叉latest_data = df.iloc[-1] prev_data = df.iloc[-2]金叉条件：前一日ma5ma20，且成交量放大if(prev_data[ma5] < prev_data[ma20]) & (latest_data[ma5] > latest_data[ma20]) & (latest_data[vol_enlarge] ==1):returnTrue,f"{stock_name}({ts_code}) 出现金叉买入信号！ 日期：{latest_data.name.strftime(%Y-%m-%d)} 收盘价：{latest_data[close]:.2f}元 成交量：{latest_data[vol]}手（较前5日放大30%+）"else:returnFalse,f"{stock_name}({ts_code})未出现金叉信号"测试策略函数：检查贵州茅台是否有信号has_signal, msg = check_golden_cross("600519.SH","贵州茅台") print(msg)

2.4 第四步：封装主函数（批量检查+信号推送）

主函数负责循环检查所有优选股，一旦发现金叉信号，立刻调用微信推送函数，把消息发给你：

主函数：批量检查优选股+推送信号def check_all_stocks():print(f"===== {datetime.now().strftime(%Y-%m-%d %H:%M:%S)} 开始检查优选股信号 =====")收集所有信号结果results = []循环检查每只优选股forts_code, stock_name in GOOD_STOCKS.items(): has_signal, msg = check_golden_cross(ts_code, stock_name) results.append(msg)print(msg)有金叉信号就立刻推送微信ifhas_signal: send_wechat_msg(msg)汇总所有结果，推送一次完整报告summary =" ".join(results) send_wechat_msg(f" 优选股信号汇总（{datetime.now().strftime(%Y-%m-%d)}） {summary}")print("===== 检查完成，结果已推送至微信 =====")测试主函数：手动触发一次检查check_all_stocks()

2.5 第五步：设置定时任务（每天自动跑）

用schedule库设置每天16:30自动执行主函数，只要电脑开着，就会按时跑代码，不用手动操作：

设置定时任务：每天16:30自动执行schedule.every().day.at("16:30").do(check_all_stocks)让程序一直运行，等待定时任务触发print("量化自动提醒系统已启动！")print(f"每天16:30自动检查优选股信号，结果将推送至微信")print("如需停止程序，按Ctrl+C即可")whileTrue: schedule.run_pending()检查是否有定时任务需要执行time.sleep(60)每隔60秒检查一次，减少电脑资源占用

三、实战测试：3步确认系统能正常工作

代码写好后别直接挂后台，先按以下步骤测试，确保每个环节都没问题：

3.1 第一步：测试微信推送

贵州云服务器20

找到send_wechat_msg函数下面的测试代码，去掉注释（删掉），运行代码：

测试微信推送（去掉注释运行）send_wechat_msg("测试消息：量化系统已启动！")

如果手机微信收到Server酱的推送消息，说明微信配置成功；如果没收到，检查SCKEY是否复制正确，或重新登录Server酱刷新SCKEY。

澳洲云服务器

3.2 第二步：测试策略信号判断

运行check_golden_cross的测试代码，查看控制台输出：

测试策略函数（去掉注释运行）has_signal, msg = check_golden_cross("600519.SH","贵州茅台")print(msg)

如果输出贵州茅台(600519.SH)未出现金叉信号或具体的金叉信息，说明策略函数正常；如果报错数据不足，检查Tushare Token是否有效。

3.3 第三步：测试定时任务

为了避免等太久，先把定时时间改成当前时间+1分钟，比如现在15:20，就设置15:21执行：

临时测试定时任务：设置1分钟后执行（测试完改回16:30）schedule.every().day.at("15:21").do(check_all_stocks)

运行代码后，等待到设定时间，看控制台是否打印开始检查优选股信号，并收到微信推送的汇总报告，确认定时任务生效。

四、进阶优化：新手必学的实用技巧

基础版本能满足需求，再教你3个进阶技巧，让系统更稳定、更实用：

4.1 技巧1：加入日志记录（方便排查问题）

新增日志功能，把每天的检查结果存到文件里，就算程序报错，也能找到问题原因：

importlogging配置日志：存到quant_log.txt文件里logging.basicConfig( filename=quant_log.txt, level=logging.INFO, format=%(asctime)s - %(message)s, datefmt=%Y-%m-%d %H:%M:%S)在主函数里添加日志记录defcheck_all_stocks():log_msg =f"===== 开始检查优选股信号 ====="print(log_msg) logging.info(log_msg) results = []forts_code, stock_nameinGOOD_STOCKS.items(): has_signal, msg = check_golden_cross(ts_code, stock_name) results.append(msg) print(msg) logging.info(msg)记录每只股票的结果ifhas_signal: send_wechat_msg(msg) summary =" ".join(results) send_wechat_msg(f" 优选股信号汇总（{datetime.now().strftime(%Y-%m-%d)}） {summary}") log_msg ="===== 检查完成 ====="print(log_msg) logging.info(log_msg)

4.2 技巧2：电脑关机也能跑（用云服务器）

如果不想一直开着电脑，可以用阿里云、腾讯云的轻量应用服务器，学生机每月只要9.9元，步骤如下：

购买服务器：选Windows Server 2019系统（和电脑操作一样，新手易上手）；远程连接：电脑按Win+R输mstsc，输入服务器的公网IP+用户名+密码，远程控制服务器；配置环境：在服务器上安装Python和需要的库，把代码复制过去，运行后最小化即可（服务器会24小时运行）。

4.3 技巧3：新增死叉提醒（及时止盈）

在策略函数里新增死叉判断，持仓股票出现死叉时立刻提醒卖出，形成买入-卖出完整闭环：

升级策略函数：同时判断金叉和死叉defcheck_cross_signal(ts_code, stock_name, hold_status=False):前面代码和check_golden_cross一致...新增死叉判断（持仓时才需要关注）ifhold_status:if(prev_data[ma5] > prev_data[ma20]) & (latest_data[ma5] < latest_data[ma20]):return"death",f"{stock_name}({ts_code}) 出现死叉卖出信号！ 日期：{latest_data.name.strftime(%Y-%m-%d)} 收盘价：{latest_data[close]:.2f}元"金叉判断if(prev_data[ma5] < prev_data[ma20]) & (latest_data[ma5] > latest_data[ma20]) & (latest_data[vol_enlarge] ==1):return"golden",f"{金叉消息内容}"return"none",f"{无信号消息}"调用时指定是否持仓signal_type, msg = check_cross_signal("600519.SH","贵州茅台", hold_status=True)ifsignal_typein["golden","death"]: send_wechat_msg(msg)

五、本期避坑指南：自动化系统的4个关键注意点

避坑1：Tushare限流问题——免费用户每秒最多调用2次接口，批量检查30只股票时，在循环里加time.sleep(0.5)，避免被限流；避坑2：交易日判断——周末和节假日A股不开盘，系统会自动跳过（因为get_last_trade_date会获取最近的交易日），不用手动暂停；避坑3：SCKEY保密——别把SCKEY分享给别人，否则可能收到垃圾消息，如需更换，在Server酱官网重新生成即可；避坑4：不依赖单一信号——系统提醒只是辅助决策，出现金叉时先看大盘是否稳定（比如沪指是否跌超1%），避免盲目跟风。

六、系列总结与下期预告：策略优化天花板

到这篇为止，我们已经完成了0基础到自动化的完整量化闭环：从Tushare获取数据→搭建均线策略→成交量过滤假信号→多股批量回测→全自动微信提醒，新手跟着系列文章操作，已经能搭建属于自己的量化工具。

下期我们将冲击策略优化天花板——引入参数寻优和多因子策略：用Python自动找出每只股票最适合的均线参数（比如有的股票适合5/20日，有的适合10/30日），再结合MACD+RSI指标构建多因子策略，进一步提升胜率。

现在就把你的优选股列表填入代码，启动自动化系统吧！如果遇到服务器配置、信号推送等问题，直接在评论区留言，我会逐一帮你解决。

云服务器开网站