"meme"股票热潮袭来！用 Python 跟踪并自动盯盘 - 文章 - 开发者社区

picture.image

美股“Meme”股票再次引发关注，游戏驿站GameStop（GME）和AMC娱乐（AMC）等股票的价格飙升引发了对meme股复兴的猜测。

沉寂三年后，曾引发2021年“散户大战华尔街”狂潮的“散户之王”Keith Gill重返社交媒体，疑似再次吹响号角。

picture.image

在上周一和周二，“meme股”游戏驿站（GameStop）和AMC院线的股价分别上涨179.21%和135.4%，造成空头损失超过24亿美元。

在这场火爆行情中，名为“stocksandrealestate”的X用户也在这短短的两天内，在美股二级市场上将1000美元“变”成了近7.2万美元。他感觉自己走向了“人生巅峰”，并将这一切归功于游戏驿站，在推文中直言：“游戏驿站改变了我的人生”。

什么是 "meme" 股票？

近年来，"meme" 股票已经成为投资界的热门话题。

所谓“meme”股票，可以简单理解为网红股票，是2020年在社交媒体平台Reddit子版块wallstreetbets崛起的一类特殊的股票。这些股票通常由散户推动，借助Reddit、X（之前的Twitter）等社交媒体平台实现病毒式传播，因此股价波动极大，炒作气氛浓厚。

picture.image

这些被散户追捧的Meme股票通常具备以下特征：

公司基本面走弱，股价低迷；
被对冲基金大量做空；
出现一些逆境反转的迹象。

当一支股票在社交网络上成为热议话题后，会吸引散户投资者大量购入，推动股价在短时间内急剧上涨，形成一支meme股。meme股的形成可视为散户与华尔街大鳄之间的智斗。散户不断推高股价，而对冲基金则不停地做空。这导致meme股的股价波动异常剧烈，短期内可能经历巨幅涨跌。

picture.image

这些股票通常由社交媒体平台（如 Reddit）上的用户推动，其价格波动迅速且剧烈。通过分析这些社交媒体平台上的讨论，可以提前捕捉到市场趋势，帮助投资者抓住稍纵即逝的机会。

用 Python 跟踪“meme”股票，并自动盯盘

为了实现目的，首先我们使用 praw 库访问 Reddit API，获取像 wallstreetbets 等子版块中的热门帖子和评论数据。这些数据中包含了用户讨论的股票代码。我们通过正则表达式和字符串处理，将这些数据清洗并提取出潜在的股票代码。

其中，PRAW是一个用于与Reddit API交互的Python库。它允许用户通过简单的接口访问和操作Reddit的内容。PRAW的全称是“Python Reddit API Wrapper”，其主要功能是提供一个易于使用的方式来访问Reddit的API。

接着，使用 Counter 统计每个股票代码在讨论中的出现频率，识别出最热门的“meme”股票。然后，使用 yfinance 库获取这些股票的市场数据，包括开盘价、收盘价和最近的涨幅。

我们将这些数据整理成一个 pandas DataFrame，便于进一步处理和分析。可以将 DataFrame 保存为 Excel 文件，以备后续查看。执行代码后获取的数据如下所示：

picture.image

最后，使用 smtplib 库配置 SMTP 服务器，发送包含股票数据的邮件通知。邮件正文使用 HTML 格式，附加详细的 Excel 报告，确保用户能够方便地查看最新的投资组合数据。这里我用的是163邮箱的smtp服务，获取的邮件如下：

picture.image

通过以上步骤，利用 Python 的强大数据处理和自动化能力，可以实现从 Reddit 获取股票数据、分析市场趋势，并自动通过邮件实时更新投资组合的功能。 由于篇幅有限，仅展示部分代码，请在文章最末尾处获取完整python代码和数据文件。

实现步骤和完整代码

一、安装所需的Python库

要开始我们的项目，我们需要安装以下 Python 库：

praw ：用于访问 Reddit API。
yfinance ：用于获取股票市场数据。
pandas ：用于数据处理和分析。
smtplib ：用于发送电子邮件。

安装命令：


          
pip install praw yfinance pandas smtplib

二、数据获取

通过 Reddit 获取 "meme" 股票的讨论数据。使用 praw 库，我们可以轻松地从 Reddit 获取热门讨论的帖子和评论。以下是获取 Reddit 数据的部分代码示例：


          
import praw  
  
# 配置 Reddit API  
reddit = praw.Reddit(  
    client_id="your\_client\_id",  
    client_secret="your\_client\_secret",  
    username="your\_reddit\_username",  
    password="your\_reddit\_password",  
    user_agent="your\_user\_agent",  
    request_timeout=30  
)  
  
# 获取热门讨论的帖子  
subreddits = ['wallstreetbets', 'stocks', 'investing', 'StockMarket']  
posts = []  
for subreddit in subreddits:  
    subreddit_instance = reddit.subreddit(subreddit)  
    for submission in subreddit_instance.hot(limit=50):  
        submission.comments.replace_more(limit=0)  
        for comment in submission.comments.list():  
            posts.append(comment.body)

三、数据清洗与分析

处理获取的 Reddit 数据，识别潜在的股票代码。使用正则表达式和字符串操作，我们可以清洗 Reddit 数据并识别出潜在的股票代码：


          
import re  
from collections import Counter  
  
def remove_punc(word):  
    return re.sub(r'[^\w\s]', '', word)  
  
def remove_emoji(word):  
    return word.encode('ascii', 'ignore').decode('ascii')  
  
# 清洗数据  
words = []  
for post in posts:  
    for word in post.split():  
        cleaned_word = remove_punc(word)  
        cleaned_word = remove_emoji(cleaned_word)  
        if cleaned_word.isupper() and not containsNumber(cleaned_word):  
            words.append(cleaned_word)  
  
# 统计股票代码出现的频率  
stock_counts = Counter(words)  
trending_stocks = {k: v for k, v in stock_counts.items() if v > 10}

四、获取股票市场数据

使用 yfinance 获取股票的市场数据。获取股票的开盘价、收盘价和涨幅：


          
import yfinance as yf  
  
def get_stock_info(ticker):  
    stock = yf.Ticker(ticker)  
    hist = stock.history(period="5d")  
    if len(hist) >= 2:  
        open_price = hist['Open'][-1]  
        close_price = hist['Close'][-1]  
        change_percent = ((close_price - previous_close_price) / previous_close_price) * 100  
        return open_price, close_price, change_percent  
    return None, None, None  
  
stock_info = []  
for ticker, count in trending_stocks.items():  
    open_price, close_price, change_percent = get_stock_info(ticker)  
    if open_price:  
        stock_info.append((ticker, count, open_price, close_price, f"{change\_percent:.2f}%"))

五、生成报告

使用 pandas 将数据保存为 Excel 文件：


          
import pandas as pd  
  
df = pd.DataFrame(stock_info, columns=['股票代码', '出现次数', '开盘价', '收盘价', '涨幅'])  
df.to_excel('股票数据.xlsx', index=False)

六、自动化邮件发送

使用 smtplib 发送包含 Excel 附件和 HTML 表格的邮件


          
import smtplib  
from email.mime.multipart import MIMEMultipart  
from email.mime.text import MIMEText  
from email.mime.base import MIMEBase  
from email import encoders  
  
# 邮件配置  
email_user = 'your\_email@163.com'  
email_password = 'your\_email\_password'  
email_receiver = 'receiver\_email@example.com'  
email_subject = 'Reddit 热门股票，来看看你关注的有没有！'  
  
# 生成邮件内容  
top_10_html = df.head(10).to_html(index=False)  
email_body = f"""  
<p>嗨，股市小能手！</p>  
<p>看看我们从Reddit上挖掘到的热门股票名单，快来瞧瞧有没有你关注的股票吧！</p>  
<p>以下是Reddit上最火的前10只股票：</p>  
{top\_10\_html}  
<p>详情请查阅附件的Excel文件。</p>  
<p>祝你投资愉快，财源滚滚！</p>  
"""  
  
# 创建邮件消息  
msg = MIMEMultipart()  
msg['From'] = email_user  
msg['To'] = email_receiver  
msg['Subject'] = email_subject  
msg.attach(MIMEText(email_body, 'html'))  
  
# 附加Excel文件  
with open('股票数据.xlsx', 'rb') as attachment:  
    part = MIMEBase('application', 'octet-stream')  
    part.set_payload(attachment.read())  
    part.add_header('Content-Disposition', 'attachment', filename='股票数据.xlsx')  
    msg.attach(part)  
  
# 发送邮件  
try:  
    with smtplib.SMTP_SSL('smtp.163.com', 25) as server:  
        server.login(email_user, email_password)  
        server.sendmail(email_user, email_receiver, msg.as_string())  
    print(f"邮件已发送到 {email\_receiver}，附件为 股票数据.xlsx.")  
except Exception as e:  
    print(f"发送邮件失败: {e}")

改进和总结

为了进一步优化我们的投资工具，除了实时数据监控、自动交易和增加更多社交媒体数据源外，我们还可以考虑以下几个改进方向：

将更多的市场数据纳入分析范围，如交易量、波动率、市场情绪等。利用机器学习和人工智能技术，构建更复杂的预测模型。这些模型可以基于历史数据、社交媒体讨论趋势和其他市场指标，预测股票价格的未来走势，提高投资决策的准确性。

除了Reddit，还可以通过多源数据融合，可以获取更全面的市场情报，捕捉到更细微的市场情绪变化。并对社交媒体上的讨论进行情感分析，判断市场情绪的正负面。这可以帮助识别市场上的恐慌或乐观情绪，从而做出相应的投资决策。

通过以上改进，投资工具将更加强大和高效，能够提供更全面、准确的市场分析和投资建议。

扫描下方二维码， 获取完整代码和文件

欢迎加入ChatGPT量化与投资交流群

picture.image