继“佛媛”、“病媛”后，又有一个新名词“股媛”出现。

有网友称，最近头条系APP上有很多美女尝试炒股，每天哭诉自己亏了多少万，其实她们是盯准了炒股的中年油腻男，“她们就是股媛。”

红星资本局发现，这些被称为“股媛”的女性投资者主要是记录股市投资情况，但未发现有疑似“杀猪盘”、或把关注者引流到其他平台的情况。

对于“股媛”的称呼，部分女性投资者认为这是侮辱性称呼，并予以反击。以被称为“三大炒股女王”之一的股市宝妈为例，11月20日，她告诉红星资本局，自己炒股一直是盈利的。

但红星资本局注意到，从目前的公开内容来看，尚不能确定这些女性投资者是否为实盘交易。

头条系APP现“股媛”？

网友质疑系模拟炒股赚流量钱

近日，炒股圈中出现了一种新名词——“股媛”。

有网友称，头条系APP（如今日头条）上突然冒出来了很多尝试炒股的美女，她们的风格一律是亏钱、装可怜、博同情，每个人几乎都有几万、十几万的粉丝。

“她们怎么能做到有那么多钱可以天天亏？估计流量才是她们的目的吧……”有网友认为，今日头条APP等平台有创作者激励计划，只要内容足够吸引看客就可以赚取流量收益。

红星资本局注意到，在今日头条APP上，确实有女性投资者记录自己的炒股情况，并通过视频或文字总结的方式复盘，但未看到疑似“杀猪盘”、或把关注者引流到其他平台的情况。

在上述网友的“股媛”总结帖中，出现了多张有女性投资者网名ID和复盘内容的图片。红星资本局随机选取其中一位，查看了她过去5个交易日的复盘内容。

该名女性投资者约有2万名粉丝，从11月15日到11月19日，她的复盘内容中的关键词依次是“吃面”、“吃面亏了500元”、“回来3900元”、“挣800元”和“赚1400元。”

有网友总结了今日头条APP上比较有个人特色的三位女性投资者，分别是股市宝妈（5.1万粉丝）、远方的小鹿（8.4万粉丝）和江以南（10万粉丝），她们被称为“三大炒股女王”。

“远方的小鹿，头条只会卖惨。再不会炒股的人，也哪有天天亏钱？之前基本都是模拟盘，最近被发现了开始买入实盘。也就颜值还可以，要不谁会关注？”上述网友称。

那么，这些被称为“股媛”的女性投资者真的是靠炒股亏钱的内容来赚流量吗？

女投资者晒流量收益

630天总收益18837元

红星资本局发现，在今日头条APP上进行股市投资记录的女性投资者中，远方的小鹿（以下简称“小鹿”）可能是遭受质疑最多的，部分网友认为她晒出的图片都来自于模拟盘。

对于这样的质疑，小鹿曾多次进行回击，“天天被说演戏、模拟盘，你们是不是觉得我做自媒体发大财了？”

11月中旬，在又一次受到质疑后，小鹿曾晒出自己的后台截图，截图显示，这是她在头条创作的第630天，总收益约为18837元。也就是说，她在头条的平均收益约为30元/天。

除了小鹿外，另一名女性投资者——嫁到侨乡的年年妈（以下简称“年年妈”）也曾因“股媛”称呼而进行过反击。

年年妈曾称，“这几天头条突然很多人写‘股媛’这个破名词，还把美女韭菜们的一一贴上来，我一看到就去骂。‘媛’这个字就是个侮辱人的字，在我看来等同于乞丐。”

“一些男性网友质疑是模拟盘、骗流量。你们以为发头条很赚钱？我一万多粉，每个月（流量）收入1400（元）左右。”年年妈说。

除此以外，年年妈认为，更新头条动态让她曾受留言和私信影响，一度无脑跟别人买股，亏损30万元。

回应“股媛”称呼

这是歧视女性投资者的说法

不仅仅是小鹿， 同样被称为“三大炒股女王”之一的股市宝妈也曾专门录制视频回应过“股媛”的称呼。

股市宝妈认为，“股媛”是男性投资者歧视女性投资者的说法，“女同胞有这个胆量能炒股，她肯定是亏得起的。”

“不要嘲笑别人，人家亏是亏了、赚是赚了，没有人为了蹭流量去故意做什么。有的网友说人家图是假的、是P的，我觉得没有必要，流量没有多少钱的。”股市宝妈说。

11月20日，股市宝妈告诉红星资本局，她本人炒股一直是盈利状态，“‘股媛’是他们对女性炒股亏损的称呼，（我）和股媛搭不上边。”

红星资本局注意到，股市宝妈的主页背景显示，近两年总收益约为71万元，近两年的收益率为222.16%。不过，她未向红星资本局提供实盘操作交易记录。

另外，今日头条APP上的一名女性网友称奕希也曾反驳称，为什么女人炒股就是做戏？难道女人就不可能赚钱、存钱做理财？

11月20日，红星资本局还私信了多名在今日头条APP上记录股市投资情况的女性投资者，但截至目前，除股市宝妈外尚未得到任何回复。

红星新闻记者 杨佩雯

编辑 陶玥阳

（下载红星新闻，报料有奖！）

许多A股交易者为了探究A股及其板块和个股的历史走势形态，都需要可靠的A股历史行情数据，一般都从网上找一些免费数据源下载，但是这类下载数据可能有滞后，甚至有些数据是否真实可靠不得而知。

为了克服这些问题，可以使用证券公司提供的客户端程序（有通达信版、同花顺版等）下载历史行情数据，每个交易日收盘15分钟后，即可下载。下载后的数据的格式和长度不一定满足自己的要求，可以用本文提供的python代码，本文也提供了整个操作过程的视频演示。

本文提供的历史行情数据处理的python代码文件，其中使用了多进程工具包 multiprocessing，以便充分发挥多核多线程CPU的能力，提高数据处理的速度。沪深两个交易所现在总共有将近5000只股票，把所有的日线、5分钟线和1分钟线数据都处理一遍，如果用双核CPU电脑，可能需要一个小时。处理数据所耗时间和python代码是否采用多进程多线程方法和CPU的核数都有关系。笔者处理数据使用的电脑是两颗 Intel(R) Xeon(R) CPU E5-2660 v2 @ 2.20GHz 2.20 GHz 处理器，共2*20核，全部数据处理一次只需要 124 秒。

本文提供的python程序，包括三个自定义函数：

def preprocess_historymd(path_filename_mdrows)，先对下载后的历史行情数据进行预处理，删除行情数据文件的表头和末尾行。未做处理前的行情数据为csv格式，如下图：

def multiprocess_filteringquotes(quote_watchingsymbol_list)，构建多进程池

def filtering_quotes(onequote_watchingsymbollist)， 处理单个的行情数据文件

完整代码如下：

''' 按指定行数截取行情数据 ''' import os import csv from multiprocessing import Pool from datetime import datetime, timedelta import time def filtering_quotes(onequote_watchingsymbollist): new_quote_itm = onequote_watchingsymbollist[0] watching_marketsymbol_lst = onequote_watchingsymbollist[1] filterquote = '' if new_quote_itm[9:21] in watching_marketsymbol_lst: quote_line = new_quote_itm.split('-') normal_dt = str(datetime.combine(datetime.today(),datetime.strptime(quote_line[0][2:],'%H%M%S').time())) filterquote = [normal_dt,quote_line[1],quote_line[2],quote_line[3],quote_line[4]] else: filterquote = '' return filterquote def multiprocess_filteringquotes(quote_watchingsymbol_list): pool = Pool() quote_data = pool.map(filtering_quotes,quote_watchingsymbol_list) pool.close() pool.join() return quote_data def preprocess_historymd(path_filename_mdrows): path_filename = path_filename_mdrows[0] total_mdrows = path_filename_mdrows[1] cut_lastrows = path_filename_mdrows[2] with open(path_filename,'r') as csv_file: #watched_stocks.csv, watch_list.csv csv_reader = csv.reader(csv_file) csv2list = [itm for itm in csv_reader] csv2list.pop(0) csv2list.pop(0) csv2list.pop(-1) if total_mdrows < len(csv2list): csv2list_cut = csv2list[len(csv2list)-(total_mdrows+abs(cut_lastrows)):(len(csv2list)+cut_lastrows)] else: csv2list_cut = csv2list[0:(len(csv2list)+cut_lastrows)] csv2list_new = [] for itm in csv2list_cut: if len(itm) == 7: csv2list_new.append([path_filename[-10:-4], itm[0].replace('/','-'),itm[1],itm[2],itm[3],itm[4],itm[5],itm[6]]) if len(itm) == 8: csv2list_new.append([path_filename[-10:-4], itm[0].replace('/','-')+" "+itm[1][0:2]+":"+itm[1][2:4], itm[2],itm[3],itm[4],itm[5],itm[6],itm[7]]) # with open(path_filename,'w') as f: #仅用于测试观察数据 # for i in range(0,len(csv2list_new)): # x = str(csv2list_new[i]).replace("'","").replace("[","").replace("]","")+'\n' # # x = csv2list_new[i] # f.write(x) print(f"行情文件 {path_filename} 处理完成, 共 { len(csv2list_new)} 行:") def multiprocess_historymd(historymd_filename_list): pool = Pool() historymd_data = pool.map(preprocess_historymd,historymd_filename_list) pool.close() pool.join() return historymd_data if __name__ == "__main__": T_start = time.perf_counter() given_dailymd_path = 'D:\\SecurityData\\MD_daily' given_min1md_path = 'D:\\SecurityData\\MD_1min' # given_dailymd_path = 'D:\\SecurityData\\test_dailyMD' # given_min1md_path = 'D:\\SecurityData\\test_min1MD' # 选取指定时间段的历史行情，如倒数3个交易日之前的1000个交易日, # 选取指定时间段的1分钟历史行情，如倒数3个交易日之前的80个交易日，注意倒数几个交易日必须与日线相同 total_days = 1000 #选取 80 个交易日的1分钟数据 total_mindays = 80 #如果截止到当前最后一个交易日，则倒数0个交易日; 如果截止到倒数第3个交易日的数据，downcount_days = -3 downcounter_days = 0 ''' 处理通达信历史行情数据文件 - 日线行情 ''' dailyfilename_list = os.listdir(given_dailymd_path) daily_filename = str(dailyfilename_list) dailyfilename_split = daily_filename.split(',') dailymdfiles_list = [given_dailymd_path +'\\' + itm[2:15] for itm in dailyfilename_split] dailymdrows_total = [total_days]*len(dailymdfiles_list) if downcounter_days < 0: # 截止到倒数0个交易日的日线 dailymdrows_end = [downcounter_days]*len(dailymdfiles_list) if downcounter_days == 0: # 截止到最后一个交易日，不用倒数 dailymdrows_end = [0]*len(dailymdfiles_list) daily_result = multiprocess_historymd(zip(dailymdfiles_list,dailymdrows_total,dailymdrows_end)) ''' 处理通达信历史行情数据文件 - 1分钟行情 ''' min1filename_list = os.listdir(given_min1md_path) min1_filename = str(min1filename_list) min1filename_split = min1_filename.split(',') min1mdfiles_list = [given_min1md_path +'\\' + itm[2:15] for itm in min1filename_split] min1mdrows_total = [240*total_mindays]*len(min1mdfiles_list) if downcounter_days < 0: # 截止到倒数3个交易日的1分钟线 min1mdrows_end = [downcounter_days*240]*len(min1mdfiles_list) if downcounter_days == 0: # 截止到最后一个交易日，不用倒数 min1mdrows_end = [0]*len(min1mdfiles_list) min1_result = multiprocess_historymd(zip(min1mdfiles_list,min1mdrows_total,min1mdrows_end)) T1_end = time.perf_counter() print(f'\n耗时 {round(T1_end-T_start,2)} 秒\n')

处理后的历史行情数据格式如下图所示：

整个操作过程的视频演示， ，看西瓜视频。

注意：获取几年的日线数据或分钟数据，与所在电脑上安装和使用通达信客户端程序的时间长短有关，初次安装后，默认可下载3年的日线数据，4个月的1分钟数据。数据导出时可选择下载不复权、前复权或后复权数据。

（本文完）

上一篇：新手学炒股快速入门和怎么学炒股票最简单方法

下一篇：关于股票的一些基本知识与买股票基本入门知识