首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

在excel中查询股票历史时如何显示过去17个交易日(工作日)

在Excel中查询股票历史时,可以通过以下步骤来显示过去17个交易日(工作日)的数据:

  1. 创建一个数据表格,包括股票代码、日期、开盘价、收盘价等相关字段。
  2. 在日期列中,填写最近的交易日日期。
  3. 在日期列下方插入一个新的行,将该行的日期设置为最近的交易日日期。
  4. 使用Excel函数"工作日.INTL"或"工作日"计算出过去17个交易日日期,并填写在对应的单元格中。
  5. 使用Excel的"VLOOKUP"函数,在数据表格中查找过去17个交易日日期对应的股票数据,并显示在另一个表格中。

示例公式:

  • 日期列示例:A2为最近的交易日日期,A3为公式=工作日.INTL(A2, -1)=工作日(A2, -1),以此类推,向下拖动填充这个公式至A19,即可得到过去17个交易日的日期。
  • VLOOKUP函数示例:假设历史数据表格中股票代码在第一列,日期在第二列,开盘价在第三列,收盘价在第四列。在新的表格中,A2为需要查询的日期,B2为公式=VLOOKUP(A2,历史数据表格的区域,3,FALSE)用来查询对应日期的开盘价。将B2的公式向下拖动填充至B19,即可得到过去17个交易日的开盘价数据。

在腾讯云产品中,可推荐使用云数据库MySQL、云数据库MariaDB、云数据库TDSQL等产品来存储和管理相关股票数据。产品介绍和链接如下:

  • 云数据库MySQL:提供高性能、可扩展的关系型数据库服务,支持高可用、备份恢复等功能。详情请查看云数据库MySQL
  • 云数据库MariaDB:基于开源的关系型数据库MariaDB,提供高性能、高可用、弹性扩展的数据库服务。详情请查看云数据库MariaDB
  • 云数据库TDSQL:基于开源的关系型数据库TDSQL,具备高性能、高可用、弹性扩展的特点,适用于大数据量、高并发场景。详情请查看云数据库TDSQL

注意:以上腾讯云产品仅为示例,其他云计算品牌商也提供类似的产品和服务。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

  • 【手把手教你】搭建自己的量化分析数据库

    数据是金融量化分析的重要基础,包括股票历史交易数据、上市公司基本面数据、宏观和行业数据等。随着信息流量的日益膨胀,学会获取、查询和加工数据信息变得越来越重要。对于鼓捣量化交易的人来说,怎么能说不会玩数据库呢?目前常用的开源(免费)数据库有MySQL、Postgresql 、Mongodb 和 SQLite (Python自带),在2018-2019年DB-Engines 排行榜上位居前十(见下图),可见其使用量和受欢迎程度较高。这几个数据库各有自己的特点和适用环境,关于该学习哪一个或如何学习网上有很多相关资料。本文主要为大家简单介绍如何使用 Python 操作 Postgresql 数据库(其他数据库类似),利用 psycopg2 和 sqlalchemy 实现 postgresql 与 pandas 的 dataframe 进行交互,一步步搭建自己的量化分析数据库。

    02

    涨姿势!用深度学习LSTM炒股:对冲基金案例分析

    大数据文摘作品 编译:王一丁、修竹、阮雪妮、丁慧、钱天培 英伟达昨天一边发布“全球最大的GPU”,一边经历股价跳水20多美元,到今天发稿时间也没恢复过来。无数同学在后台问文摘菌,要不要抄一波底嘞? 今天用深度学习的序列模型预测股价已经取得了不错的效果,尤其是在对冲基金中。股价数据是典型的时间序列数据。 什么是序列数据呢?语音、文字等这些前后关联、存在内有顺序的数据都可以被视为序列数据。 将序列模型应用于语音和文字,深度学习在语音识别、阅读理解、机器翻译等任务上取得了惊人的成就。 具体怎么操作?效果又如何呢

    04

    【Python量化投资】基于技术分析研究股票市场

    一 金融专业人士以及对金融感兴趣的业余人士感兴趣的一类就是历史价格进行的技术分析。维基百科中定义如下,金融学中,技术分析是通过对过去市场数据(主要是价格和成交量)的研究预测价格方向的证券分析方法。 下面,我们着重对事后验证过去市场数据的研究,而不是过多低关注对未来股价变动的预测。我们选取的研究目标是标准普尔(S&P)500指数,这是美国股票市场有代表性的指标,包括了许多著名公司的股票,代表着高额的市场资本,而且,该指数也具有高流动性的期货和期权市场。 二 我们将从Web数据来源读取历史指数水平信息,并未一个

    09

    是涨是跌?我用Python预测股票价格趋势

    要预测股票趋势,通常需要历史的各类交易价格数据来进行模型的搭建。“历史惊人的相似”是股票趋势判断问题的重要假设。通常我们的思维是,股票某一天的交易价格受到该交易日前面的许多交易日的影响,而股价的确定则是由买卖市场双方共同决定的。当我们收盘股票数据集时,应该将多个开盘日归入参考范畴。本文将前 N 个交易日作为一个时间窗口,并设为训练集,将第 N+1 个交易日作为测试集,预测测第 N+2 个交易日的股票趋势情况。通过滑动窗口的方法,设每次滑动窗口移动的距离为 1(即 1 天),则在初始 T 个交易日上能够构造多个训练集和测试集,且训练样本的数据始终等于 N。

    02

    【学习】如何利用互联网文本语义分析进行金融量化投资?

    1.金融文本挖掘背景介绍 文本挖掘作为数据挖掘的一个分支,挖掘对象通常是非结构化的文本数据,常见的文本挖掘对象包括网页中的论坛、微博、新闻等。文本挖掘是目前金融量化研究的一个非常热门的领域,其主要原因有以下三点: 关注对冲量化与金融工程行业的读者,如果想加入“对冲量化与金融工程”专业讨论群,请即回复后台“金融工程”,我们审核通过后将尽快将您安排加入到相应的微群讨论组中。 一是对传统数值型数据的研究已经相对成熟了,而对文本数据的研究处于起步状态,在全新的数据源寻找超额收益相对容易。 二是网络文本数

    06
    领券