Чтобы найти акции для дневной торговли, вы можете использовать несколько методов. Вот несколько подходов и примеры кода:

1. Скринер акций:
   Вы можете использовать скринер акций для фильтрации акций на основе определенных критериев, таких как цена, объем, волатильность и фундаментальные индикаторы. Вот пример использования API Alpha Vantage:

import requests
# Define the API endpoint and parameters
url = 'https://www.alphavantage.co/query'
params = {
    'function': 'SCREEN',
    'market': 'US',
    'priceFrom': 10,
    'priceTo': 100,
    'volumeFrom': 1000000,
    'volumeTo': 5000000,
    'apikey': 'YOUR_API_KEY'
}
# Send the request
response = requests.get(url, params=params)
data = response.json()
# Extract the list of stocks
stocks = data['results']
# Print the list of stocks
for stock in stocks:
    print(stock['symbol'])

2. Технический анализ.
   Вы можете использовать технические индикаторы для определения акций с потенциальными торговыми возможностями. Вот пример использования библиотеки ta-lib для Python:

import talib
import yfinance as yf
# Define the stock symbol and download historical data
symbol = 'AAPL'
data = yf.download(symbol, start='2021-01-01', end='2021-12-31')
# Calculate the moving average
ma = talib.SMA(data['Close'], timeperiod=20)
# Find the stocks where the price crosses above the moving average
buy_signals = data[data['Close'] > ma.shift()]['Close']
# Print the buy signals
print(buy_signals)

3. Анализ настроений в новостях.
   Вы можете анализировать новостные статьи или настроения в социальных сетях, чтобы определить акции, которые получают положительное или отрицательное внимание. Вот пример использования News API и библиотеки VaderSentiment:

from newsapi import NewsApiClient
from vaderSentiment.vaderSentiment import SentimentIntensityAnalyzer
# Initialize the News API client
api_key = 'YOUR_API_KEY'
newsapi = NewsApiClient(api_key=api_key)
# Search for news articles related to a specific stock
symbol = 'AAPL'
articles = newsapi.get_everything(q=symbol, language='en')
# Analyze the sentiment of each article
analyzer = SentimentIntensityAnalyzer()
sentiments = []
for article in articles['articles']:
    sentiment = analyzer.polarity_scores(article['title'])
    sentiments.append(sentiment)
# Calculate the average sentiment score
average_sentiment = sum(sentiment['compound'] for sentiment in sentiments) / len(sentiments)
# Print the average sentiment score
print(average_sentiment)