2024美赛C题股票投资策略回顾讲解，教你正确打数学建模比赛

经过多篇文章查询，我们是可以确定到这样一个方法：回测

然后我们会看到这样的标题很符合我们的题目：

认真读一下题，确实很符合，于是我多看了几篇，发现有专门的回测模块，于是就去搜索回测模块，经过查询体验最好的是Backtrader，然后呢就继续学习一下框架吧，就能做出来了，不难的,在这里我给大家展示一个实现代码，会有类似效果：

主要模块安装，其它模块自行安装：

!pip install backtrader

模块导入：

import datetime

from datetime import datetime

import pandas as pd

import pandas_datareader.data as web

import matplotlib.pyplot as plt

import seaborn as sns

sns.set_style(‘whitegrid’)

import backtrader as bt

import backtrader.feeds as btfeeds

获取比特币范围数据：

start = datetime(2016, 9, 11) # or start = ‘9/12/2016’

end = datetime(2021, 9, 12)

df= web.DataReader(‘BTC-USD’, ‘yahoo’, start, end)#雅虎财经获取比特币数据

print(df)

下面以一个简单的单均线策略为例，展示backtrader的使用过程，即当收盘价上涨突破20日均线买入（做多），当收盘价下跌跌穿20日均线卖出（做空）：

class my_strategy1(bt.Strategy):

#全局设定交易策略的参数

params=(

(‘maperiod’,20),

)

def init(self):

#指定价格序列

self.dataclose=self.datas[0].close

初始化交易指令、买卖价格和手续费

self.order = None

self.buyprice = None

self.buycomm = None

#添加移动均线指标，内置了talib模块

self.sma = bt.indicators.SimpleMovingAverage(

self.datas[0], period=self.params.maperiod)

def next(self):

if self.order: # 检查是否有指令等待执行,

return

检查是否持仓

if not self.position: # 没有持仓

#执行买入条件判断：收盘价格上涨突破20日均线

if self.dataclose[0] > self.sma[0]:

#执行买入

self.order = self.buy(size=50)

else:

#执行卖出条件判断：收盘价格跌破20日均线

if self.dataclose[0] < self.sma[0]:

#执行卖出

self.order = self.sell(size=100)

股票数据读取：

#先引入后面可能用到的包（package）

import pandas as pd

from datetime import datetime

import backtrader as bt

import matplotlib.pyplot as plt

%matplotlib inline

#正常显示画图时出现的中文和负号

from pylab import mpl

mpl.rcParams[‘font.sans-serif’]=[‘SimHei’] #使用tushare获取浦发银行（代码：600000）数据。

#使用tushare旧版接口获取数据

import tushare as ts

def get_data(code,start=‘2016-09-11’,end=‘2021-09-09’):

df=ts.get_k_data(code,autype=‘qfq’,start=start,end=end)

df.index=pd.to_datetime(df.date)

df[‘openinterest’]=0

df=df[[‘open’,‘high’,‘low’,‘close’,‘volume’,‘openinterest’]]

return df

dataframe=get_data(‘600000’)

#回测期间

start=datetime(2010, 3, 31)

end=datetime(2020, 3, 31)

加载数据

data = bt.feeds.PandasData(dataname=dataframe,fromdate=start,todate=end)

初始化回测系统：

cerebro = bt.Cerebro()

#将数据传入回测系统

cerebro.adddata(data)

把刚刚的交易策略添加进系统：

cerebro.addstrategy(my_strategy1)

设置起始资金1000：

startcash = 1000

cerebro.broker.setcash(startcash)

设置手续费0.1%：

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V：vip1024c 备注Python获取（资料价值较高，非无偿）

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。