python训练——简单股票数据分析

最新推荐文章于 2023-11-15 21:50:51 发布

Alivorth

最新推荐文章于 2023-11-15 21:50:51 发布

阅读量2.5k

点赞数 3

分类专栏：笔记

本文链接：https://blog.csdn.net/Alivorth/article/details/104525563

版权

笔记专栏收录该内容

4 篇文章 0 订阅

订阅专栏

本程序仅为个人学习测试使用，不做商业用途，据此操作，后果自负
主要的策略就是通过计算涨幅和平均值来判断买入与卖出的时机。
因为我自己本身对股票了解不多，所以我写的东西要为其他策略可能还是会有点困难的。

框架解释

获取数据
用爬虫等相关操作获取到数据，并保存到本地，以避免重复爬取浪费时间与性能
将本地的数据导入我们的程序
通过保存的数据计算涨幅，并获取涨幅最大的股票
计算某段时间内的平均价格
实行买卖的判断
买操作
卖操作
画图，实现数据可视化

代码实现

做最开始的初始化

1. 输入参数的初始化

codes
传入所需要分析的代码
列表格式，建议在定义对象之前就写好这个列表
默认是空，也就是 “[]”
in_date
数据分析最开始的日期
默认是2014-01-01
这个日期在后续的计算中会一直后推，直到等于time
time
数据分析的截止日期
默认是系统现在的日期，而且要格式化为“年-月-日”
time_span_inc
用于分析涨幅
默认13，即求13天内的涨幅
time_span_avg
用于分析平均价格
默认13，即求13天内的平均价格
funds
是你手上现有的资金
默认为10w
path
传入保存地址

2. 全局变量的初始化

self.df = None
保存从本地文件中获取的数据
self.the_code = {“code”: None, “price”: None}
保存你手上持有的股票和买入的价格
在后续中可以改为列表，然后再添加一个字典属性：持有量
self.change = {“funds”: [], “date”: []}
获取所持有资金的变化数据，为后面数据可视化做准备

3.示例

    def __init__(self, codes=[], in_date="2014-01-01", time=time.strftime('%Y-%m-%d', time.localtime(time.time())),
                 time_span_inc=13, time_span_avg=13, funds=100000, path="D:/"):
        self.codes = codes  # 所需要获取的股票
        self.in_date = in_date  # 数据处理开始日期
        self.time = time  # 数据处理结束日期
        self.time_span_inc = time_span_inc  # 涨幅跨度
        self.time_span_avg = time_span_avg  # 平均值跨度
        self.funds = funds  # 现有资金
        self.path = path  # 获取股票数据保存的地址

        self.df = None
        self.the_code = {"code": None, "price": None}
        self.change = {"funds": [], "date": []}

在互联网上获取数据

因为爬取的方法很多很多，我只用了最简单的方法
主要是通过循环获取传入的股票代码的相关信息，并格式化保存到本地
这个方法是只需要运行一次，把数据保存下来以后可以重复使用，方便改数据调整方案。

示例

获取的初步结果，所有相关数据都有，但是我们只要收盘的数据
筛选并保存数据
首先将“Close”这一列的标签索引重命名，然后只把这一列保存下来
这个就是保存的格式
在个别电脑上会出现只保留后面的数据，而不保存表头的情况，建议在保存到本地之后检查一下格式是否和下面是否相同
相关代码

    # 获取相关数据
    def get_all_data(self):
        # 获取数据的时间段-结束时间
        end = datetime.date.today()  
        for code in self.codes:
            # 这个方法是pandas_datareader.data里面自带的，通过传入股票代码可以在相关网站获取对应数据
            stock = web.DataReader(code, "yahoo", self.in_date, end)
            # 将“Close”重命名为对应的code
            stock.rename(columns={"Close": code}, inplace=True)  
            stock[code].to_csv(self.path + code + ".csv")   # 保存到本地

获取本地的数据

将本地的数据获取到目前的程序里面来

    # 获取Excel中数据，并存到data列表中
    def get_data(self):
        # 直接将self.df初始化为第一支股票对应的数据，后面的数据只需要在这个基础上列相加就好了
        self.df = pd.read_csv(self.path + self.codes[0] + ".csv")
        # 通过循环获取所有的数据
        for code in self.codes[1:]:
            # 获取csv文件
            df = pd.read_csv(self.path + code + ".csv")
            # 数据合并
            self.df = pd.merge(self.df, df, left_on="Date", right_on="Date", how="outer")
        # 将索引设置为date
        self.df.set_index('Date', inplace=True)

获取某一天之前n天前的数据

这里的n是前面初始化的时候定义的time_span_inc与time_span_avg中更大的那个，为了在后续的处理中可以有充足的数据
获取的方法最好用切片，效率高也看起来方便，但是我的返回值时用的numpy，后面的操作基本上是根据numpy来的，所以懒得改了

    # 获取那n天的数据,格式是numpy
    def get_n_day(self, in_data):
        try:
            # 获取输入那天的位置索引
            position_index = self.df.index.get_loc(in_data)
            # 如果位置索引小于计算所需要的数字，那么说明数据量不够，
            if position_index>=max(self.time_span_avg, self.time_span_inc):
                # 用于保存每支股票的数据
                code_list = []
                for code in range(len(self.codes)):
                    # 用于保存当前股票的数据
                    i_list = []
                    for i in range(max(self.time_span_avg, self.time_span_inc)):
                        # 获取数据
                        i_list.append(self.df.iloc[position_index - i - 1, code])
                    code_list.append(i_list)
                # 这个地方应该要用切片来获取数据的，这么改虽然麻烦但是看得懂啊（其实就是懒得改了）
                return np.array(code_list)
            # 数据量不够，不能带入进行计算
            else:
                return np.array([0])
        except Exception as e:
            print("获取"+in_data+"的近日数据失败，估计这天没开盘，没有数据")
            return np.array([0])

获取涨幅与平均价格

在获取涨幅的时候，还顺便获取了涨幅最大的股票代码号的序列号

    # 计算涨幅
    def get_increase(self, result):
        inc = []
        for code in range(len(self.codes)):
            # 今天的价格/time_span_inc天前的价格 - 1
            increase = (result[code][0] / result[code][self.time_span_inc - 1]) - 1
            inc.append(increase)
        # 不仅仅获取了对应的涨幅，还获取了涨幅最大的股票代码号的序列号
        return inc, inc.index(max(inc))

    # 计算平均价格
    def get_avg(self, result):
        avg_result = result[:, :self.time_span_avg].mean(axis=1)
        return avg_result

模拟买卖

买的条件是判断现在的价格大于平均价格，涨幅最大而且要大于0
卖的条件是现在持有的股票不再是涨幅第一,或者现价小于近些天的平均价格
买卖的过程基本上就是重置手上持有的股票和持有的资金来完成的

1. 判断是买还是卖

    # 判断实行买卖
    def buy_sell(self, increase, avg, result):
        # 参考数据
        # ([0.05955, 0.02632, 0.058093], 0) 最后一个是涨幅最大的代码号
        # [1.68161 3.96707 5.50792]    这段时间的平均价格
        # [1.70799 4.01599 5.62799]    当前天的价格

        # 获取现在涨幅最大股票的价格和平均价格
        new_price = result[increase[1]]
        avg_price = avg[increase[1]]

        # 如果没有持有的股票则考虑买入
        if self.the_code["code"] is None:
            # 满足条件：现在的价格大于平均价格，涨幅最大而且要大于0
            if new_price > avg_price:
                self.buy(self.codes[increase[1]], new_price)

        # 如果现在持有的股票不再是涨幅第一,或者现价小于近些天的平均价,或者到了最后一天更新时间
        elif (self.the_code["code"] != self.codes[increase[1]]) | (new_price < avg_price) | (self.in_date == self.time):
            # 当天卖
            self.sell(result)
            # 当天卖，当天买
            if (new_price > avg_price) & (increase[0][increase[1]] > 0):
                self.buy(self.codes[increase[1]], new_price)
        else:
            print(self.in_date + "继续持有：", self.the_code["code"])

2. 卖

    def sell(self, result):
        # 因为卖出了，更新现有资金,并将现在持有的股票清空,用现在的价格/先前的价格再*现有的资金
        print("卖" + "*" * 30)
        print("在" + self.in_date + "卖出")
        print("全部卖出：", self.the_code["code"])

        # 卖出价格是持有股票（self.the_code["code"]）的现价
        sell_price = result[self.codes.index(str(self.the_code["code"]))]
        print("卖出价格", sell_price)
        # 更新价格
        self.funds = self.funds * (sell_price / self.the_code["price"])
        self.change["funds"].append(self.funds)
        self.change["date"].append(self.in_date)
        self.the_code["code"] = None
        self.the_code["price"] = None

        print("资金持有变为：", self.funds)
        print("*" * 30)

3. 买

    def buy(self, code, new_price):
        # 更新持有股票和对应买入价格
        self.the_code["code"] = code
        self.the_code["price"] = new_price
        self.change["funds"].append(self.funds)
        self.change["date"].append(self.in_date)
        print("在" + self.in_date + "买入")
        print("将资金全部买入", self.the_code["code"])
        print("买入价格：", self.the_code["price"])
        print("资金持有变为：", self.funds)
        print("*" * 30)

后续辅助功能

将时间后推
tim就是后推的天数
没有返回值，直接操作in_date

    # 输入某天获取到第二天的str
    def get_next_day(self, tim=1):
        timeArray = time.strptime(self.in_date, "%Y-%m-%d")
        timeStamp = int(time.mktime(timeArray))
        timeStamp = timeStamp + 86400 * tim
        timeArray = time.localtime(timeStamp)
        self.in_date = time.strftime("%Y-%m-%d", timeArray)

画一个能看的图

    # 画图
    def draw(self):
        x = self.change["date"]
        y = self.change["funds"]
        # 设置图片大小
        plt.figure(figsize=(12, 8), dpi=80)
        # 绘图（折线）
        plt.plot(x, y, color="red", linewidth=2, alpha=0.6)
        # 设置轴的刻度
        plt.xticks(list(x)[::20], x[::20], rotation=45)  # rotation 为旋转角度
        # 展示图片
        plt.show()

最后的执行框架

获取本地数据
从第一天开始循环，将in_date后推
获取涨幅与平均价格
判断买卖，并实行
在循环结束之后输出现有的资金，和最大持有资金
画一个折线图反映变化

    # 主函数
    def the_main(self):
        self.get_data()
        while self.in_date != self.time:
            # 获取涨幅以及平均价格
            np_result = self.get_n_day(self.in_date)
            # 得确定获取的数据是非为空
            if np_result.any():
                increase = self.get_increase(np_result)
                # 再次确定获取的数据是非为空
                if increase != 0:
                    avg = self.get_avg(np_result)
                    # 进行买卖等操作
                    self.buy_sell(increase, avg, np_result[:, 0])
            # 进入下一天
            self.get_next_day()

        print("现在持有", self.funds)
        print(max(self.change["funds"]))
        self.draw()

画出来的图如下

在最后你持有了31973.95元
在这里插入图片描述

到此结束

最后附上全部代码

# -*- coding: utf-8 -*-
# 股票交易模拟

import datetime
import time
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import pandas_datareader.data as web


class try_day:
    def __init__(self, codes=[], in_date="2014-01-01", time=time.strftime('%Y-%m-%d', time.localtime(time.time())),
                 time_span_inc=13, time_span_avg=13, funds=100000, path="D:/"):
        self.codes = codes  # 所需要获取的股票
        self.in_date = in_date  # 数据处理开始日期
        self.time = time  # 数据处理结束日期
        self.time_span_inc = time_span_inc  # 涨幅跨度
        self.time_span_avg = time_span_avg  # 平均值跨度
        self.funds = funds  # 现有资金
        self.path = path  # 获取股票数据保存的地址

        self.df = None
        self.the_code = {"code": None, "price": None}
        self.change = {"funds": [], "date": []}

    # 获取相关数据
    def get_all_data(self):
        end = datetime.date.today()
        for code in self.codes:
            stock = web.DataReader(code, "yahoo", self.in_date, end)
            stock.rename(columns={"Close": code}, inplace=True)
            stock[code].to_csv(self.path + code + ".csv")  # 保存到本地

    # 获取Excel中数据，并存到data列表中
    def get_data(self):
        self.df = pd.read_csv(self.path + self.codes[0] + ".csv")
        for code in self.codes[1:]:
            df = pd.read_csv(self.path + code + ".csv")
            self.df = pd.merge(self.df, df, left_on="Date", right_on="Date", how="outer")
        self.df.set_index('Date', inplace=True)

    # 获取那n天的数据,格式是numpy
    def get_n_day(self, in_data):
        try:
            position_index = self.df.index.get_loc(in_data)
            if position_index >= max(self.time_span_avg, self.time_span_inc):
                code_list = []
                for code in range(len(self.codes)):
                    i_list = []
                    for i in range(max(self.time_span_avg, self.time_span_inc)):
                        i_list.append(self.df.iloc[position_index - i - 1, code])
                    code_list.append(i_list)
                return np.array(code_list)
            else:
                return np.array([0])
        except Exception as e:
            return np.array([0])

    # 计算涨幅
    def get_increase(self, result):
        inc = []
        for code in range(len(self.codes)):
            increase = (result[code][0] / result[code][self.time_span_inc - 1]) - 1
            inc.append(increase)
        return inc, inc.index(max(inc))

    # 计算平均价格
    def get_avg(self, result):
        avg_result = result[:, :self.time_span_avg].mean(axis=1)
        return avg_result

    # 判断实行买卖
    def buy_sell(self, increase, avg, result):
        new_price = result[increase[1]]
        avg_price = avg[increase[1]]
        if self.the_code["code"] is None:
            if new_price > avg_price:
                self.buy(self.codes[increase[1]], new_price)
        elif (self.the_code["code"] != self.codes[increase[1]]) | (new_price < avg_price) | (self.in_date == self.time):
            # 当天卖
            self.sell(result)
            # 当天卖，当天买
            if (new_price > avg_price) & (increase[0][increase[1]] > 0):
                self.buy(self.codes[increase[1]], new_price)
        else:
            print(self.in_date + "继续持有：", self.the_code["code"])

    def sell(self, result):
        print("卖" + "*" * 30)
        print("在" + self.in_date + "卖出")
        print("全部卖出：", self.the_code["code"])
        sell_price = result[self.codes.index(str(self.the_code["code"]))]
        print("卖出价格", sell_price)
        self.funds = self.funds * (sell_price / self.the_code["price"])
        self.change["funds"].append(self.funds)
        self.change["date"].append(self.in_date)

        self.the_code["code"] = None
        self.the_code["price"] = None

        print("资金持有变为：", self.funds)
        print("*" * 30)

    def buy(self, code, new_price):
        self.the_code["code"] = code
        self.the_code["price"] = new_price
        self.change["funds"].append(self.funds)
        self.change["date"].append(self.in_date)
        print("在" + self.in_date + "买入")
        print("将资金全部买入", self.the_code["code"])
        print("买入价格：", self.the_code["price"])
        print("资金持有变为：", self.funds)
        print("*" * 30)

    # 画图
    def draw(self):
        x = self.change["date"]
        y = self.change["funds"]
        plt.figure(figsize=(12, 8), dpi=80)
        plt.plot(x, y, color="red", linewidth=2, alpha=0.6)
        plt.xticks(list(x)[::20], x[::20], rotation=45)  # rotation 为旋转角度
        plt.show()

    # 主函数
    def the_main(self):
        self.get_data()
        while self.in_date != self.time:
            np_result = self.get_n_day(self.in_date)
            if np_result.any():
                increase = self.get_increase(np_result)
                if increase != 0:
                    avg = self.get_avg(np_result)
                    self.buy_sell(increase, avg, np_result[:, 0])
            # 进入下一天
            self.get_next_day()

        print("现在持有", self.funds)
        print(max(self.change["funds"]))
        self.draw()

    # 输入某天获取到第二天的str
    def get_next_day(self, tim=1):
        timeArray = time.strptime(self.in_date, "%Y-%m-%d")
        timeStamp = int(time.mktime(timeArray))
        timeStamp = timeStamp + 84600 * tim
        timeArray = time.localtime(timeStamp)
        self.in_date = time.strftime("%Y-%m-%d", timeArray)


if __name__ == '__main__':
    codes = ['159915.SZ', '510300.SS', '510500.SS']
    p = try_day(path="D：/", codes=codes, time='2019-12-31')
    # p.get_all_data()
    p.the_main()