python量化分析—对海龟交易法则的验证

最新推荐文章于 2024-07-04 21:37:01 发布

Sero_Qu

最新推荐文章于 2024-07-04 21:37:01 发布

阅读量6.3k

点赞数

分类专栏： python量化分析文章标签： python 量化选股投资

本文链接：https://blog.csdn.net/Sero_Qu/article/details/52901248

版权

本文通过Python实现海龟交易法则，介绍了数据处理、交易策略计算以及策略验证。利用pd.rolling_max()和pd.expanding_max()函数进行数据加工，使用fillna()填充缺失值，resample()方法计算年涨跌幅。海龟法则的核心在于及时止损，确保资产安全。

摘要由CSDN通过智能技术生成

掌握知识点：
1.data.cumsum()和data.cumprod()函数是累积和和累积积，data.prod()函数是计算连乘积；
2.pd.set_option(‘display.max_row’,500) 的用法
3.pd.rolling_max()和pd.expanding_max()函数用法
4.dataframe.fillna()函数用法，method=ffill为默认向后填充
5.data.loc[sell,’收盘发出的信号’]=0函数用法
6.resample()方法处理时间序列数据
7.shift()函数用法，shift(1)是往时间序列前一项；
8.为DataFrame表格添加行，统计下各列的方差（或者均值等），并汇总为一行
9 备注：掌握loc,iloc,ix的区别和应用
10.pd.set_option(‘display.max_row’,500) #设置最多可以显示500行
11.pd.set_option(‘display.max_columns’,100) #设置最多可以显示100列

第一步：导入数据，并按照交易日期排序，把交易时间转换为可以时间序列处理的datetime类型，之后选择交易日期在20050315之后的数据

import pandas as pd
data=pd.read_csv(‘sh600027.csv’,encoding=’gbk’)
data=data[[‘股票代码’,’股票名称’,’交易日期’,’涨跌幅’,’最高价’,’最低价’,’收盘价’]]
data.交易日期=pd.to_datetime(data.交易日期)
data=data.sort(‘交易日期’)

第二步，对数据进行整理，计算每天的仓位，用仓位*(涨跌幅+1).cumprod()就能计算累计涨幅了；

1.用pd.rolling_max()和pd.expanding_max()函数用海龟法则对数据进行加工处理
2.海龟法则：当收盘价大于等于过去N1天收盘价最高价时买入；当收盘价小于过去N2天收盘价时卖出；