小白量化学习（5）建立本地股票数据库

小白量化学习（5）建立本地股票数据库

为了方便本地离线学习回测,可以在本地建立xbdata目录，存放股票数据。

一、本地建立xbdata目录
为了方便本地离线学习回测,可以在本地建立xbdata目录，存放股票数据。

例如: C:\xbdata。
不要把数据和程序放到一个目录中，这样无法及时备份自己的程序了。

二、可以在网盘中下载1991-2018年的股票数据

网盘下载链接如下：
https://pan.baidu.com/s/1jxSaB8JzOu6hNvFipqfGzQ

三、引入模块HP_data
在HP_data模块中，我们仿造了get_k_data()函数。
因此在程序中。

import HP_data  as ts

替换下面这句，就可以脱机学习了。

import tushare as ts

get_k_data()函数定义如下，ss是股票代码。
def get_k_data(ss,ktype=‘D’,start=‘1991-01-01’,end=‘2018-10-15’,
index=False,autype=‘qfq’)

四、下载tushare股票数据
[data_ts_all2.py]下载全部指数数据。
[data_ts_all3.py]下载全部股票数据数据。
下载全部股票数据数据程序在小白量化群(524949939)中下载。

五、使用前面KDJ指标的离线数据示例

# -*- coding: utf-8 -*-
# KDJ指标离线数据演示
import numpy as np
import pandas as pd
from HP_formula import *
#import tushare as ts
import HP_data  as ts

def KDJ(N=9, M1=3, M2=3):
    RSV = (CLOSE - LLV(LOW, N)) / (HHV(HIGH, N) - LLV(LOW, N)) * 100
    K = SMA(RSV,M1,1)
    D = SMA(K,M2,1)
    J = 3*K-2*D
    return K, D, J

#首先要对数据预处理
df = ts.get_k_data('600080',ktype='D')
mydf=df.copy()
CLOSE=mydf['close']
LOW=mydf['low']
HIGH=mydf['high']
OPEN=mydf['open']
VOL=mydf['volume']
C=mydf['close']
L=mydf['low']
H=mydf['high']
O=mydf['open']
V=mydf['volume']

k,d,j=KDJ()

mydf = mydf.join(pd.Series( k,name='K'))  
mydf = mydf.join(pd.Series( d,name='D'))  
mydf = mydf.join(pd.Series( j,name='J')) 
mydf['S80']=80  #增加上轨80轨迹线
mydf['X20']=20  #增加下轨20轨迹线

mydf=mydf.tail(100)  #显示最后100条数据线 

#下面是绘线语句
mydf.S80.plot.line()
mydf.X20.plot.line()
mydf.K.plot.line(legend=True)
mydf.D.plot.line(legend=True)
mydf.J.plot.line(legend=True)

#--------------------------------
建议申请聚宽免费帐户,可以获取期货数据.通过下面网址申请,免费数据量翻倍.申请网址如下:
https://www.joinquant.com/default/index/sdk?channelId=11ab957b5b19ebc3302ee864cee476b

独狼荷蒲qq:2775205
小白量化群:524949939
微信公众号：独狼股票分析