pandas计算主力合约(模拟文化财经规则)

数据

使用的数据IF合约的日数据：

链接：https://pan.baidu.com/s/1XGfITsSWdP_c1_wFepUs0A 
提取码：b880

主力合约计算规则：

1. 每个品种只选出唯一一个主力合约

2. 日成交量和持仓量都为最大的合约，确定为新的主力合约，于下一交易日进行指向切换

3. 按照第二条规定产生新的主力合约之前，维持原来的主力合约不变

4. 若出现当前主力合约的成交量和持仓量都不是最大的情况，当前指向合约在下一个交易日必须让出主力合约身份，新主力指向成交量最大的合约

计算方法:

1. 读入所有IF合约的日数据，合并到一张表中

2. 按日期进行分组，每组中的数据为当天所有在交易的合约

3. 对每组的数据按成交量和持仓量进行降序排序，排序的优先级为先成交量再持仓量

4. 取每组的第一行数据拼成一个新的表

5. 对新生成的表进行检查，看是否存在合约不连续的情况，检查方法为：

5.1 对表按时间进行升序排序

5.2 按合约进行分组

5.3 检查前一组的所有日期都在早于后一组最早的日期（也就是后一组第一行的日期）

开始计算

初始数据路径 ./if_list/

import os
import numpy as np
import pandas as pd

1. 读入所有的IF合约数据，合并成一张表

dir = r'./if_list/'
file_list = os.listdir(dir)
all_df = None
for file_name in file_list:
    ticker = file_name[0:-4]
    file_path = dir + file_name
    df = pd.read_csv(file_path,encoding='utf-8',header=0,names=['date','open','close','low','high','volume','money','factor','high_limit','low_limit','avg','pre_close','paused','open_interest'])
    df['ticker'] = ticker
    if all_df is None:
        all_df = df
    else:
        all_df = pd.concat([all_df,df])

2. 按日期分组，取每组成交量和持仓量最大的一行组成一个新表

# 这个方法是对 成交量 和 持仓量 进行降序排序(即由大到小)，排序优先级为先成交量后持仓量；排序后把第一行返回
def get_biggest_openinterest(x):
    df = x.sort_values(['volume','open_interest'],ascending=[False,False])
    return df.iloc[0,:]

# 对所有合约合成的大表 all_df 按日期进行分组，每个日期的组里提取出成交量和持仓量最大的行 组成一个新的表 res_pd
all_df['date'] = pd.to_datetime(all_df['date'])
all_df.sort_values(by='date')
res_pd = all_df.groupby('date').apply(get_biggest_openinterest)

3. 检查合约是否连续

# 对表 res_pd 进行升序排列（即有小到大）
res_pd.sort_index(inplace=True)
# 对表 res_pd 按合约进行分组
res_group = res_pd.groupby('ticker')
# 提取每组的日期存入列表，然后对日期进行校验，确保每一组最早的那个日期都不会早于前一组的所有的日期，满足这个条件说明是连续合约
results_list = []
for name,group in res_group:
    results_list.append(group['date'].tolist())
for i in range(len(results_list)-1):
    pre_list = results_list[i]
    now_first = results_list[i+1][0]
    for item in pre_list:
        if item >= now_first:
            print(item,now_first)
            break

至此，res_pd是if的主力合约