- 读取数据pe
- if 20天的pe均值 <100天的pe均值 -2*其标准差 则 高配股票。
- elif 20天的pe均值 <100天的pe均值 -0*其标准差 则 股债 0.5:0.5。
- else: 高配债券
- 改进方面,可以加入pd等其他选股条件一起判断。效果更好。
运行 需要获取token,这里获取token码
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime, date
from statsmodels.regression import linear_model
import statsmodels.api as sm
import pymysql
import threading
from queue import Queue
import math
import tushare as ts
import matplotlib
import talib
import seaborn as sns
sns.set(style="darkgrid", palette="muted", color_codes=True)
from scipy import stats,integrate
%matplotlib inline
sns.set(color_codes=True)
matplotlib.rcParams['axes.unicode_minus']=False
plt.rcParams['font.sans-serif'] = ['SimHei'] # 中文显示
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
#读取数据
def dataread():
ts.set_token(' ')
pro = ts.pro_api()
df_base=pro.index_dailybasic(ts_code="000001.SH", fields='trade_date,pe_ttm')
df_stock=pro.index_daily(ts_code="000001.SH", start_date='20120101', end_date='20201010', fields='close,trade_date')
df_bond=df=pro.index_daily(ts_code="000012.SH",start_date='20120101', end_date='20201010' , fields='trade_date,close')
return df_base,df_stock,df_bond
df,df_stock,df_bond=dataread()
class prepare:
#计算单日收益率
#def __init__(self,freq):
# self.freq=freq
def ret_base(self):
df_stock.index=pd.to_datetime(df_stock.trade_date)
ret_stock=(df_stock.close-df_stock.close.shift(-1))/df_stock.close.shift(-1)
df_bond.index=pd.to_datetime( df_bond.trade_date )
ret_bond=(df_bond.close-df_bond.close.shift(-1))/df_bond.close.shift(-1)
return ret_stock,ret_bond
#计算pe均值,标准差及滚动均值
def data_fun(self,freq,df):
df.index=pd.to_datetime(df.trade_date )
df=df.sort_index()
df_=pd.DataFrame(df.pe_ttm )
df_pe_std=df.rolling(window=252).std()[df.index>"20120101"]
df_pe_std=df_pe_std.pe_ttm
df_=df_.sort_index()
df_roll=df_.rolling(window=freq).mean()
df_pe_mean=df.rolling(window=252).mean()[df.index>"20120101"]
df_pe_mean=df_pe_mean.pe_ttm
return df_pe_mean,df_pe_std,df_roll.pe_ttm
mean,std,mean_roll=prepare().data_fun(20,df)
ret_stock,ret_bond=prepare().ret_base()
#class test_fun():
#信号处理
def sig_fun():
"""
例如:
滚动pe_ttm的均值mean_roll<pe_ttm的过去252个交易日的历史方差 股债比例:8:2
"""
sig_stock=pd