首先是获取到 2019年至2021年9月30日的所有数据,进行相应的数据处理(列重命名、时间序列转换、排序、设计辅助列等)
code = ‘399300.SZ’
start_date = ‘20190101’
end_date = ‘20210930’
df_data = w.wsd(code, “pre_close,high,low,close,MA”, start_date, end_date, “MA_N=500”,usedf=True)[1]
df_data1 = df_data.reset_index().copy()
df_data1 = df_data1.rename(columns={‘index’:‘trade_date’, ‘PRE_CLOSE’:‘昨收价’, ‘MA’:‘MA500’, ‘CLOSE’:‘收盘点位’, ‘HIGH’:‘最高点位’, ‘LOW’:‘最低点位’})
df_data1[‘trade_date’] = pd.to_datetime(df_data1[‘trade_date’])
df_data1 = df_data1.sort_values(‘trade_date’,ascending=False).reset_index(drop=True)
df_data1[‘counter’] = range(len(df_data1))
其次是计算近10日的振幅情况,公式如下:
(本周期最高价-最低价)/上一周期的收盘价
也就是近10天的最高价-最低价,然后除以第前11天的收盘价
代码如下:
“”“计算近10日的振幅”“”
for index, row in df_data1.iterrows():
counter = row[‘counter’]
if counter+10 > df_data1.shape[0]:
max_price = df_data1.loc[(df_data1[‘counter’]>=counter) & (df_data1[‘counter’]<df_data1.shape[0]), ‘最高点位’].max()
min_price = df_data1.loc[(df_data1[‘counter’]>=counter) & (df_data1[‘counter’]<df_data1.shape[0]), ‘最低点位’].min()
pre_close = df_data1.loc[df_data1[‘counter’]==df_data1.shape[0]-1, ‘昨收价’].iloc[0]
else:
max_price = df_data1.loc[(df_data1[‘counter’]>=counter) & (df_data1[‘counter’]<counter+10), ‘最高点位’].max()
min_price = df_data1.loc[(df_data1[‘counter’]>=counter) & (df_data1[‘counter’]<counter+10), ‘最低点位’].min()
pre_close = df_data1.loc[df_data1[‘counter’]==counter+9, ‘昨收价’].iloc[0]
ten_chg = (max_price-min_price)/pre_close*100
df_data1.loc[df_data1[‘counter’]==index, ‘近十日振幅(%)’] = ten_chg
最后是计算当前价格的偏离程度,并根据近10日的振幅情况,计算当前的扣款率
代码比较简单,如下:
“”“计算偏离程度和振幅,得出扣款率”“”
df_data1[‘均价偏离(%)’] = (df_data1[‘收盘点位’]-df_data1[‘MA500’])/df_data1[‘MA500’]*100
df_data1 = df_data1.reset_index(drop=True)
df_data1[‘扣款率(%)’] = df_data1[[‘均价偏离(%)’, ‘近十日振幅(%)’]].apply(lambda x: get_kk_ratio(x), axis=1)
df_data1.head(20)
以上代码块可以直接合并运行,都是同一层级关系
上述代码输出的 9月份 扣款率结果如下所示:
可以看到,如果你是每周4定投,9月份出现的5个周4定投日,都是以90%的比例进行定投。
说直白点,你每次定投初始金额为 1000元,那么这5个定投日会各投 900元进去!
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
最后
不知道你们用的什么环境,我一般都是用的Python3.6环境和pycharm解释器,没有软件,或者没有资料,没人解答问题,都可以免费领取(包括今天的代码),过几天我还会做个视频教程出来,有需要也可以领取~
给大家准备的学习资料包括但不限于:
Python 环境、pycharm编辑器/永久激活/翻译插件
python 零基础视频教程
Python 界面开发实战教程
Python 爬虫实战教程
Python 数据分析实战教程
python 游戏开发实战教程
Python 电子书100本
Python 学习路线规划
一个人可以走的很快,但一群人才能走的更远。如果你从事以下工作或对以下感兴趣,欢迎戳这里加入程序员的圈子,让我们一起学习成长!
AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算
droid移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算**