python数据分析04--双均线策略、金叉与死叉的理解

需求：双均线策略制定¶
1.使用tushare包获取某股票的历史行情数据

2.计算该股票历史数据的5日均线和30日均线

什么是均线？
对于每一个交易日，都可以计算出前N天的移动平均值，然后把这些移动平均值连起来，成为一条线，就叫做N日移动平均线。移动平均线常用线有5天、10天、30天、60天、120天和240天的指标。
5天和10天的是短线操作的参照指标，称做日均线指标；
30天和60天的是中期均线指标，称做季均线指标；
120天和240天的是长期均线指标，称做年均线指标。
均线计算方法：MA=（C1+C2+C3+...+Cn)/N C:某日收盘价 N:移动平均周期（天数）

3.分析输出所有金叉日期和死叉日期
股票分析技术中的金叉和死叉，可以简单解释为：
分析指标中的两根线，一根为短时间内的指标线，另一根为较长时间的指标线。
如果短时间的指标线方向拐头向上，并且穿过了较长时间的指标线，这种状态叫“金叉”；
如果短时间的指标线方向拐头向下，并且穿过了较长时间的指标线，这种状态叫“死叉”；
一般情况下，出现金叉后，操作趋向买入；死叉则趋向卖出。当然，金叉和死叉只是分析指标之一，要和其他很多指标配合使用，才能增加操作的准确性。

4.如果我从假如我从2010年1月1日开始，初始资金为100000元，金叉尽量买入，死叉全部卖出，则到今天为止，我的炒股收益率如何？
分析：
	买卖股票的单价使用开盘价
	买卖股票的时机
	最终手里会有剩余的股票没有卖出去
	会有。如果最后一天为金叉，则买入股票。估量剩余股票的价值计算到总收益。
	剩余股票的单价就是用最后一天的收盘价。

import tushare as ts
import pandas as pd
import matplotlib.pyplot as plt

df = ts.get_k_data('000001',start='1990-01-01')
df.head()
df.info()

# 将date作为行索引,使用to_datetime()
df['date'] = pd.to_datetime(df['date'])
# 发现date那行的Dtype由object变为了datetime64
df.info()
# 更改date为行索引
df.set_index('date',inplace=True)
df.head()

# 将字符串改为整型
df['code'] = df['code'].astype('int')
# code已变
df.info()

# 目前数据已经处理好
# 计算该股票历史数据的5日均线和30日均线
ma5 = df['close'].rolling(5).mean()
ma30 = df['close'].rolling(30).mean()
# 为什么前四项为空，因为只有从第五个开始，才有五日均值，正如前29个为空。
# ma5

# 将ma5与ma30的值加入到表中
df['ma5'] = ma5
df['ma30'] = ma30
df.head()

# 将空值对应的行数据删掉，ma30的前29行，基本没影响，可以用切片.
# 此时data为新数据，但是df还是有空的。
data = df[30:]

# 把ma5和ma30的线画出来，取其中100个点
plt.plot(data['ma5'][100:200],label='ma5')
plt.plot(data['ma30'][100:200],label='ma30')
plt.legend()
# ma5和ma30的交叉点就是金叉或者死叉
# 短期均线和长期均线谁更敏感一点？短期均线
# 如果短时间的指标线方向拐头向上，并且穿过了较长时间的指标线，这种状态叫“金叉”；简单来说就是，短期上穿长期
# 如果短时间的指标线方向拐头向下，并且穿过了较长时间的指标线，这种状态叫“死叉”；简单来说就是，短期下穿长期

# 找到data中的金叉和死叉日期，肯定有很多,.shift(1),右移一位
s1 = ma5 > ma30
s2 = ma5 < ma30
s3 = s2.shift(1)

death_cross_time = data.loc[s1&s3].index
golden_cross_time = data.loc[~(s1|s3)].index

# 获取前两个金叉和死叉
# death_cross_time[[1,2]],golden_cross_time[[1,2]]

# 接下来就是实现金叉买，死叉卖

new_df = data['2010':'2020']
new_df

# 获取2010-2020年的金叉和死叉
s1 = ma5 < ma30
s2 = ma5 > ma30
s3 = s2.shift(1)
death_cross_time = new_df.loc[s1&s3].index
golden_cross_time = new_df.loc[~(s1|s3)].index

death_cross_time

first_money = 100000 # 本金
cost_money = 100000  # 流动资金
# 将金叉和死叉的时间全部整合到一个Series中
# 金叉用1表示，死叉用0表示
s1 = pd.Series(data=1,index=golden_cross_time)
s2 = pd.Series(data=0,index=death_cross_time)
# Series级联操作
s = s1.append(s2)

# s按照索引排序，1就买，0就卖
s = s.sort_index()
s

hold = 0 # 持有股票数量
for i in range(len(s)):
    if s[i] == 1:
        date = s.index[i] # 拿到金叉时间，买入
        price = new_df.loc[date]['open'] # 买股票单价，用开盘价
        hand_count = cost_money // (100*price) # 最多买入多少手
        hold = hand_count*100 # 持有股票数量
        cost_money -= hold * price
    else: # 卖股票
        death_time = s.index[i]
        sell_price = new_df.loc[death_time]['open']
        cost_money += (sell_price*hold)
        hold = 0
        
# 考虑是否有股票剩余，看最后一天
last_price = new_df['open'][-1] # 剩余股票的单价
last_money = hold * last_price
print('总收益：',cost_money+last_money-first_money)

总收益： 426296.2999999997