量化交易策略之股票数据分析（Python）

目标：

1：使用ts包获取某只股票的历史行情数据

2：输出该股票的所有收盘比开盘涨3%以上的日期

3：输出该股票所有开盘比前日收盘跌幅超过2%的日期

4：假如从2010 1.1 开始， 每月第一个交易日买入一手股票，每年最后一个交易日卖出所有股票， 到今天为止，我们受益如何？（第一个策略）

首先，完成目标1

import tushare as ts
import numpy as np
import pandas as pd

# 使用tushare获取某只股票的历史行情数据
# df = ts.get_hist_data('600848')
df1 = ts.get_k_data('600848')  # 一次性获取全部日k线数据
#df_2 = ts.get_k_data('600519', start='1988-01-01')  # 设定茅台历史数据的时间
#df_2.to_csv("C:\\Users\\Administrator\\Desktop\\数据挖掘项目\\金融数据量化交易\\600519.csv")

 其次，读取k线数据，并保存下来，然后重新读取并完成目标2

df = pd.read_csv("C:\\Users\\Administrator\\Desktop\\数据挖掘项目\\金融数据量化交易\\600519.csv",
                 index_col = "date", parse_dates=["date"])[['open', 'close', 'high', 'low', ]]

# 输出该股票的所有收盘比开盘涨3%以上的日期
print(df[(df['close'] - df['open']) / df['open'] >= 0.03].index)

 3：输出该股票所有开盘比前日收盘跌幅超过2%的日期

# 输出该股票所有开盘比前日收盘跌幅超过2%的日期 df.shift(1)所有数据下移一列
print(df[(df['open'] - df['close'].shift(1)) / df['close'].shift(1) <= -0.02].index)

 4：假如从2010 1.1 开始， 每月第一个交易日买入一手股票，每年最后一个交易日卖出所有股票， 到今天为止，我们受益如何？（第一个策略）

# 假如从2010 1.1 开始， 每月第一个交易日买入一手股票，每年最后一个交易日卖出所有股票， 到今天为止，我们受益如何？
price_last = df['open'][-1]  # 最后一年，没卖出时最后的开盘价
df = df['2001-09':]  # 剔除无用的首尾数据
df_monthly = df.resample("M").first()  # 获取每月第一个交易日的数据
df_yearly = df.resample("A").last()[:-1]  # 获取每年最后一个交易日的数据 去除今年的最后卖出日，因为时间还未到。

cost_money = 0  # 本金
hold = 0  # 持有股数
for year in range(2001, 2023):
    cost_money += df_monthly[str(year)]['open'].sum()*100  # 从2010 1.1 开始每年,每月第一个交易日买入一手（100股）股票的总花费
    hold += len(df_monthly[str(year)]['open'])*100  # 从2010 1.1 开始,每月第一个交易日买入一手股票的总股数
    if year != 2022:
        cost_money -= df_yearly[str(year)]['open'][0]*hold
        hold = 0


cost_money -= hold*price_last

print(-cost_money)  # 最终赚的钱
# 1014346.0999999999