python模拟生成股票K线历史数据

        量化分析通常需要大量历史数据，在回测时需要用到真实的历史数据。但在编写程序的过程中，可以自动生成一些模拟数据，用于程序调试。当程序调试好之后，再切换回真实的数据。

代码如下：

# -*- coding: utf-8 -*-
"""
Created on Sat Aug 21 17:43:09 2021

@author: Administrator
"""

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

#length，生成数据的数量，相当于天数
#max_ratio，最大涨幅，可以设置为0.1，即±%10
#返回（length, 1）维矩阵，矩阵取值范围为（-max_ratio, max_ratio）
def generate_one_series(length, max_ratio=0.1):
    return (2 * np.random.rand(length, 1) - 1) * max_ratio

#length，生成数据的数量，相当于天数
#max_ratio，最大涨幅，可以设置为0.1，即±%10
#返回dataframe结构数据，分别对应open、close、high、low
#这里都是以百分比的形式表示
def generate_bars(length, max_ratio=0.1):
    bars =  (2 * np.random.rand(length, 4) - 1) * max_ratio
    return pd.DataFrame(bars, columns=['open', 'close', 'high', 'low'])


if __name__ == '__main__':
    #matplotlib显示中文标签
    plt.rcParams['font.sans-serif'] = ['SimHei'] # 替换sans-serif字体
    plt.rcParams['axes.unicode_minus'] = False   # 解决坐标轴负数的负号显示问题
   
    #生成100天数据
    df_bars = generate_bars(100, 0.1)
    
    #获取每日收盘涨跌比列
    close_ratio = df_bars.close
    plt.plot(close_ratio, label='每日涨跌百分比')
   
    #累计求和，即累计到当天的百分比
    cum_close = np.cumsum(close_ratio)
    plt.plot(cum_close, label='累计涨跌百分比')
    
    #如果要模拟实际价格，只要乘以一个初始价格就可以
    #例如定义初始价格为3元
    close_price = 3 * np.cumsum(close_ratio)
    plt.plot(close_price, label='累计涨跌百分比')
    
    plt.legend()
    plt.show()

效果图：

 

ps:

1、公众号实时查询股票涨幅，无需打开交易软件，方便查看；

2、量化知识和策略分享。

请关注“量化之窗”公众号，如有疑问，请在文章下方留言，欢迎使用！