上一篇介绍了Python的四大基本容器、循环判断、异常机制、类和函数等内容,这一次我们就来介绍一些Python在股票上的应用
1. 绘制均线
首先我们导入tushare、pandas:
import tushare as tsimport pandas as pd
获取股票数据
df = ts.get_hist_data('600848') df
我们也可以输出看一下数据是什么样子的
接下来获取5日,10日,20日ma值以及close值
days = [5,15,20]for ma in days: column_name = "MA{}".format(ma) df[column_name] = df['close'].rolling(ma).mean() df["pchange"] = df.close.pct_change() df["change"] = df.close.diff()
接下来可以用matplotlib画图啦
df[["close","MA5","MA15","MA20"]].plot( kind = 'line',figsize=(20, 10))当然也可以分别画四张图
df[["close","MA5","MA15","MA20"]].plot(subplots=True, layout=(2,2), figsize=(20, 10), fontsize=13, grid=True)不知道你是否有这样的经历:当一个股票涨上去的时候,你感觉到这个股票之后还可能涨,然后就及时买入,结果发现接连绿了几天,自己后悔不已。但是,其实如果让你再选择一次,你可能仍然拿不准自己是不是应该在那个时点进行买入,因为你缺少一个可以定量的指标策略。
下面介绍的3%策略和金叉死叉策略就是给投资者买卖股票提供的策略指标,其中金叉死叉更是被很多人在实战中使用。它既没有金融工程模型的得到的量化指标那么复杂,同时又可以给投资者一个买卖时点的考量。
2. 3%策略
接下来介绍3%策略,在股票单日涨幅超过3%的时候买入,跌幅超过3%的时候卖出,代码如下:
首先选定一支股票,并设定回撤值、突破值、账户资金、持有仓位手数、策略执行天数。案例中获取的股票数据是从2017-09-06开始获取的。
df = ts.get_hist_data('600848') # 设定回撤值withd