一、介绍
Tushare是一个免费、开源的python财经数据接口包。
安装包:
pip install tushare
二、简单策略
输出该股票所有收盘比开盘上涨3%以上的日期。输出该股票所有开盘比前日收盘跌幅超过2%的日期。
假如我从2010年1月1日开始,每月第一个交易日买入1手股票,每年最后一个交易日卖出所有股票,到今天为止,我的收益如何?
import tushare as ts
df = ts.get_k_data("600519",start="1990-01-01")
df.to_csv("600519.csv",index=False) #写入文件中,得到股票历史数据信息
#对股票信息进行策略分析
import numpy as np
import pandas as pd
df = pd.read_csv("600519.csv",index_col="date",parse_dates=["date"]) #从600519.csv中读取数据,date列作为索引
df[(df["close"]-df["open"])/df["open"] > 0.03 ].index #收盘比开盘上涨3% 的所有日期
df[(df["open"]-df["close"].shift(1)) /df["close"].shift(1) < -0.02].index #df["close"].shift(1) 前一天收盘价
df_monthly=df.resample("M").first() #每月的第一个交易日,日期看着是最后一天,数据是第一天的
df_yearly=df.resample("A").last() #每年的最后一个交易日
df_yearly=df_yearly.iloc[:-1,:] #去掉最后一行,因为本年最后还没到,取得是昨天的数据
cost=0
num=0
for year in range(2010,2019):
cost += (df_monthly[str(year)]["open"] *100 ).sum() #df_monthly[str(year)]["open"] 每月的开盘价买进
num= 100 * len(df_monthly[str(year)]["open"]) #每月买一手,一手是100股
if year !=2018:
cost -= df_yearly[str(year)]["open"][0] *num #卖出股票,抵消花费
num = 0
cost -= num *df["close"].iloc[-1]
print(-cost)
#df.resample("W").mean() #每周的平均值
#df.resample("W").first() #每周的第一天
三、双均线策略
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、240天的是长期均线指标,称做年均线指标。
金叉:短期均线上穿长期均线
死叉:短期均线下穿长期均线
策略:分析5日均线和30日均线,在金叉把所有钱(开始有100000元)买入股票,死叉抛出所有股票
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import tushare as ts
df["ma5"]=np.nan
df["ma30"]=np.nan
# for i in range(4,len(df)):
# df.loc[df.index[i],"ma5"] = df["close"][i-4:i+1].mean()
# for i in range(29, len(df)):
# df.loc[df.index[i], "ma30"] = df["close"][i-29:i + 1].mean()
df["ma5"]=df["open"].rolling(5).mean() #5日双均线
df["ma30"]=df["open"].rolling(30).mean() #30日双均线
#处理数据:丢掉nan并取到需要的时间段
df = df.dropna()
df = df["2010-01-01":]
#取到金叉和死叉的值
golden_cross = []
death_cross = []
# for i in range(1,len(df)):
# if df["ma5"][i] >= df["ma30"][i] and df["ma5"][i-1] < df["ma30"][i-1] #5日均线作天小于30日均线,在今天大于等于30日均线
# golden_cross.append(df.index[i].to_pydatetime())
#
# if df["ma5"][i] <= df["ma30"][i] and df["ma5"][i - 1] > df["ma30"][i - 1] #5日均线昨天大于30日均线,在今天小于等于30日均线
# death_cross.append(df.index[i].to_pydatetime())
sr1 = df["ma5"] < df["ma30"]
sr2 = df["ma5"] >= df["ma30"]
death_cross = df[sr1 & sr2.shift(1)].index
golden_cross = df[~((sr1) | (sr2.shift(1)))].index #golden_cross = df[((~sr1) & (~sr2.shift(1)))].index
#把金叉和死叉合并起来,一个金叉接着一个死叉排序
sr1 = pd.Series(1,index=golden_cross)
sr2 = pd.Series(0,index=death_cross)
sr= sr1.append(sr2).sort_index()
first_money=100000
money= first_money
hold=0 #有多少股的股票
for i in range(0,len(sr)):
p = df["open"][sr.index[i]] #单股价格
if sr.iloc[i] == 1: #金叉
buy=(money// (100*p)) #可以买多少手股票
hold += buy*100 #股票数
money-= buy*100*p #剩余多少钱
else:
money += hold*p #卖出股票
hold = 0
p = df["close"][-1]
now_money= hold*p +money
print(now_money)
转载于:https://blog.51cto.com/qidian510/2147575