python 量化交易_Python量化交易，tushare与talib学习示例演示，双均线（DMA）买卖策略...

本篇文章为tushare与talib的学习示例，通过双均线策略演示如何使用talib与tushare。下面我们对代码进行详细解析。

引入3个包，分别是talib，tushare和pandas

import tushare as tsimport pandas as pdimport talib

首先，我们需要获取股票的历史数据行情，这里我们获取格力电器(000651)股票的历史数据行情，我们通过tushare获取。

def get_stock_data(code):    # 通过tushare获取数据，前复权后的数据    df_raw = ts.get_k_data(code, autype='qfq')    # code数据处理    df_raw["code"] = df_raw.apply(lambda x: add_note(x.code), axis=1)    df_raw.to_csv(code + '.csv')    return code + '.csv'

获取的股票数据行情，保存到csv，数据格式如下：

接着，我们需要定义一个函数，计算我们要的均线，均线的值我们通过ma1和ma2传入。

def calculate_sma(filename, ma1=5, ma2=10):    df = pd.read_csv(filename, index_col='date')    # Simple Moving Average SMA 简单移动平均    df['SMA_' + str(ma1)] = talib.MA(df['close'], timeperiod=ma1)    df['SMA_' + str(ma2)] = talib.MA(df['close'], timeperiod=ma2)    df['compare'] = df.apply(lambda x: compare_diff(x['SMA_' + str(ma1)], x['SMA_' + str(ma2)]), axis=1)    df = df[9:]    df.to_csv("sma_data.csv")    return df

计算结果的文件，存了均线的值，我们示例中的ma1=5日均线，ma2=10日均线。

最后，我们需要根据均线的值做出买卖的决策依据，5日上穿10日均线，买入，5日下穿10日均线，卖出。

def sell_and_buy(df, ma1=5, ma2=10):    # 标记均线上穿与下穿    df['match'] = df.compare == df.compare.shift()    df.to_csv("sma_change.csv")    # 开仓与平仓    df["tag"] = df.apply(lambda row: tag(row.match, row.compare), axis=1)    df.to_csv("result.csv")

我们使用tag来标识卖出还是买入，match列表示，本次的5日均线值与10日均线值的比较大小是否改变，如果改变则代表是上穿还是下穿。

我们用定义一个计算盈利。这里我们简单计算下开平仓以及盈利次数，成功率还有最后的总盈亏。

def cal_profit():    df = pd.read_csv("result.csv", index_col='date')    df["profit"] = 0    total = 0    win = 0    buyprice = 0    for index, row in df.iterrows():        if row.tag == '买入':            buyprice = row.close        if row.tag == '卖出' and buyprice != 0:            total += 1            # 用这种方式赋值            df.loc[index, 'profit'] = row.close - buyprice            if row.close - buyprice > 0:                win += 1    percent = round((win / total) * 100, 2)    profit =  round(df["profit"].sum(),2)    print("开平仓次数：", total, "\n盈利次数：", win, "\n成功率：", percent, "%", "\n总共盈亏：", profit)    df.to_csv("profit.csv")

最后结果输出如下：

===简单双均线策略====

开平仓次数：34

盈利次数：14

成功率：41.18 % 

总共盈亏：4.15

以上，就是我们本次的双均线买卖策略，希望对大家有所帮助。如果觉得有用，希望能帮忙点下【在看】，并且分享到朋友圈哦。

jeevan在这里谢谢大家的支持！

关注我，量化交易工程师，带你一起学习量化交易。后续我会陆续推出一些策略，带大家一起开心的在市场学习如何打开正确盈利的方式。

最后附上完整的源代码：

# encoding:utf-8# !/usr/bin/python"""@Author: jeevan@微信公众号: 大操手量化投资@Site: http://dacaoshou.com@Software: pycharm@File：__init__.py.py@Time：2020/5/31 20:24@Description: 双均线买卖策略,策略源码微信公众号上获取"""import tushare as tsimport pandas as pdimport talibdef add_note(code):    return "'" + code# 获取股票数据def get_stock_data(code):    # 通过tushare获取数据，前复权后的数据    df_raw = ts.get_k_data(code, autype='qfq')    # code数据处理    df_raw["code"] = df_raw.apply(lambda x: add_note(x.code), axis=1)    df_raw.to_csv(code + '.csv')    return code + '.csv'def compare_diff(param, param1):    return 1 if param - param1 >= 0 else -1;def calculate_sma(filename, ma1=5, ma2=10):    df = pd.read_csv(filename, index_col='date')    # Simple Moving Average SMA 简单移动平均    df['SMA_' + str(ma1)] = talib.MA(df['close'], timeperiod=ma1)    df['SMA_' + str(ma2)] = talib.MA(df['close'], timeperiod=ma2)    df['compare'] = df.apply(lambda x: compare_diff(x['SMA_' + str(ma1)], x['SMA_' + str(ma2)]), axis=1)    df = df[9:]    df.to_csv("sma_data.csv")    return dfdef tag(match, compare):    if match == False and compare == 1:        return "买入"    if match == False and compare == -1:        return "卖出"def sell_and_buy(df, ma1=5, ma2=10):    # 标记均线上穿与下穿    df['match'] = df.compare == df.compare.shift()    df.to_csv("sma_change.csv")    # 开仓与平仓    df["tag"] = df.apply(lambda row: tag(row.match, row.compare), axis=1)    df.to_csv("result.csv")def cal_profit():    df = pd.read_csv("result.csv", index_col='date')    df["profit"] = 0    total = 0    win = 0    buyprice = 0    for index, row in df.iterrows():        if row.tag == '买入':            buyprice = row.close        if row.tag == '卖出' and buyprice != 0:            total += 1            # 用这种方式赋值            df.loc[index, 'profit'] = row.close - buyprice            if row.close - buyprice > 0:                win += 1    percent = round((win / total) * 100, 2)    profit =  round(df["profit"].sum(),2)    print("开平仓次数：", total, "\n盈利次数：", win, "\n成功率：", percent, "%", "\n总共盈亏：", profit)    df.to_csv("profit.csv")if __name__ == '__main__':    print("===简单双均线策略====")    code = '000651'    # 配置双均线    ma1 = 5    ma2 = 10    # 获取数据并保存到csv文件    filename = get_stock_data(code)    # 计算双均线数据并保存    df = calculate_sma(filename, ma1, ma2)    # 买入开仓，卖出平仓    sell_and_buy(df, ma1, ma2)    # 计算盈利    cal_profit()