处理数据--根据日期自动记录excel

本文介绍了如何根据日期自动处理和合并多个Excel文件,包括期货和期权的数据。首先,通过读取并统一期货数据的格式,然后合并成单一的Excel。接着,处理期权数据,定位每日平值期权并获取其详细信息。最后,对处理后的数据进行储存。
摘要由CSDN通过智能技术生成

将多个excel合成一个

有每日平值期权的相应数据,将各日数据格式统一并按时间顺序拼起来,得到该月的平值期权总数据。

import pandas as pd
import numpy as np
import time
import datetime as dt
from datetime import date, datetime, timedelta
from math import exp
import matplotlib.pyplot as plt
from scipy.stats import norm

读取期货数据excel并合并成一个

wind每周获得一次期货的tick数据。改好格式后,合并成一个all。

df1 = pd.read_excel("D:\ETF期权套利\IF2108_20210728.xlsx",index_label=False)
df2 = pd.read_excel("D:\ETF期权套利\IF2108_20210803.xlsx",index_label=False)
df2 = df2.rename(columns = {
   '10003226.SH':'Time'}) 
df3 = pd.read_excel("D:\ETF期权套利\IF2108_20210806.xlsx",index_label=False)
df3.columns = ['Time','bid1','ask1','last']
df = df1.append(df2)
df = df.append(df3)
df.to_excel("D:\ETF期权套利\IF2108_all.xlsx")

处理期权数据excel

#读取excel以及前期处理工作

df2108 = pd.read_excel("D:\ETF期权套利\IF2108_all.xlsx",index_label=False)
#期权每日数据的位置0726-0806
path1 = "D:\\ETF期权套利\\期权数据\\20210726 ({}).csv"
path2 = "D:\\ETF期权套利\\期权数据\\20210727 ({}).csv"
path3 = "D:\\ETF期权套利\\期权数据\\20210728 ({}).csv"
path4 = "D:\\ETF期权套利\\期权数据\\20210729 ({}).csv"
path5 = "D:\\ETF期权套利\\期权数据\\20210730 ({}).csv"
path6 = "D:\\ETF期权套利\\期权数据\\20210802 ({}).csv"
path7 = "D:\\ETF期权套利\\期权数据\\20210803 ({}).csv"
path8 = "D:\\ETF期权套利\\期权数据\\20210804 ({}).csv"
path9 = "D:\\ETF期权套利\\期权数据\\20210805 ({}).csv"
path10 = "D:\\ETF期权套利\\期权数据\\20210806 ({}).csv"

#每日预计分红(从ETF中扣除)
div_list0 = [12.58,12.33,12.18,12.18,11.78,11.17,11.11,11.11,11.09,10.52]
div_list1 = [68.36,68.59,69.14,70.45,72.14,72.17,72.17,72.42,72.58,73.50]
#div_list2 = [3.81,3.84,3.41,2.11,0.81,1.41,1.48,1.22,1.08,0.75]
path_list = [path1,path2,path3,path4,path5,path6,path7,path8,path9,path10]

K_list = [4.7,4.8,4.9,5.0,5.25,4.7,4.8,4.9,5.0,5.25]#各期权执行价格
Date_list = pd.bdate_range('2021-07-26', '2021-08-30')#获得工作日列表

Maturity = pd.to_datetime('2021-08-20 15:00:00')
df = pd.DataFrame()
df_p = pd.DataFrame()
data_IF = pd.DataFrame()
df4700 = pd.DataFrame()
df4800 = pd.DataFrame()
df4900 = pd.DataFrame()
df5000 = pd.DataFrame()
df5250 = pd.DataFrame()

#筛选出有报价的df部分
data1 = df2108[(df2108['bid1']>0)&(df2108['ask1']>0)&(df2108['last']>0)<
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值