本项目的核心思路:根据pe ratio对股票进行分组,分组之后等权重投资低估值的股票,再平衡日为每月最后一天。
1 获取并处理数据
注:本项目使用的全部数据来自Tushare社区(id=570231):Tushare社区
1.1 获取数据
1.首先,我们安装一下Tushare库
pip install tushare
2.调用API之前,进行必要的初始化设置
import tushare as ts # 导入Tushare
my_token = '你的Token'
pro = ts.pro_api(my_token)
3.获取A股所有股票的基本信息,包括:股票代码、股票名称、所在地、行业等最基本的信息
all_stock_basic_infos = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code, symbol, name, area, industry, list_date')
all_stock_basic_infos # 查看一下刚刚获取到的数据
4.获取银行股票的基本信息
bank_stock_basic_infos = all_stock_basic_infos[all_stock_basic_infos['industry'] == '银行']
bank_stock_basic_infos
拿到的数据长这样:
5.接下来,我们获取所有银行股票的日线行情数据
(1)先拿到所有银行股票代码的一个list
all_bank_stock_code = bank_stock_basic_infos['ts_code'].tolist()
print(all_bank_stock_code)
拿到的list输出如下所示:
(2)然后我们定义一个函数,随后使用for循环遍历all_bank_stock_code,获取到全部银行股的日线数据
bank_stock_daily = pd.DataFrame() # 创建一个空的DataFrame,用于保存最后获得的银行股行情数据
# 定义一个函数,用于获取个股行情
def get_stock_daily(stock_code):
"""
获取个股日线行情数据
:param stock_code: 传入一个股票代码
:return: 以DataFrame形式返回股票日线行情数据
"""
df1 = pro.daily(ts_code=stock_code)
if len(df1) == 6000: # 每次最多获取6000条数据
time.sleep(1.6)
df2 = pro.daily(ts_code=stock_code, end_date=df1[