A股日历效应：5穷6绝7翻身？python10行代码证伪-CSDN博客

本文链接：https://blog.csdn.net/yagamil/article/details/140083851

五穷六绝七翻身，大部分炒股的朋友都有听过这句谚语，指的是5月股市比较凄惨，6月会到绝境，7月会迎来大翻身。

封基老师在最近的文章也贴了一个日历效应，指出6月月底的最后一个交易日大概率会上涨的：

历年6月最后一条的涨幅

上面的数据封基老师用收费的金融软件choice或者wind，拉取得数据。

从上表的确可以看到，最近几年的6月底最后一个交易日，的确红多绿少。

作为一个量化小博主，本着授人与渔的理念，动手利用免费的券商的Ptrade量化平台和10来行代码即可以整理出上表。

本文就带大家使用Ptrade用几行代码演示A日历的日历效应。

除了统计历年6月最后一天的涨跌幅，还可以统计历年5，6，7月的月涨跌分布。

安装Ptrade

Ptrade是券商提供的量化交易软件。

windows上安装ptrade很简单，它是一个exe格式的安装软件，一路点击下一步就可以了，也不用安装本地python和其他第三方依赖。Ptrade上的程序都是在券商服务器运行的。主要它使用是免费的，用于做量化交易，回测，程序自动下单。

api帮助文档和软件下载地址：https://ptradeapi.com

获取数据

因为不涉及程序下单，所以在"研究“模块里面完成本文的所有代码就好了。本文代码亲测运行正常。不多，只有十几二十行。

实际python搞量化，没有什么高深神秘的东西，都是获取数据，计算，下单。

研究模块

data = get_price(security='000001.SS',start_date='20050101',end_date='20240630',frequency='1d')

上面的代码，用于获取上证指数（00001.SS ），2005年到现在的日线数据。返回数据为dataframe，ptrade获取数据速度很快，点完运行就有数据了，不用等待。

20240630155154

上面的返回的数据没有涨幅这个字段，不过有今收，昨收这2个字段，所以需要多一步计算涨跌幅。

data['percent']=(data['close']/data['preclose']-1)*100

然后写个循环遍历2005年到2024年6月最后一天的涨幅，数据存储到end_of_jun_percnet_result_dict

start_year = 2005 # 因为ptrade历史数据从2005年开始
end_year = 2024

end_of_jun_percnet_result_dict = {}

def last_jun_day_percent_func(year):
    full_start_date = '{}-06-25'.format(year)
    full_end_date = '{}-07-01'.format(year)
    jun_data = data[full_start_date:full_end_date]
    end_of_jun = jun_data.iloc[-1]['percent']
    end_of_jun_percnet_result_dict[str(year)]=end_of_jun 
    

for year in range(start_year,end_year+1):
    last_jun_day_percent_func(year)

执行后，得到数据了，打印一下end_of_jun_percnet_result_dict的值：

然后利用pandas的内置的matplotlib绘图，可以简单地绘出分布图。

其中横坐标为年份，纵坐标为6月最后一天的涨幅。

因月份字体颜色和背景都是黑色，不好区分。

把上面的数据导出到excel。

20240630160550

从2005年到今年，20个统计数据，6月最后一天上证指数的涨幅。

上涨的天数有12天，下跌的天数有8天。上涨的概率60%，概率上上涨的概率不是特别高。但如果从12年之后看的话，13年里面有10年都是上涨的，概率高达77%。

由于15年牛市6月的崩盘，15年6月最后一天暴跌-5%+，最近20年的6月底最后一个交易日的平均涨幅是负的，为 -0.163%。而涨幅中位数则是0.099%

20240630161004

如果你想计算国庆假期前一天的统计数据，只需要把上面的代码里面的：

full_start_date = '{}-06-25'.format(year)
full_end_date = '{}-07-01'.format(year)

按葫芦画瓢改成：

full_start_date = '{}-09-25'.format(year)
full_end_date = '{}-10-01'.format(year)

因为不确定最后一个交易日是几号，所以拿到最后1周的数据，然后取最后一个。

也可以换一个指数计算，比如沪深300就用000300.SS 替换上面代码里面的 000001.SS就可以了。

历年的5月，6月，7月的涨幅分布

同理，用上面的日线数据也可以统计出每年5，6，7月的月涨幅。

代码如下：

month = '05' # /替换这里，换成 06，07 等不同月份
montly_percent_dict ={}
def monthly_percent_func(year_month):
    montly_percent_dict[year_month] =  (data[year_month].iloc[0]['close']/data[year_month].iloc[0]['preclose'] -1)*100

for year in range(start_year,end_year):
    full_date = '{}-{}'.format(year,month)
    monthly_percent_func(full_date)