Python 算法交易实验86 QTV200日常推进-获取A股日交易额并统计

说明

上一篇说到，交易量可能可以作为策略规则的支持度分析，但是(我现在还不想付费买数据)现成的接口似乎并没有这样的统计。获取某一只股票的日交易数据是相对简单的，市场上也就不到5000只的股票，总数据量应该也不会超过18M(5000*3000)。所以可以获取全市场的日数据，然后自己汇总。

以下是流程：

• 1 列出所有的股票
• 2 for each 抓取所有的日数据
• 3 将数据存到数据库
• 4 进行统计，并可视化
• 5 分析过去几年交易量的变化

内容

使用akshare来抓取数据,这个是接口文档。
我认为，真正的算法交易并不需要太多太频繁的数据，也不需要高频交易。过去有很多技术性套利的方法反而被视为正统，例如利用服务器时间差快速、大量交易。这本身导致了交易系统承受类似DDOS般的影响，也使得交易者的心态收到DDOS的攻击：价格暴跌，直接击穿心理预期。然后这也招致了更多的”管理约束“。从人工智能的角度，算法应该能够和类似人类交易者的方式获取数据，就像一场体育比赛一样。真正实现超越的是内在的方法，例如alphago击败李世石那样。

所以我所基于量化分析的整个体系，对于数据的维度、频率要求都非常低。真正的复杂性在于获得这些数据之后所采取的算法和运行架构，以及基于这些架构产生大量数据之后所作出的决策和调整。另外，从我自己多年处理数据的经验来说，更多的依赖数据商的指标其实不是什么好事。由于数据本身的复杂性，还有业务相关的变化，大部分的指标是无法维护，甚至是有欺骗性的（不是恶意的），使用这些指标无异于坐在火山口上。

1 列出所有的股票

import akshare as ak

stock_info_a_code_name_df = ak.stock_info_a_code_name()
print(stock_info_a_code_name_df)

这步分数据也存一下吧，一次性的，就不使用ORM了

from Basefuncs import * 
chcfg = CHCfg(database='qtv200')
click_para = chcfg.dict()
chc = CHClient(**click_para)
chc._exe_sql('show tables')

# 简单表格
create_table_sql = '''
CREATE TABLE stock_name_list
(

code String,
name String,
watch_time String
)
ENGINE = MergeTree
PRIMARY KEY (code)
order by code
'''
chc._exe_sql(create_table_sql)
chc.insert_df2table(table_name='stock_name_list', some_df=stock_info_a_code_name_df, pid_name='code')

2 抓取日数据/存库

采用东财历史数据接口

import akshare as ak

stock_zh_a_hist_df = ak.stock_zh_a_hist(symbol="000001", period="daily", start_date="20000101", end_date='20990528', adjust="")
print(stock_zh_a_hist_df)
      日期    股票代码     开盘     收盘     最高     最低      成交量           成交额    振幅   涨跌幅   涨跌额   换手率
0     2017-03-01  000001   9.49   9.49   9.55   9.47   346994  3.301580e+08  0.84  0.11  0.01  0.21
1     2017-03-02  000001   9.51   9.43   9.54   9.42   403629  3.823959e+08  1.26 -0.63 -0.06  0.24
2     2017-03-03  000001   9.41   9.40   9.43   9.36   342655  3.219525e+08  0.74 -0.32 -0.03  0.20
3     2017-03-06  000001   9.40   9.45   9.46   9.39   404511  3.812123e+08  0.74  0.53  0.05  0.24
4     2017-03-07  000001   9.44   9.45   9.46   9.40   294673  2.777474e+08  0.63  0.00  0.00  0.17
...          ...     ...    ...    ...    ...    ...      ...           ...   ...   ...   ...   ...
1755  2024-05-22  000001  11.56  11.56  11.74  11.46  2115531  2.458449e+09  2.42  0.09  0.01  1.09
1756  2024-05-23  000001  11.53  11.40  11.59  11.37  1841623  2.110799e+09  1.90 -1.38 -0.16  0.95
1757  2024-05-24  000001  11.37  11.31  11.49  11.30  1398276  1.593330e+09  1.67 -0.79 -0.09  0.72
1758  2024-05-27  000001  11.31  11.51  11.53  11.31  1454361  1.663272e+09  1.95  1.77  0.20  0.75
1759  2024-05-28  000001  11.50  11.40  11.58  11.36  1204323  1.377107e+09  1.91 -0.96 -0.11  0.62

[1760 rows x 12 columns]

我只需要成交金额，日期和股票代码，所以可以建立如下数据模型：

import pandas as pd
from sqlalchemy import Column, Integer, String, create_engine,Float,DateTime, func, Text, Index
# 映射
from sqlalchemy import MetaData, Table,select
from clickhouse_sqlalchemy import make_session, engines
from sqlalchemy.orm import sessionmaker, declarative_base
from datetime import datetime
# 连接字符串格式: clickhouse+http://<username>:<password>@<host>:<port>/<database 
engine = create_engine('clickhouse+http://xxxx:xxxx@127.0.0.1:18123/qtv200')
Base = declarative_base()

# MergeTree才会持久化
class StockTrade(Base):
    __tablename__ = 'stock_trade'
    id = Column(Integer, primary_key=True)
    create_time = Column(DateTime, default=lambda: datetime.now())

    code = Column(String)
    name = Column(String)
    data_dt = Column(String)
    amt = Column(Float)
    
    __table_args__ = (
        engines.MergeTree(order_by=['id']),
    )

然后获取所有的的code， 通过映射已创建表格的一部分字段，然后使用select来实现。

# 创建元数据对象
metadata = MetaData()
# 映射部分字段
# 定义表结构，并添加 extend_existing=True 参数
stock_name_list = Table('stock_name_list', metadata,
    Column('code', Integer, primary_key=True),
    Column('name', String),
    extend_existing=True  # 允许重新定义表
)
# 查询所有的code列
with engine.connect() as connection:
    # 构建查询语句
    query = select(stock_name_list.c.code)
    
    # 执行查询
    result = connection.execute(query)
    
    # 获取所有结果
    codes = [x[0] for x in result.fetchall()]

# 创建表 
Base.metadata.create_all(engine)

# 创建会话
Session = sessionmaker(bind=engine)

将取数和存库封在一个函数里，入参是code

# 获取数据
def get_and_save(some_code):
    import akshare as ak
    stock_zh_a_hist_df = ak.stock_zh_a_hist(symbol=some_code, period="daily", start_date="20000101", end_date='20990528', adjust="")
    stock_zh_a_hist_df['data_dt'] = stock_zh_a_hist_df['日期']
    stock_zh_a_hist_df['amt'] = stock_zh_a_hist_df['成交额']
    stock_zh_a_hist_df['code'] = stock_zh_a_hist_df['股票代码']

    lod = stock_zh_a_hist_df[['data_dt','amt', 'code']].to_dict(orient='records')

    data = [StockTrade(**x) for x in lod]
    with Session() as session:
        session.bulk_save_objects(data)

然后调用就可以了

import tqdm
for some_code in tqdm.tqdm(codes):
    get_and_save(some_code)

速度比想象中的快

一共13M数据。

3 统计

可以感受一下clickhouse的统计速度（其实更强的是，即使是时分秒的状态，也可以随意抽出来统计）

大约200ms完成汇总计算。

将字符cast到年月统计

select toYYYYMM(toDateTime(data_dt)) AS year_month,sum(amt) as total_amt 
from qtv200.stock_trade 
GROUP BY year_month
ORDER BY year_month;

4 可视化及分析

先声明基本配置

from Basefuncs import *
import cufflinks as cf
# from plotly.offline import iplot, init_notebook_mode
from plotly.offline import iplot, init_notebook_mode
# 初始化cufflinks
cf.go_offline()
init_notebook_mode()  


chcfg = CHCfg(database='qtv200')
click_para = chcfg.dict()
chc = CHClient(**click_para)
chc._exe_sql('show tables')

daily_sql = '''select data_dt, sum(amt) as total_amt 
from stock_trade 
group by data_dt
order by data_dt 
'''
yymon_sql = '''
select toYYYYMM(toDateTime(data_dt)) AS year_month,sum(amt) as total_amt 
from stock_trade 
GROUP BY year_month
ORDER BY year_month;
'''

先看日数据，主要是校验算的是否对。看起来还是可以的。

daily_data = chc._exe_sql(daily_sql)
daily_data_df = pd.DataFrame(daily_data, columns = ['dt','amt'])
daily_data_df['amt_ww'] = daily_data_df['amt'] /1e8
daily_data_df.tail()


amt	amt_ww
dt		
2024-08-26	5.289036e+11	5289.036477
2024-08-27	5.139930e+11	5139.930070
2024-08-28	4.989520e+11	4989.519683
2024-08-29	6.099332e+11	6099.332157
2024-08-30	8.800362e+11	8800.362105

画图

daily_data_df.set_index('dt', inplace=True)
# 绘制图表
daily_data_df['amt_ww'].iplot( kind='line', xTitle='Date', yTitle='Amount', title='Amount Over Time')

整体看起来，似乎交易量也没想象的那么不堪

然后按月统计

yymon_data = chc._exe_sql(yymon_sql)
yymon_data_df = pd.DataFrame(yymon_data, columns = ['yymon','amt'])
yymon_data_df['yymon'] = yymon_data_df['yymon'].apply(str)
yymon_data_df['amt_ww'] = yymon_data_df['amt'] /1e8
yymon_data_df.tail()
	yymon	amt	amt_ww
291	202404	1.828892e+13	182889.221341
292	202405	1.693721e+13	169372.120202
293	202406	1.371751e+13	137175.121734
294	202407	1.507760e+13	150776.035114
295	202408	1.313773e+13	131377.297951

yymon_data_df.set_index('yymon', inplace=True)
yymon_data_df['amt_ww'].iplot( kind='bar', xTitle='YYMon', yTitle='Amount', title='Amount Over Time')

放大一点看最近的，也没太大问题

5 结论

简单从交易量上来看，似乎也没有问题，但是这个仍然不符合直觉。说明支持度并不是单纯的交易量大小决定的。那么我想，是否应该调研价格的波动，以及交易的方向(净买入)。

所以，接下来还要进行的调研：

• 1 研究价格的波动。就全市场而言，研究每天指数的波动系数。
• 2 研究净买入方向。基于现在的全量交易额和指数涨跌，从净买入交易额来进行判定。