使用Python分析股票并制定买入策略

zhaoyqcsdn

于 2025-04-15 08:02:44 发布

阅读量360

点赞数 6

文章标签：经验分享 python

本文链接：https://blog.csdn.net/zhaoyqcsdn/article/details/147237806

版权

使用Python分析股票并制定买入策略是一个涉及数据获取、技术分析、风险控制的复杂过程。以下是一个基于技术分析的简化示例框架，仅供学习参考（不构成投资建议）：

步骤1：获取实时或历史股票数据（以A股为例）

使用AKShare获取当日实时行情数据：

import akshare as ak

# 获取A股实时行情数据（包含代码、名称、当前价、涨跌幅等）
stock_zh_a_spot_df = ak.stock_zh_a_spot()
print(stock_zh_a_spot_df.head())

# 筛选流动性高的股票（如成交量>100万股）
high_liquidity_df = stock_zh_a_spot_df[stock_zh_a_spot_df["成交量"] > 1000000]

步骤2：计算技术指标（以均线、RSI为例）

假设获取某只股票的历史数据并分析：

import pandas as pd

# 获取贵州茅台历史数据（示例）
stock_code = "600519"
hist_df = ak.stock_zh_a_hist(symbol=stock_code, period="daily", start_date="20240101", adjust="qfq")

# 计算5日和20日均线
hist_df["MA5"] = hist_df["收盘"].rolling(window=5).mean()
hist_df["MA20"] = hist_df["收盘"].rolling(window=20).mean()

# 计算RSI（14日）
def calculate_rsi(data, window=14):
    delta = data.diff()
    gain = (delta.where(delta > 0, 0)).rolling(window=window).mean()
    loss = (-delta.where(delta < 0, 0)).rolling(window=window).mean()
    rs = gain / loss
    return 100 - (100 / (1 + rs))

hist_df["RSI"] = calculate_rsi(hist_df["收盘"])

步骤3：制定买入策略（示例逻辑）

根据技术指标筛选符合条件的股票：

# 示例策略：均线金叉 + RSI < 30（超卖）
latest_data = hist_df.iloc[-1]  # 获取最新一天数据

buy_signal = False
if (latest_data["MA5"] > latest_data["MA20"]) and (latest_data["RSI"] < 30):
    buy_signal = True

if buy_signal:
    print(f"股票 {stock_code} 触发买入信号：5日均线上穿20日均线且RSI低于30")
else:
    print("暂无信号")

步骤4：风险控制与回测

1. 设置止损止盈

# 假设买入价为当日收盘价
entry_price = latest_data["收盘"]
stop_loss = entry_price * 0.95  # 止损5%
take_profit = entry_price * 1.10  # 止盈10%

2. 策略回测（验证历史表现）

# 遍历历史数据模拟策略收益
hist_df["Signal"] = 0
for i in range(1, len(hist_df)):
    if (hist_df["MA5"].iloc[i] > hist_df["MA20"].iloc[i]) and (hist_df["RSI"].iloc[i] < 30):
        hist_df["Signal"].iloc[i] = 1  # 买入信号

# 计算策略收益率（需处理持仓逻辑，此处简化）

步骤5：可视化分析

import matplotlib.pyplot as plt

plt.figure(figsize=(12, 6))
plt.plot(hist_df["收盘"], label="Price")
plt.plot(hist_df["MA5"], label="MA5")
plt.plot(hist_df["MA20"], label="MA20")
plt.scatter(hist_df[hist_df["Signal"] == 1].index, 
            hist_df[hist_df["Signal"] == 1]["收盘"], 
            color='green', marker='^', label="Buy Signal")
plt.legend()
plt.title("Stock Price with Buy Signals")
plt.show()