开发环境
- anaconda
- 集成环境：集成好了数据分析和机器学习中所需要的全部环境
- 安装目录不可以有中文和特殊符号
- jupyter
- anaconda提供的一个基于浏览器的可视化开发工具
使用tushare包获取某股票的历史行情数据
!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tushare
import tushare as ts
import pandas as pd
from pandas import DataFrame,Series
import numpy as np
df = pd.read_csv('./maotai.csv').drop(labels='Unnamed: 0',axis=1)
df
# 将date列转为时间序列且将其作为源数据的行索引
df['date'] = pd.to_datetime(df['date'])
df.set_index('date',inplace=True)
df.head()
计算该股票历史数据的5日均线和60日均线
- 什么是均线？
- 对于每一个交易日，都可以计算出前N天的移动平均值，然后把这些移动平均值连起来，成为一条线，就叫做N日移动平均线。移动平均线常用线有5天、10天、30天、60天、120天和240天的指标。
- 5天和10天的是短线操作的参照指标，称做日均线指标；
- 30天和60天的是中期均线指标，称做季均线指标；
- 120天和240天的是长期均线指标，称做年均线指标。
- 均线计算方法：MA=（C1+C2+C3+...+Cn)/N C:某日收盘价 N:移动平均周期（天数）
- 对于每一个交易日，都可以计算出前N天的移动平均值，然后把这些移动平均值连起来，成为一条线，就叫做N日移动平均线。移动平均线常用线有5天、10天、30天、60天、120天和240天的指标。
ma5 = df['close'].rolling(5).mean()
ma30 = df['close'].rolling(30).mean()
ma5
date
2001-08-27 NaN
2001-08-28 NaN
2001-08-29 NaN
2001-08-30 NaN
2001-08-31 -162.504
...
2023-09-22 1825.506
2023-09-25 1826.142
2023-09-26 1823.954
2023-09-27 1821.954
2023-09-28 1821.986
Name: close, Length: 5289, dtype: float64
可视化历史数据的收盘价和两条均线
import matplotlib.pyplot as plt
%matplotlib inline
plt.plot(ma5[50:180])
plt.plot(ma30[50:180])
[<matplotlib.lines.Line2D at 0x1f3c9adc610>]
分析输出所有金叉日期和死叉日期
- 股票分析技术中的金叉和死叉，可以简单解释为：
- 分析指标中的两根线，一根为短时间内的指标线，另一根为较长时间的指标线。
- 如果短时间的指标线方向拐头向上，并且穿过了较长时间的指标线，这种状态叫“金叉”；
- 如果短时间的指标线方向拐头向下，并且穿过了较长时间的指标线，这种状态叫“死叉”；
- 一般情况下，出现金叉后，操作趋向买入；死叉则趋向卖出。当然，金叉和死叉只是分析指标之一，要和其他很多指标配合使用，才能增加操作的准确性。
ma5 = ma5[30:]
ma30 = ma30[30:]
s1 = ma5 < ma30
s2 = ma5 > ma30
df = df[30:]
death_ex = s1 & s2.shift(1) #判定死叉的条件
df.loc[death_ex] #死叉对应的行数据
death_date = df.loc[death_ex].index
golden_ex = ~(s1 | s2.shift(1))#判定金叉的条件
golden_date = df.loc[golden_ex].index #金叉的时间
需求
============================================
如果我从假如我从2010年1月1日开始，初始资金为100000元，金叉尽量买入，死叉全部卖出，则到今天为止，我的炒股收益率如何？
============================================
- 分析：
- 买卖股票的单价使用开盘价
- 买卖股票的时机
- 最终手里会有剩余的股票没有卖出去
- 会有。如果最后一天为金叉，则买入股票。估量剩余股票的价值计算到总收益。
- 剩余股票的单价就是用最后一天的收盘价。
- 会有。如果最后一天为金叉，则买入股票。估量剩余股票的价值计算到总收益。
s1 = Series(data=1,index=golden_date) # 1作为金叉的标识
s2 = Series(data=0,index=death_date) # 0作为死叉的标识
s = s1.append(s2)
s = s.sort_index() # 存储的是金叉和死叉对应的时间
s = s['2010':'2020'] # 存储的是金叉和死叉对应的时间
first_money = 100000 # 本金，不变
money = first_money # 可变的，买股票话的钱和卖股票收入的钱都从该变量中进行操作
hold = 0 # 持有股票的数量（股数：100股=1手）
for i in range(0,len(s)): # i表示的s这个Series中的隐式索引
# i = 0(死叉：卖) = 1（金叉：买）
if s[i] == 1: # 金叉的时间
# 基于100000的本金尽可能多的去买入股票
# 获取股票的单价（金叉时间对应的行数据中的开盘价）
time = s.index[i] # 金叉的时间
p = df.loc[time]['open'] # 股票的单价
hand_count = money // (p*100) # 使用100000最多买入多少手股票
hold = hand_count * 100
money -= (hold * p) # 将买股票话的钱从money中减去
else:
# 将买入的股票卖出去
# 找出卖出股票的单价
death_time = s.index[i]
p_death = df.loc[death_time]['open'] # 卖股票的单价
money += (p_death * hold) # 卖出的股票收入加入到money
hold = 0
# 如何判定最后一天为金叉还是死叉
last_money = hold * df['close'][-1] #剩余股票的价值
# 总收益
money + last_money - first_money
-22684925.799999997