金融量化分析【day112】:股票数据分析Tushare2

时间：2022-09-06 23:47:49

目录

1、使用tushare包获取某股票的历史行情数据
2、使用pandas包计算该股票历史数据的5日局限和60日均线
3、matplotlib包可视化历史数据的收盘价和历史均线
4、分析输出所有金叉日志和死叉日期
5、如果我从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，我的炒股收益如何？

一、使用tushare包获取某股票的历史行情数据

1、代码

import pandas as pd

import numpy as np

import tushare as ts

%matplotlib auto

df = ts.get_k_data("600519", start="1988-01-01")

df.to_csv("600519.csv")

df = pd.read_csv("600519.csv",index_col='date',parse_dates=['date'])[['open','close','high','low']]

df

2、输出截图

金融量化分析【day112】:股票数据分析Tushare2

..........

金融量化分析【day112】:股票数据分析Tushare2

二、使用pandas包计算该股票历史数据的5日均线和60日均线

1、方法一

1、5日均线代码

df['ma5']=df['open'].rolling(5).mean()

df

2、5日均线截图

金融量化分析【day112】:股票数据分析Tushare2

..............................

金融量化分析【day112】:股票数据分析Tushare2

3、30日均线代码

df['ma30']=df['open'].rolling(30).mean()

df

4、30日均线截图

金融量化分析【day112】:股票数据分析Tushare2

..................................第30日如下.....................................................

金融量化分析【day112】:股票数据分析Tushare2

..................................

金融量化分析【day112】:股票数据分析Tushare2

2、方法二

1、5日均线代码

pd.DataFrame({'c1':df['close'].cumsum(),'c2':df['close'].cumsum().shift(5)})

2、5日均线截图

金融量化分析【day112】:股票数据分析Tushare2

.........................

金融量化分析【day112】:股票数据分析Tushare2

1、30日均线代码

pd.DataFrame({'c1':df['close'].cumsum(),'c2':df['close'].cumsum().shift(30)})

2、30日均线截图

金融量化分析【day112】:股票数据分析Tushare2

..................................................

金融量化分析【day112】:股票数据分析Tushare2

3、使用知识点

方法一

金融量化分析【day112】:股票数据分析Tushare2

方法二

金融量化分析【day112】:股票数据分析Tushare2

三、matplotlib包可视化历史数据的收盘价和历史均线

1、代码（2010-2019）

import matplotlib.pyplot as plt

df[['close','ma5','ma30']].plot()

plt.show()

2、输出截图（数据比较多所以不是很清晰）

金融量化分析【day112】:股票数据分析Tushare2

3、代码（2012年）

df.loc["2012",['close','ma5','ma30']].plot()

plt.show()

4、输出（线条区分比较明显）

金融量化分析【day112】:股票数据分析Tushare2

四、分析输出所有金叉日志和死叉日期

1、金叉日期

方法一

1、代码

golden_cross = []

death_cross = []

for i in range(1,len(df)):

    if df['ma5'][i] >= df['ma30'][i] and df['ma5'][i-1] < df['ma30'][i-1]:

        golden_cross.append(df.index[i].to_pydatetime())

    if df['ma5'][i] <= df['ma30'][i] and df['ma5'][i-1] > df['ma30'][i-1]:

        death_cross.append(df.index[i].to_pydatetime())

golden_cross

2、输出日志

[datetime.datetime(2001, 11, 21, 0, 0),

 datetime.datetime(2002, 1, 25, 0, 0),

 datetime.datetime(2002, 2, 5, 0, 0),

 datetime.datetime(2002, 6, 24, 0, 0),

 datetime.datetime(2002, 12, 6, 0, 0),

 datetime.datetime(2003, 1, 17, 0, 0),

 datetime.datetime(2003, 4, 16, 0, 0),

 datetime.datetime(2003, 6, 2, 0, 0),

 datetime.datetime(2003, 6, 25, 0, 0),

 datetime.datetime(2003, 7, 14, 0, 0),

 datetime.datetime(2003, 10, 15, 0, 0),

 datetime.datetime(2004, 3, 3, 0, 0),

 datetime.datetime(2004, 7, 6, 0, 0),

 datetime.datetime(2004, 9, 14, 0, 0),

 datetime.datetime(2005, 1, 5, 0, 0),

 datetime.datetime(2005, 4, 26, 0, 0),

 datetime.datetime(2005, 6, 15, 0, 0),

 datetime.datetime(2005, 6, 17, 0, 0),

 datetime.datetime(2005, 12, 29, 0, 0),

 datetime.datetime(2006, 7, 31, 0, 0),

 datetime.datetime(2006, 8, 30, 0, 0),

 datetime.datetime(2007, 2, 26, 0, 0),

 datetime.datetime(2007, 4, 16, 0, 0),

 datetime.datetime(2007, 4, 27, 0, 0),

 datetime.datetime(2007, 5, 9, 0, 0),

 datetime.datetime(2007, 5, 24, 0, 0),

 datetime.datetime(2007, 7, 25, 0, 0),

 datetime.datetime(2007, 9, 19, 0, 0),

 datetime.datetime(2007, 10, 10, 0, 0),

 datetime.datetime(2007, 11, 19, 0, 0),

 datetime.datetime(2007, 12, 11, 0, 0),

 datetime.datetime(2008, 3, 6, 0, 0),

 datetime.datetime(2008, 5, 8, 0, 0),

 datetime.datetime(2008, 5, 15, 0, 0),

 datetime.datetime(2008, 7, 17, 0, 0),

 datetime.datetime(2008, 11, 20, 0, 0),

 datetime.datetime(2009, 2, 10, 0, 0),

 datetime.datetime(2009, 4, 9, 0, 0),

 datetime.datetime(2009, 6, 5, 0, 0),

 datetime.datetime(2009, 8, 27, 0, 0),

 datetime.datetime(2009, 9, 9, 0, 0),

 datetime.datetime(2009, 11, 13, 0, 0),

 datetime.datetime(2010, 1, 21, 0, 0),

 datetime.datetime(2010, 2, 4, 0, 0),

 datetime.datetime(2010, 2, 8, 0, 0),

 datetime.datetime(2010, 6, 7, 0, 0),

 datetime.datetime(2010, 7, 20, 0, 0),

 datetime.datetime(2010, 10, 26, 0, 0),

 datetime.datetime(2010, 11, 11, 0, 0),

 datetime.datetime(2011, 2, 14, 0, 0),

 datetime.datetime(2011, 3, 15, 0, 0),

 datetime.datetime(2011, 4, 28, 0, 0),

 datetime.datetime(2011, 10, 26, 0, 0),

 datetime.datetime(2012, 2, 13, 0, 0),

 datetime.datetime(2012, 4, 9, 0, 0),

 datetime.datetime(2012, 7, 26, 0, 0),

 datetime.datetime(2012, 8, 10, 0, 0),

 datetime.datetime(2012, 9, 13, 0, 0),

 datetime.datetime(2012, 9, 28, 0, 0),

 datetime.datetime(2012, 12, 24, 0, 0),

 datetime.datetime(2013, 1, 9, 0, 0),

 datetime.datetime(2013, 3, 12, 0, 0),

 datetime.datetime(2013, 4, 18, 0, 0),

 datetime.datetime(2013, 7, 4, 0, 0),

 datetime.datetime(2013, 10, 22, 0, 0),

 datetime.datetime(2013, 11, 12, 0, 0),

 datetime.datetime(2013, 11, 29, 0, 0),

 datetime.datetime(2014, 1, 24, 0, 0),

 datetime.datetime(2014, 4, 3, 0, 0),

 datetime.datetime(2014, 6, 24, 0, 0),

 datetime.datetime(2014, 9, 5, 0, 0),

 datetime.datetime(2014, 9, 30, 0, 0),

 datetime.datetime(2014, 11, 18, 0, 0),

 datetime.datetime(2014, 12, 1, 0, 0),

 datetime.datetime(2015, 2, 16, 0, 0),

 datetime.datetime(2015, 6, 12, 0, 0),

 datetime.datetime(2015, 7, 16, 0, 0),

 datetime.datetime(2015, 9, 18, 0, 0),

 datetime.datetime(2015, 10, 8, 0, 0),

 datetime.datetime(2015, 12, 7, 0, 0),

 datetime.datetime(2015, 12, 21, 0, 0),

 datetime.datetime(2016, 2, 22, 0, 0),

 datetime.datetime(2016, 8, 11, 0, 0),

 datetime.datetime(2016, 10, 14, 0, 0),

 datetime.datetime(2016, 11, 28, 0, 0),

 datetime.datetime(2017, 7, 25, 0, 0),

 datetime.datetime(2017, 9, 19, 0, 0),

 datetime.datetime(2017, 12, 15, 0, 0),

 datetime.datetime(2018, 3, 19, 0, 0),

 datetime.datetime(2018, 5, 10, 0, 0),

 datetime.datetime(2018, 7, 19, 0, 0),

 datetime.datetime(2018, 7, 26, 0, 0),

 datetime.datetime(2018, 9, 21, 0, 0)]

全部输出

方法二

1、代码

sr1 = df['ma5'] < df['ma30']

sr2 = df['ma5'] > df['ma30']

death_cross = df[sr1 & sr2.shift(1)].index

golden_cross = df[~(sr1 & sr2.shift(1))].index

death_cross

2、输出截图

金融量化分析【day112】:股票数据分析Tushare2

2、死叉日期

方法一

1、实现代码

golden_cross = []

death_cross = []

for i in range(1,len(df)):

    if df['ma5'][i] >= df['ma30'][i] and df['ma5'][i-1] < df['ma30'][i-1]:

        golden_cross.append(df.index[i].to_pydatetime())

    if df['ma5'][i] <= df['ma30'][i] and df['ma5'][i-1] > df['ma30'][i-1]:

        death_cross.append(df.index[i].to_pydatetime())

death_cross

2、输出日期

 [datetime.datetime(2001, 10, 15, 0, 0),

  datetime.datetime(2002, 1, 17, 0, 0),

  datetime.datetime(2002, 1, 31, 0, 0),

  datetime.datetime(2002, 4, 1, 0, 0),

  datetime.datetime(2002, 7, 30, 0, 0),

  datetime.datetime(2002, 12, 30, 0, 0),

  datetime.datetime(2003, 3, 18, 0, 0),

  datetime.datetime(2003, 4, 23, 0, 0),

  datetime.datetime(2003, 6, 23, 0, 0),

  datetime.datetime(2003, 7, 1, 0, 0),

  datetime.datetime(2003, 8, 5, 0, 0),

  datetime.datetime(2004, 3, 1, 0, 0),

  datetime.datetime(2004, 5, 12, 0, 0),

  datetime.datetime(2004, 8, 23, 0, 0),

  datetime.datetime(2004, 11, 24, 0, 0),

  datetime.datetime(2005, 4, 21, 0, 0),

  datetime.datetime(2005, 5, 17, 0, 0),

  datetime.datetime(2005, 6, 16, 0, 0),

  datetime.datetime(2005, 9, 27, 0, 0),

  datetime.datetime(2006, 7, 11, 0, 0),

  datetime.datetime(2006, 8, 1, 0, 0),

  datetime.datetime(2007, 2, 9, 0, 0),

  datetime.datetime(2007, 2, 27, 0, 0),

  datetime.datetime(2007, 4, 24, 0, 0),

  datetime.datetime(2007, 4, 30, 0, 0),

  datetime.datetime(2007, 5, 14, 0, 0),

  datetime.datetime(2007, 7, 12, 0, 0),

  datetime.datetime(2007, 9, 13, 0, 0),

  datetime.datetime(2007, 9, 20, 0, 0),

  datetime.datetime(2007, 11, 14, 0, 0),

  datetime.datetime(2007, 11, 23, 0, 0),

  datetime.datetime(2008, 1, 31, 0, 0),

  datetime.datetime(2008, 3, 17, 0, 0),

  datetime.datetime(2008, 5, 13, 0, 0),

  datetime.datetime(2008, 5, 23, 0, 0),

  datetime.datetime(2008, 8, 13, 0, 0),

  datetime.datetime(2008, 12, 31, 0, 0),

  datetime.datetime(2009, 3, 13, 0, 0),

  datetime.datetime(2009, 4, 30, 0, 0),

  datetime.datetime(2009, 8, 20, 0, 0),

  datetime.datetime(2009, 9, 3, 0, 0),

  datetime.datetime(2009, 10, 21, 0, 0),

  datetime.datetime(2009, 12, 21, 0, 0),

  datetime.datetime(2010, 1, 22, 0, 0),

  datetime.datetime(2010, 2, 5, 0, 0),

  datetime.datetime(2010, 3, 1, 0, 0),

  datetime.datetime(2010, 6, 24, 0, 0),

  datetime.datetime(2010, 10, 18, 0, 0),

  datetime.datetime(2010, 11, 2, 0, 0),

  datetime.datetime(2010, 12, 27, 0, 0),

  datetime.datetime(2011, 3, 3, 0, 0),

  datetime.datetime(2011, 3, 31, 0, 0),

  datetime.datetime(2011, 9, 9, 0, 0),

  datetime.datetime(2011, 12, 12, 0, 0),

  datetime.datetime(2012, 4, 6, 0, 0),

  datetime.datetime(2012, 7, 25, 0, 0),

  datetime.datetime(2012, 8, 3, 0, 0),

  datetime.datetime(2012, 8, 14, 0, 0),

  datetime.datetime(2012, 9, 24, 0, 0),

  datetime.datetime(2012, 11, 8, 0, 0),

  datetime.datetime(2012, 12, 26, 0, 0),

  datetime.datetime(2013, 1, 18, 0, 0),

  datetime.datetime(2013, 3, 19, 0, 0),

  datetime.datetime(2013, 6, 21, 0, 0),

  datetime.datetime(2013, 7, 16, 0, 0),

  datetime.datetime(2013, 10, 28, 0, 0),

  datetime.datetime(2013, 11, 27, 0, 0),

  datetime.datetime(2013, 12, 4, 0, 0),

  datetime.datetime(2014, 4, 1, 0, 0),

  datetime.datetime(2014, 4, 30, 0, 0),

  datetime.datetime(2014, 8, 25, 0, 0),

  datetime.datetime(2014, 9, 17, 0, 0),

  datetime.datetime(2014, 10, 13, 0, 0),

  datetime.datetime(2014, 11, 24, 0, 0),

  datetime.datetime(2015, 1, 20, 0, 0),

  datetime.datetime(2015, 6, 11, 0, 0),

  datetime.datetime(2015, 6, 18, 0, 0),

  datetime.datetime(2015, 7, 20, 0, 0),

  datetime.datetime(2015, 9, 30, 0, 0),

  datetime.datetime(2015, 11, 27, 0, 0),

  datetime.datetime(2015, 12, 11, 0, 0),

  datetime.datetime(2016, 1, 6, 0, 0),

  datetime.datetime(2016, 8, 9, 0, 0),

  datetime.datetime(2016, 8, 19, 0, 0),

  datetime.datetime(2016, 11, 21, 0, 0),

  datetime.datetime(2017, 7, 7, 0, 0),

  datetime.datetime(2017, 9, 11, 0, 0),

  datetime.datetime(2017, 11, 30, 0, 0),

  datetime.datetime(2018, 2, 5, 0, 0),

  datetime.datetime(2018, 3, 28, 0, 0),

  datetime.datetime(2018, 6, 29, 0, 0),

  datetime.datetime(2018, 7, 24, 0, 0),

  datetime.datetime(2018, 8, 2, 0, 0),

  datetime.datetime(2018, 10, 15, 0, 0)]

全部日期

方法二

1、代码

sr1 = df['ma5'] < df['ma30']

sr2 = df['ma5'] > df['ma30']

death_cross = df[sr1 & sr2.shift(1)].index

golden_cross = df[~(sr1 & sr2.shift(1))].index

golden_cross

2、输出截图

金融量化分析【day112】:股票数据分析Tushare2

五、如果我从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，我的炒股收益如何？

1、实现代码

first_money = 100000

money = first_money

hold = 0 #持有多少股

sr1 = pd.Series(1, index=golden_cross)

sr2 = pd.Series(1, index=death_cross)

sr = sr1.append(sr2).sort_index()

for i in range(0, len(sr)):

    p = df['open'][sr.index[i]]

    if sr.iloc[i] == 1:

        #金叉

        buy = (money // (100 * p))

        hold += buy*100

        money -= buy*100*p

    else:

        money += hold * p

        hold = 0

p = df['open'][-1]

now_money = hold * p + money

print(now_money - first_money)

2、运行结果

10058413.0

3、使用知识点

金融量化分析【day112】:股票数据分析Tushare2

金融量化分析【day112】:股票数据分析Tushare2的更多相关文章

  1. day31 堡垒机尾声 &plus; Python与金融量化分析&lpar;一&rpar;

    堡垒机尾声: 代码案例:https://github.com/liyongsan/git_class/tree/master/day31 课堂笔记:file send: 1.选择本地文件 2.远程路径 ...

  2. 金融量化分析-python量化分析系列之---使用python获取股票历史数据和实时分笔数据

    财经数据接口包tushare的使用(一) Tushare是一款开源免费的金融数据接口包,可以用于获取股票的历史数据.年度季度报表数据.实时分笔数据.历史分笔数据,本文对tushare的用法,已经存在的 ...

  3. 金融量化分析【day110】：金融基础知识

    一.股票 股票: 股票是股份公司发给出资人的一种凭证,股票的持有者就是股份公司的股东. 股票的面值与市值 面值表示票面金额 市值表示市场价值 上市/IPO: 企业通过证券交易所公开向社会增发股票以募集 ...

  4. day32 Python与金融量化分析&lpar;二&rpar;

    第一部分:金融与量化投资 股票: 股票是股份公司发给出资人的一种凭证,股票的持有者就是股份公司的股东. 股票的面值与市值 面值表示票面金额 市值表示市场价值 上市/IPO: 企业通过证券交易所公开向社 ...

  5. Python与金融量化分析----金融与量化投资

    一:金融了解 金融:就是对现有资源进行重新的整合之后,进行价值和利润的等效流通. 金融工具: 股票 期货 黄金 外汇 基金 ............. 股票: 股票是股份公司发给出资人多的一种凭证,股 ...

  6. 金融量化分析【day112】&colon;股票数据分析Tushare1

    目录 1.使用tushare包获取某股票的历史行情数据 2.输出该股票所有收盘比开盘上涨3%以上的日期 3.输出该股票所有开盘比前日收盘跌幅超过2%的日期 4.假如我从2010年1月1日开始,每月第一 ...

  7. 金融量化分析【day112】：初识量化交易

    一.摘要 为什么需要量化交易? 量化交易是做什么? 量化交易的价值何在? 做量化交易需要什么? 聚宽是什么? 零基础如何快速入门量化交易? 自测与自学 二.量化交易比传统交易强多少? 它能让你的交易效 ...

  8. 金融量化分析【day112】：量化交易策略基本框架

    摘要 策略编写的基本框架及其实现 回测的含义及其实现 初步学习解决代码错误 周期循环的开始时间 自测与自学 通过前文对量化交易有了一个基本认识之后,我们开始学习做量化交易.毕竟就像学游泳,有些东西讲是 ...

  9. 金融量化分析【day112】：量化平台的使用-初始化函数

    一.set_benchmark - 设置基准 1.实现代码 # 导入函数库 import jqdata #初始化函数,设定基准等等 def initialize(context): set_bench ...

随机推荐

  1. lintcode ： find peak element 寻找峰值

    题目 寻找峰值 你给出一个整数数组(size为n),其具有以下特点: 相邻位置的数字是不同的 A[0] < A[1] 并且 A[n - 2] > A[n - 1] 假定P是峰值的位置则满足 ...

  2. 应用程序连接oracle rac

    10g rac vip漂移的目的不是让client不加改变的连接过来而是让client尽快收到一个连接终止的包,然后由client去连接tnsnames中配置的下一个地址.和没有vip相比, 使用vi ...

  3. Android 自定义View实现单击和双击事件

    自定义View, 1. 自定义一个Runnable线程TouchEventCountThread ,  用来统计500ms内的点击次数 2. 在MyView中的 onTouchEvent 中调用 上面 ...

  4. linux 系统下java开发环境的配置

    在安装之前,确保你的linux系统下有 jdk,jboss等相关软件 一.配置JDK环境变量 步骤: 解压缩JDK文件: unzip jdk1.6.0_31.zip 目录下显示文件夹jdk1.6.0_ ...

  5. HTTP工作原理

     HTTP工作过程 HTTP协议定义Webclient怎样从Webserver请求Web页面,以及server怎样把Web页面传送给client.HTTP协议採用了请求/响应模型. client向 ...

  6. SqlDbx 个人版本使用指定的instant client

    set Oracle_Home=D:\Toolkit\Oracle kits\instantclient_x86 set TNS_ADMIN=%Oracle_Home% set NLS_LANG=SI ...

  7. C&num;实现复制文件夹中文件到另一个文件夹的方法

    private void CopyDir(string srcPath, string aimPath) { try { // 检查目标目录是否以目录分割字符结束如果不是则添加 if (aimPath ...

  8. dir&sol;

    dos窗口输入dir命令是显示磁盘目录命令: addslashes()使用反斜线转义字符串: exec($command,$output,$return)执行一个外部程序 $command:要执行的命 ...

  9. Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation

    1.主要完成的任务是能够将英文转译为法文,使用了一个encoder-decoder模型,在encoder的RNN模型中是将序列转化为一个向量.在decoder中是将向量转化为输出序列,使用encode ...

  10. Python井字游戏

    import sys def print_board(): for i in range(3): for j in range(3): print map[2 - i][j], if j != 2: ...

相关文章