Fork me on GitHub

金融数据分析| tushare包| 双均线策略

 

 1. tushare

Tushare是一个免费、开源的python财经数据接口包。

http://tushare.org/index.html       

tushare pro版  https://tushare.pro/document/1

下载安装tushare接口包

 

get_k_data 获取k线数据    ---->>   全新的免费行情数据接口简介：

import tushare as ts
ts.get_k_data("601318")

 

df = ts.get_k_data("002230", start = "1988-01-01")
df
复制代码
    date    open    close    high    low    volume    code
0    2008-05-12    2.106    2.262    2.327    2.106    182125.40    002230
1    2008-05-13    2.273    2.489    2.489    2.270    49982.31    002230
2    2008-05-14    2.553    2.534    2.611    2.411    49221.30    002230
3    2008-05-15    2.497    2.538    2.680    2.497    46358.73    002230
...    ...    ...    ...    ...    ...    ...    ...
2766    2020-02-06    38.320    39.300    39.370    37.800    1309916.00    002230
2767    2020-02-07    38.880    38.860    39.800    38.100    1074613.00    002230
View Code
复制代码

 

练习一：

　　使用tushare包获取某股票的历史行情数据；
　　输出该股票所有收盘比开盘上涨3%以上的日期；
　　输出该股票所有开盘比前日收盘跌幅超过2%的日期；
　　加入我从2010年1月1日开始，每月第一个交易日买入1手股票，每年最后一个交易日卖出所有股票，到今天为止，我的收益如何？

复制代码
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import tushare as ts

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
复制代码
复制代码
    open    close    high    low
date                
2001-08-27    5.392    5.554    5.902    5.132
2001-08-28    5.467    5.759    5.781    5.407
2001-08-29    5.777    5.684    5.781    5.640
...    ...    ...    ...    ...
2020-02-05    1050.000    1049.990    1054.000    1033.030
2020-02-06    1059.430    1071.000    1075.000    1052.020
2020-02-07    1070.010    1076.000    1077.000    1061.020
View Code
复制代码

 

#输出该股票所有收盘比开盘上涨3%以上的日期
df[(df['close']-df['open'])/df['open'] >= 0.08]   #df[(df['close']-df['open'])/df['open'] >= 0.1].index
复制代码
open    close    high    low
date                
2004-03-02    5.463    6.031    6.079    5.463
2005-06-08    11.383    12.555    12.639    11.383
2006-02-10    14.894    16.165    16.310    14.796
2006-05-29    25.024    27.520    27.520    25.024
2006-12-18    49.409    54.051    54.214    49.409
2007-06-11    67.313    73.569    73.569    66.913
2007-10-09    92.221    99.938    101.348    92.221
2007-12-14    125.269    135.970    137.154    124.029
2008-11-14    57.017    62.417    62.417    57.017
2009-03-04    73.123    79.024    79.961    72.756
2015-04-16    177.135    192.185    192.185    176.523
2015-07-09    201.180    219.085    221.182    197.901
View Code
复制代码

 

 ④ 假如我从2001-01-01开始，每月第一个交易日买入1手股票，每年最后一个交易日卖出所有股票，到今天为止，我的收益如何？

price_last = df['open'][-1] #最后一天的开盘价
df = df['2001-09':'2017-11'] #剔除首尾无用数据
df_monthly = df.resample('M').first() #每个月的第一个开盘 #mean()平均  sum()
df_yearly = df.resample('A').last()[:-1] #每年的最后一天开盘, 去掉最后一天不符合
复制代码
cost_money = 0
hold = 0
for year in range(2001, 2018):
    cost_money += df_monthly[str(year)]['open'].sum()*100 #花费的钱 = 一年内的开盘价总和 * 100股
    hold += len(df_monthly[str(year)]['open']) * 100 #股票的数量
    if year != 2017:
        cost_money -= df_yearly[str(year)]['open'][0] * hold #每年取第一个月的开盘价 * 股票数量
        hold = 0
    print(cost_money)
cost_money -= hold * price_last #股票值的钱
print(-cost_money)
复制代码
复制代码
-94.80000000000018
1082.6999999999998
493.4999999999982
-2027.2000000000025
-3889.5000000000055
-38129.100000000006
-110589.8
-70515.90000000001
-96941.2
-116591.6
-123173.59999999998
-116746.5
-78106.39999999998
-121609.49999999996
-143901.09999999998
-212044.10000000003
263700.50000000006
425573.8
View Code
复制代码

 

2. 双均线策略

 练习2 -- 查找历史金叉死叉日期

  使用tushare包获取某股票的历史行情数据；

  使用pandas包计算改股票历史数据的5日均线和30日均线；

  使用matplotlib包可视化历史数据的收盘价和两条均线；

  分析输出所有金叉日期和死叉日期；

  假设我从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，我的股票收益率如何？

 

 

复制代码
 练习二-查找历史金叉死叉日期
　　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。
　　金叉: 短期均线上穿长期均线，买入信号;
　　死叉: 短期均线下穿长期均线，卖出信号;
复制代码

 

复制代码
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv("601318.csv",index_col='date',parse_dates = ['date'])[['open','close','low','high']]
df

##方法一: for循环
df['ma5'] = np.nan
df['ma30'] = np.nan
for i in range(4, len(df)):
    df.loc[df.index[i],'ma5'] = df['close'][i-4:i+1].mean()

for i in range(30, len(df)):    
    df.loc[df.index[i],'ma30'] = df['close'][i-29:i+1].mean()

df    


df['ma5'] = df['close'].rolling(5).mean()
df['ma30'] = df['close'].rolling(30).mean()
df

#df = df[:100]
df[['close','ma5','ma30']].plot()
plt.show()
复制代码

     

复制代码
## 方法一: 
# 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]) #df.index[i].to_pydatetime()  .to_pydatetime()转换成py的datetine
#     if df['ma5'][i] <= df['ma30'][i] and df['ma5'][i-1] > df['ma30'][i-1]:
#         death_cross.append(df.index[i])
# golden_cross
复制代码
复制代码
df = df.dropna()
df = df['2010-01-01':]
#方法二：
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


###
first_money = 100000
money = first_money
hold = 0 #持有多少股
sr1 = pd.Series(1, index=golden_cross)
sr2 = pd.Series(0, 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)

----97618.177
复制代码

 

 双均线策略的JoinQuant实现

复制代码
import jqdata

def initialize(context):
    set_benchmark('000300.XSHG')
    set_option('use_real_price', True)
    set_order_cost(OrderCost(open_tax=0, close_tax=0.001,open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    
    g.security = ['601318.XSHG']
    g.p1 = 5
    g.p2 = 60

def handle_data(context, data):
    for stock in g.security:
        #金叉： 如果5日均线大于10日均线并且不持仓
        #死叉： 如果5日均线小于10日均线并且持仓
        df = attribute_history(stock, g.p2)
        ma10 = df['close'].mean()
        ma5 = df['close'][-5:].mean()
        
        if ma10 > ma5 and stock in context.portfolio.positions:
            #死叉
            order_target(stock, 0)
        if ma10 < ma5 and stock not in context.portfolio.positions:
            #金叉
            order(stock, context.portfolio.available_cash * 0.8)
    record(ma5 = ma5, ma10 = ma10)
复制代码

  

 

 

 

 

 

 

 
posted @   kris12  阅读(251)  评论(0)  编辑  收藏  举报
编辑推荐：
· AI与.NET技术实操系列：向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列：如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
阅读排行：
· winform 绘制太阳，地球，月球 运作规律
· 震惊！C++程序真的从main开始吗？99%的程序员都答错了
· 【硬核科普】Trae如何「偷看」你的代码？零基础破解AI编程运行原理
· AI与.NET技术实操系列（五）：向量存储与相似性搜索在 .NET 中的实现
· 超详细：普通电脑也行Windows部署deepseek R1训练数据并当服务器共享给他人
levels of contents
点击右上角即可分享
微信分享提示
AI IDE Trae