金融量化项目案例 -- 双均线策略制定

博客地址：https://www.cnblogs.com/zylyehuo/

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）

• 

# df['close'].rolling(5)  依次取出第一个“前五天”、第二个“前五天”...
# df['close'].rolling(5).mean()  计算均值
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。

• 

# 过滤NaN值
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 F -> T
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 T -> F
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。

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，买股票花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
    # s[i] = 0 (死叉：卖) 
    # s[i] = 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  # 买股票的支数
        money -= (hold * p)  # 将买股票花的钱从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
# >0  赚钱
# <0  亏损
money + last_money - first_money

-22684925.799999997