股票分析需求:股票分析

  • 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。
  • 假如我从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?
import tushare as tsimport pandas as pdfrom pandas import DataFrame,Seriesimport numpy as np
#获取某只股票的历史行情数据#code:字符串形式的股票代码df = ts.get_k_data(code='000893',start='2000-01-27')

#将互联网上获取的股票数据存储到本地df.to_csv('./jiaomei.csv')#调用to_xxx方法将df中的数据写入到本地进行存储

#将本地存储的数据读入到df,自动添加了索引df = pd.read_csv('jiaomei.csv')df.head()

#删除df中指定的一列df.drop(labels='Unnamed: 0',axis=1,inplace=True) #删除每一行的labels列
#查看每一列的数据类型df.info()

#将date列转为时间序列类型df['date'] = pd.to_datetime(df['date'])
#将date列作为源数据的行索引df.set_index('date',inplace=True)

捕获上涨和下跌的日期

#输出该股票所有收盘比开盘上涨3%以上的日期#伪代码:(收盘-开盘)/开盘 > 0.03(df['open'] - df['close']) / df['open'] > 0.03#在分析的过程中如果产生了boolean值则下一步马上将布尔值作为源数据的行索引 #如果布尔值作为df的行索引,则可以取出true对应的行数据,忽略false对应的行数据df.loc[(df['open'] - df['close']) / df['open'] > 0.03] #获取了True对应的行数据(满足需求的行数据)df.loc[(df['open'] - df['close']) / df['open'] > 0.03].index #df的行数据 

#输出该股票所有开盘比前日收盘跌幅超过2%的日期#伪代码:(开盘-前日收盘)/前日收盘 < -0.02(df['open'] - df['close'].shift(1))/df['close'].shift(1) < -0.02  #shift[1]表示下移一行#将布尔值作为源数据的行索引取出True对应的行数据df.loc[(df['open'] - df['close'].shift(1))/df['close'].shift(1) < -0.02]df.loc[(df['open'] - df['close'].shift(1))/df['close'].shift(1) < -0.02].index

  • 需求:假如我从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?
  • 分析:
    • 时间节点:2010-2020
    • 一手股票:100支股票
    • 买:
      • 一个完整的年需要买入1200支股票
    • 卖:
      • 一个完整的年需要卖出1200支股票
    • 买卖股票的单价:
      • 开盘价
new_df = df['2010-01':'2020-02']

买股票需要找到每个月的第一个交易日的行数据

#买股票:找每个月的第一个交易日对应的行数据(捕获到开盘价)==》每月的第一行数据#根据月份从原始数据中提取指定的数据#每月第一个交易日对应的行数据df_monthly = new_df.resample('M').first()#数据的重新取样

可以看到这里的索引出现的偏差,但是后面的数据是没有问题的

#买入股票花费的总金额cost = df_monthly['open'].sum()*10093359.50000000001
#卖出股票到手的钱#特殊情况:2020年买入的股票卖不出去new_df.resample('A').last()#将2020年最后一行切出去df_yearly = new_df.resample('A').last()[:-1]df_yearly

#卖出股票到手的钱resv = df_yearly['open'].sum()*120081811.19999999998
#最后手中剩余的股票需要估量其价值计算到总收益中#使用昨天的收盘价作为剩余股票的单价last_monry = 200*new_df['close'][-1]#计算总收益resv+last_monry-cost-10965.300000000032 亏了,,,,,

本文来自博客园,作者:ivanlee717,转载请注明原文链接:https://www.cnblogs.com/ivanlee717/p/16988064.html