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 ts import pandas as pd from pandas import DataFrame,Series import 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()*100 93359.50000000001 #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()*1200 81811.19999999998 #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  




    




    


，












，             ，   



     



     

，













，