date: 2017年05月17日
择时策略框架的主函数
"""
import pandas as pd
import Signals
import Timing_Functions
# 目前遇到的问题就是导入自己的文件夹的时候不正确
from program import Functions # 或者 import program.Functions
# import program.Functions as Functions
pd.set_option('expand_frame_repr', False) # 当列太多时不换行
# ===== 第一个模块: 数据准备
# === 读入数据
code = 'sz300001'
df = Functions.import_stock_data(code)
# 判断股票上市是否满一定时间,如果不满足,则不运行策略
if df.shape[0] < 250:
print '股票上市未满一年,不运行策略'
exit()
# === 计算复权价
fuquan_type = '后复权'
df[[i + '_' + fuquan_type for i in '开盘价', '最高价', '最低价', '收盘价'
]] = Functions.cal_fuquan_price(df, fuquan_type)
# ===== 第二个模块:产生交易信号
# === 根据均线策略产生交易信号
df = Signals.signal_ma(df, ma_short=5, ma_long=50)
# ===== 第三个模块: 根据交易信号计算每天的仓位
# -*- coding: utf-8 -*-
"""
@author: Xingbuxing
date: 2017年05月06日
本程序示例如何将日线数据转换为周线数据、以及resample函数的使用方式
"""
import pandas as pd
from program import Functions
pd.set_option('expand_frame_repr', False) # 当列太多时不换行
# =====读入数据
code = 'sz300001'
df = Functions.import_stock_data(code)
# =====以日线数据转化为周线数据为例，
# ===上课资料文件夹中的《日线转周线说明》
# ===将'交易日期'这一列设置为index，之后讲为什么需要这么做
df.set_index('交易日期', inplace=True)
# ===周期转换方法：resample
week_df = df.resample(rule='w').last()
# 'w'意思是week，意味着转变为周线；
# last意思是取最后一个值
# 查看week_df中2009-11-08这一行的数据
# print df.iloc[:7]
# print week_df
# exit()
# 这一周的开、高、低的价格
# -*- coding: utf-8 -*-
"""
@author: xingbuxing
"""
from program import Functions
from program import config
import pandas as pd
import talib
pd.set_option('expand_frame_repr', False) # 当列太多时不换行
# 通过pattern_name设定要跑的指标，在此处设定指标名称
pattern_name = 'CDL3OUTSIDE'
# 得到所有股票的列表
code_list = Functions.get_stock_code_list_in_one_dir(config.input_data_path +
'/stock_data')
# 遍历所有股票
output = pd.DataFrame()
for code in code_list:
print code
# 导入数据
df = Functions.import_stock_data(code)
# 计算后复权价，计算指标要用复权价
df[[i + '_后复权' for i in ['开盘价', '最高价', '最低价', '收盘价']
]] = Functions.cal_fuquan_price(df)
# 计算N天后涨跌幅
for i in [1, 3, 5, 10]:
# -*- coding: utf-8 -*-
"""
@author: xingbuxing
"""
from program import Functions
import pandas as pd
import talib
pd.set_option('expand_frame_repr', False) # 当列太多时不换行
# 通过pattern_name设定要跑的指标，在此处设定指标名称
pattern_name = 'CDL2CROWS'
# 导入一只股票的数据，在此处设定股票代码
code = 'sz000001'
df = Functions.import_stock_data(code)
# 计算后复权价，计算指标要用复权价
df[[i + '_后复权'
for i in ['开盘价', '最高价', '最低价', '收盘价']]] = Functions.cal_fuquan_price(df)
# 计算N天后涨跌幅
for i in [1, 3, 5, 10]:
df[str(i) + '天后涨跌幅'] = df['收盘价_后复权'].shift(-i) / df['收盘价_后复权'] - 1
# 计算技术指标。不同指标此处需要参数可能不同，需要修改。
df[pattern_name] = getattr(talib, pattern_name)(df['开盘价_后复权'].values,
df['最高价_后复权'].values,
df['最低价_后复权'].values,
df['收盘价_后复权'].values)
# 找出符合pattern的日期
# x = stock_data.iloc[:3]['下月每天资金曲线']
# print x
# print list(x), len(list(x)) # 将x变成list
# print np.array(list(x)) # 矩阵化
# print np.array(list(x)).mean(axis=0) # 求每天的资金曲线
# print list(np.array(list(x)).mean(axis=0))
# print [1] + list(np.array(list(x)).mean(axis=0))
# print pd.DataFrame([1] + list(np.array(list(x)).mean(axis=0)))
# print pd.DataFrame([1] + list(np.array(list(x)).mean(axis=0))).pct_change()[0]
# print list(pd.DataFrame([1] + list(np.array(list(x)).mean(axis=0))).pct_change()[0])
# print list(pd.DataFrame([1] + list(np.array(list(x)).mean(axis=0))).pct_change()[0])[1:]
select_stock.reset_index(inplace=True)
select_stock['资金曲线'] = (select_stock['下月平均涨跌幅'] + 1).cumprod()
# 计算每日资金曲线
index_data = Functions.import_sh000001_data()
equity = pd.merge(left=index_data, right=select_stock[['交易日期', '股票代码']], on=['交易日期'],
how='left', sort=True) # 将选股结果和大盘指数合并
equity['股票代码'] = equity['股票代码'].shift()
equity['股票代码'].fillna(method='ffill', inplace=True)
equity.dropna(subset=['股票代码'], inplace=True)
equity['每日涨幅'] = select_stock['下月每天平均涨跌幅'].sum()
# print select_stock[['交易日期', '下月每天平均涨跌幅']]
# print select_stock['下月每天平均涨跌幅'].sum()
equity['equity_curve'] = (equity['每日涨幅'] + 1).cumprod()
equity['benchmark'] = (equity['大盘涨跌幅'] + 1).cumprod()
print equity
本程序演示如何抓取股票数据
"""
import pandas as pd
from program import config
import numpy as np
from program import Functions
pd.set_option('expand_frame_repr', False) # 当列太多时不换行
# 神奇的链接http://hq.sinajs.cn/list=sh600000,sh600004
# 本程序的作用是：从新浪网上，将所有股票最新的数据抓取下来并且保存。
# 可以每天定期运行，然后就能得到每天的数据了。
# ===读取所有股票代码列表
s_list = pd.read_hdf(config.input_data_path + '/stock_code_list_store.h5', 'table')
all_code_list = list(s_list)
# ===分组遍历股票
# 逐个股票的去遍历，会太慢。因为每次请求和新浪的交互时间都比较久。
# 也不能所有股票一次全部请求。
# 可以分组去遍历
chunk_len = 50
for code_list in np.array_split(all_code_list, len(all_code_list) / chunk_len + 1):
Functions.save_stock_data_from_sina_to_h5(code_list)
# ===从h5文件中中读取数据
code = 'sh600004'
df = pd.read_hdf(config.output_data_path + '/each_stock_data_h5.h5', code)
print df
# -*- coding: utf-8 -*-
"""
@author: xingbuxing
"""
from program import Functions
from program import config
import pandas as pd
import talib
pd.set_option('expand_frame_repr', False) # 当列太多时不换行
# 通过pattern_name设定要跑的指标，在此处设定指标名称
pattern_name = 'CDL3OUTSIDE'
# 得到所有股票的列表
code_list = Functions.get_stock_code_list_in_one_dir(config.input_data_path + '/stock_data')
# 遍历所有股票
output = pd.DataFrame()
for code in code_list:
print code
# 导入数据
df = Functions.import_stock_data(code)
# 计算后复权价，计算指标要用复权价
df[[i + '_后复权' for i in ['开盘价', '最高价', '最低价', '收盘价']]] = Functions.cal_fuquan_price(df)
# 计算N天后涨跌幅
for i in [1, 3, 5, 10]:
df[str(i) + '天后涨跌幅'] = df['收盘价_后复权'].shift(-i) / df['收盘价_后复权'] - 1
# -*- coding: utf-8 -*-
"""
本段程序用于生成选股策略所需要的数据
"""
import pandas as pd
from program import config
from program import Functions
pd.set_option('expand_frame_repr', False) # 当列太多时不换行
# ===读取所有股票代码的列表
stock_code_list = Functions.get_stock_code_list_in_one_dir(config.input_data_path+'/stock_data')
stock_code_list = stock_code_list[:20]
# ===循环读取并且合并
# 导入上证指数
index_data = Functions.import_sh000001_data()[['交易日期']]
# 循环读取股票数据
all_stock_data = pd.DataFrame()
for code in stock_code_list:
print code
# 读入数据，额外读入'总市值'这一列
df = Functions.import_stock_data(code, other_columns=['总市值'])
# 将股票和上证指数合并，补全停牌的日期
df = Functions.merge_with_index_data(df, index_data)
# 将日线数据转化为月线，并且计算'是否交易'、'最后一天涨跌幅'、'交易天数'、'市场交易天数'
# 并且计算'每天资金曲线'，excel展示计算原理
df = Functions.transfer_to_period_data(df, period_type='m')
# 对数据进行整理
# -*- coding: utf-8 -*-
"""
邢不行量化小讲堂系列文章配套代码
文章标题：Python说：这个炒股指标是我见过最废的，没有之一
文章链接：https://mp.weixin.qq.com/s/3oXyBrWdAK2__u5-08qNag
作者：邢不行
微信：xingbx007
"""
from program import Functions
import program.config as config
import pandas as pd
pd.set_option('expand_frame_repr', False) # 当列太多时不换行
# 得到所有股票的列表
code_list = Functions.get_stock_code_list_in_one_dir(config.input_data_path +
'/stock_data')
# 遍历所有股票
output = pd.DataFrame()
for code in code_list:
print code
# 导入数据
data = Functions.import_stock_data(code)
# 计算后复权价
data[['开盘价', '最高价', '最低价', '收盘价']] = Functions.cal_fuquan_price(data)
# 计算N天后涨跌幅
for i in [1, 3, 5, 10]:
data[str(i) + '天后涨跌幅'] = data['收盘价'].shift(-i) / data['收盘价'] - 1
# -*- coding: utf-8
"""
@author: davidfnck
date: 2017年6月20日
本段程序用于生成选股策略所需要的数据
"""
import pandas as pd
from program import config
from program import Functions
pd.set_option('expand_frame_repr', False) # 当列太多时不换行
# ==读取所有股票代码的列表
stock_code_list = Functions.get_stock_code_list_in_one_dir(config.input_data_path+'/stock_data')
stock_code_list = stock_code_list[:20]
print stock_code_list
exit()