def data_standardize_money163(stock_code, index_code='000001.SH'):
# 1.读取万得的股票数据
stock_data = Functions.import_stock_data_money163(stock_code)
# 2.读取指数数据
index_data = Functions.import_index_data_wande(index_code=index_code)
# 3.个股数据除权处理, 默认后复权，直接替换OLHC列
stock_data = Functions.cal_adjust_price(stock_data)
# 3.合并个股数据和指数数据
stock_data = Functions.merge_with_index_data(stock_data, index_data)
# 4.添加涨跌停列
stock_data = Functions.limit_up_down(stock_data)
return stock_data
def data_standardize_xbx(code):
# 1.读取万得的股票数据
stock_data = Functions.import_stock_data_xbx(code)
# 2.读取指数数据
index_data = Functions.import_index_data_xbx()
# 3.个股数据除权处理, 默认后复权，直接替换OLHC列
stock_data = Functions.cal_adjust_price(stock_data)
# 3.合并个股数据和指数数据
stock_data = Functions.merge_with_index_data(stock_data, index_data)
# 4.添加涨跌停列
stock_data = Functions.limit_up_down(stock_data)
return stock_data
def data_standardize_money163(df,
index_code='000001.SH',
return_type=1,
start_date='19890101'):
# 1.读取万得的股票数据
# stock_data = Functions.import_stock_data_money163(stock_code)
stock_data = df.copy()
# 2.读取指数数据
index_data = Functions.import_index_data_wande(index_code=index_code)
# 3.个股数据除权处理, 默认后复权，直接替换OLHC列
stock_data = Functions.cal_adjust_price(stock_data,
return_type=return_type)
# 3.合并个股数据和指数数据
stock_data = Functions.merge_with_index_data(stock_data, index_data)
# 4.添加涨跌停列
stock_data = Functions.limit_up_down(stock_data)
# 取得指定时间范围的数据
stock_data = stock_data[stock_data['date'] >= pd.to_datetime(start_date)]
return stock_data
from Performance_analysis import equity_cal
import matplotlib.pyplot as plt
warnings.filterwarnings("ignore")
pd.set_option('expand_frame_repr', False)
# 导入指数数据,作为benchmark
index_data = Functions.import_index_data_wande()
# 此处可以填入对应的code进行单个股票测试
stock_data = Functions.import_stock_data_wande('600000.SH')
stock_data = Functions.cal_adjust_price(stock_data,
adjust_type='adjust_back',
return_type=2)
# 和index合并
stock_data = Functions.merge_with_index_data(stock_data, index_data)
stock_data = stock_data[[
'date', 'code', 'open', 'high', 'low', 'close', 'change'
]]
concat = pd.DataFrame()
for i in range(14, 19):
df = TA_strategy.adx(stock_data, i)
df = df[df['date'] >= pd.to_datetime('2005-01-01')] # 采用2005年起的数据
df.reset_index(inplace=True,
drop=True) # 在计算ADX之后，最早的一部分数据没有对应的值，需要重新排index
# 当pdi上穿mdi，买入，信号为1；当pdi下穿mdi，卖空，信号为0
# 计算ADX指标并得到信号和仓位
df = Functions.cross_both(df, 'pdi', 'mdi')
adjust_type='adjust_forth',
return_type=2)
print stock_data_adjust
exit()
# ==== 4 测试从一个指定的文件夹里获得所有股票名称的列表
# 4.1 从万得的数据读取股票列表
# file_path = 'C:/all_trading_data/data/input_data/stock_data_wande'
# print Functions.get_stock_code_list_in_one_dir_wande(file_path)
# 4.2 从xbx的数据读取股票列表
file_path = 'D:/all_trading_data/data/input_data/stock_data'
# print Functions.get_stock_code_list_in_one_dir_xbx(file_path)
# exit()
# ==== 5 个股数据和指数数据合并，日周期
stock_data = Functions.merge_with_index_data(stock_data_adjust, index_data)
# print stock_data
# exit()
# ==== 6 周期转换
stock_data = Functions.transfer_to_period_data(stock_data, period_type='m')
print stock_data
exit()
# print stock_data
# 涨跌停信号添加
stock_data = Functions.limit_up_down(stock_data)
# stock_data.ix[stock_data['open'] > stock_data['close'].shift(1) * 1.097, 'limit_up'] = 1
print stock_data
exit()