DataFrame案例--双均线策略

---

一、数据预处理

data = ts.get_k_data('000001',start='1900-01-01')# 平安银行
data

data.to_csv('./pingan.csv')
df = pd.read_csv('./pingan.csv')
df

df.drop(labels='Unnamed: 0',axis=1,inplace=True)
df

df['date'] = pd.to_datetime(df['date'])
df.set_index('date',inplace=True)
df

df.info()

• 股票走势图
  

---

二、计算该股票历史数据的5日均线和30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）

ma5 = df['close'].rolling(5).mean()  #依次将N个前5天的收盘价取出
ma5

ma30 =  df['close'].rolling(30).mean()
ma30

• rolling函数

rolling函数:可以被Series对象调用，也可以被DataFrame对象调用，这个函数主要是用来做移动计算的。
详解pandas中的rolling

import matplotlib.pyplot as plt
plt.plot(ma5[50:300],label='ma5',c='red')
plt.plot(ma30[50:300],label='ma30',c='blue')
plt.legend() # 使上述代码产生效果

plt.show()

---

三、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。

df

# 清除NaN数据
ma5 = ma5[30:]
ma30 = ma30[30:]
df = df[30:]
df

s1 = ma5 < ma30
s2 = ma5 >= ma30

• s1
  
• s2
  

s1&(s2.shift(1))

# 获得死叉行数据
death_date = df.loc[s1&(s2.shift(1))].index
death_date

# 获得金叉行数据
golden_date = df.loc[~(s1| (s2.shift(1)))].index
golden_date

---

四、数据分析

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。

# 创建Series 
# sr1存储的value值为1 索引为金叉日期
# sr2存储的value值为0 索引为死叉日期
sr1 = Series(data=1,index=golden_date)
sr2 = Series(data=0,index=death_date)

# 将sr1和sr2的两个Series中的数据整合到一起
s = sr1.append(sr2) # 合并

# 对s中的索引进行排序
s.sort_index(inplace=True)
s
# 1:金叉时间 -- 买股票  0：死叉时间 -- 卖股票

s.index

# 2020 - 2021 之间的金叉和死叉时间
new_s = s['2010':'2021']
new_s
# new_s中有多少个数值为1则表示有多少个金叉，表示买入多少次股票

# 遍历new_s进行多次的股票的买和卖的操作

first_money = 100000 # 本金 不可变
money = first_money  # 可变钱数，买卖股票从money中进行加减操作
hold = 0 # 持有股票的数量

for i in range(len(new_s)):
    # 买股票
    if new_s[i] == 1: # 金叉，买股票
        # 股票单价
        # new_s.index[i]第一天对应的时间
        price = df.loc[new_s.index[i]]['open'] # 获取开盘价
        # hand 是股票的手数
        hand = money // (price*100)
        hold = hand*100  # 股票股数
        money -= hold * price  # 买股票花的钱从money中减去
    else:# 卖股票
        price = df.loc[new_s.index[i]]['open']
        money += hold * price
        hold = 0 # 清零
        
# 计算剩余股票的实际价值（如何知道是否存有剩余股票：直接看hold）
last_money = hold * df['open'][-1]

# 总收益
print('总收益：',last_money + money - first_money)

总收益： 426732.29999999993

---