python实现量化交易策略 |
您所在的位置：网站首页 › 股票交易python › python实现量化交易策略 |
|
python实现量化交易策略
1 前言
相信大家都听说过股票，很羡慕那些炒股大佬，觉得量化投资非常高深，本文教大家用python实现简单的量化交易策略。在这强调一下，本文仅供交流学习参考，不构成任何投资建议。炒股有风险，投资需谨慎。 2 构建策略炒股是一个概率游戏，强如巴菲特也没办法保证这只股票一定能涨。我们能做的是买入上涨概率高的股票，不碰那些下跌概率高的股票。在股票市场中有很多上市公司，有些公司是领导者，有些是追随者，比如白酒行业中贵州茅台(600519)、新能源概念中宁德时代(300750)等都是领导者。我们可以观察这些股票的走势，来判断同行业同概念中其他公司股票价格的走势。基于这种思想，我们用相关性来构建策略。 本文用沪深300成分股构建股票池，样本期是2020年1月1日到2020年12月31日，数据来源于tushare数据库，官网链接：https://tushare.pro。 import tushare as ts import pandas as pd import numpy as np import copy pro = ts.pro_api('你的token') #1 获取沪深300成分股日线行情数据 def hqsj_hs(): df1 = pro.index_weight(index_code='399300.SZ', trade_date='20201231') df=pd.DataFrame() for i in range(len(df1)): df2 = pro.daily(ts_code=df1.iloc[i,1], start_date='20200101', end_date='20201231') df=pd.concat([df,df2],axis=0) df.to_excel('股票数据.xlsx',index=False) hqsj_hs()这里得到了沪深300成分股的日线行情数据，需要手动将excel表按股票代码和交易日期升序。有些股票在样本期某天停牌，需要剔除该股票数据。这里用A股票当天收益率和其他股票昨天收益率计算相关性。 #2 计算相关性 def xgx(): df=pd.read_excel('股票数据.xlsx',engine='openpyxl') result={} for i in range(len(df)): key=df.iloc[i,0] if result.get(key,False): result[key].append(df.iloc[i,-3]) else: result[key] = [df.iloc[i,-3]] result1=copy.deepcopy(result) for i in result: if len(result[i])!=243: del result1[i] for i in result1: result1[i].append([result1[i][1:],result1[i][:-1]]) result2={} for i in result1: aa = {} now=pd.Series(result1[i][-1][0]) for j in result1: pre=pd.Series(result1[j][-1][1]) xgx=now.corr(pre) aa[j]=abs(xgx) result2[i]=aa #print(result2) result3={} for i in result2: result3[i]={max(zip(result2[i].values(), result2[i].keys()))[1]:max(zip(result2[i].values(), result2[i].keys()))[0]} xxx=[] for i in result3: for j in result3[i]: xxx.append(result3[i][j]) b=sorted(xxx,reverse = True)[:1] #取相关性最大的 result4={} for i in result3: for j in result3[i]: for x in b: if x==result3[i][j]: result4[i]={j:x} print(result4) return result4我们取相关性最大的股票组，得到结果是上海临港(600848)和民生银行(600016)，相关性为0.4156。也就是说民生银行(600016)今天跌了，那么上海临港(600848)明天大概率要跌。我们可以在尾盘观察民生银行(600016)，如果涨了，则买入上海临港(600848)。到这里就构建了我们的策略。 3 买股方案前文根据2020年1月1日到2020年12月31日的数据构建策略，用于2021年1月1日到2021年3月31日交易。 #3 获取21年数据 def test_data(): result4=xgx() ts_code=[] for i in result4: for j in result4[i]: ts_code.append(j) df = pd.DataFrame() for i in ts_code: df1 = pro.daily(ts_code=i, start_date='20210101', end_date='20210331') df = pd.concat([df, df1], axis=0) df.to_excel('股票数据1.xlsx', index=False) test_data() #4 买股方案 def mgfa(): df=pd.read_excel('股票数据1.xlsx',engine='openpyxl') timeseries=df['trade_date'].tolist() timetime=list(set(timeseries)) timetime1=sorted(timetime) result4=xgx() ts1=[] #昨天 ts2=[] #今天 for i in result4: ts2.append(i) for j in result4[i]: ts1.append(j) result1={} for i in range(len(df)): time=df.iloc[i,1] if result1.get(time,False): aa.append(df.iloc[i,-3]) else: aa=[] aa.append(df.iloc[i,-3]) result1[time]=aa result2={} for i in result1: if i!=20210331: aaa=[] for j in result1[i]: if j >0: aaa.append(ts2[result1[i].index(j)]) result2[timetime1[timetime1.index(i)+1]]=aaa print(result2) return result2 mgfa()我们得到了2021年1月1日到2021年3月31日的买股方案，结果为2021年1月5日空仓，2021年1月6日空仓，2021年1月7日买入上海临港(600848)等等。 4 评估策略上文我们得到了买股方案，最后需要进行回测，我们用收益率，夏普率，最大回撤等指标来评估策略的优劣性，收益率和夏普率越大越好，最大回撤越小越好。 #5 获取测试数据 def cssj(): result4=xgx() ts_code=[] for i in result4: ts_code.append(i) df = pd.DataFrame() for i in ts_code: df1 = pro.daily(ts_code=i, start_date='20210101', end_date='20210331') df = pd.concat([df, df1], axis=0) df.to_excel('股票数据2.xlsx', index=False) cssj() #6 评估策略 def jssy(): result2=mgfa() result4=xgx() df=pd.read_excel('股票数据2.xlsx',engine='openpyxl') zdf=[] for i in result2: if len(result2[i]) == 1: for j in result2[i]: for x in range(len(df)): if df.iloc[x, 0] == j and df.iloc[x, 1] == i: zdf.append(df.iloc[x, -3]) else: zdf.append(0) bbb=1 for i in zdf: bbb=bbb*(1+i/100) bb=(bbb-1)*100 print('总收益率/%:',bb) print('夏普率：', np.mean(zdf)/np.std(zdf,ddof=1)) ccc=1 hc=1 max_hc=[] for i in zdf: kk=ccc*(1+i/100) if kk} for i in result1: aa = {} now=pd.Series(result1[i][-1][0]) for j in result1: pre=pd.Series(result1[j][-1][1]) xgx=now.corr(pre) aa[j]=abs(xgx) result2[i]=aa #print(result2) result3={} for i in result2: result3[i]={max(zip(result2[i].values(), result2[i].keys()))[1]:max(zip(result2[i].values(), result2[i].keys()))[0]} xxx=[] for i in result3: for j in result3[i]: xxx.append(result3[i][j]) b=sorted(xxx,reverse = True)[:1] #取相关性最大的 result4={} for i in result3: for j in result3[i]: for x in b: if x==result3[i][j]: result4[i]={j:x} print(result4) return result4 #3 获取21年数据 def test_data(): result4=xgx() ts_code=[] for i in result4: for j in result4[i]: ts_code.append(j) df = pd.DataFrame() for i in ts_code: df1 = pro.daily(ts_code=i, start_date='20210101', end_date='20210331') df = pd.concat([df, df1], axis=0) df.to_excel('股票数据1.xlsx', index=False) test_data() #4 买股方案 def mgfa(): df=pd.read_excel('股票数据1.xlsx',engine='openpyxl') timeseries=df['trade_date'].tolist() timetime=list(set(timeseries)) timetime1=sorted(timetime) result4=xgx() ts1=[] #昨天 ts2=[] #今天 for i in result4: ts2.append(i) for j in result4[i]: ts1.append(j) result1={} for i in range(len(df)): time=df.iloc[i,1] if result1.get(time,False): aa.append(df.iloc[i,-3]) else: aa=[] aa.append(df.iloc[i,-3]) result1[time]=aa result2={} for i in result1: if i!=20210331: aaa=[] for j in result1[i]: if j >0: aaa.append(ts2[result1[i].index(j)]) result2[timetime1[timetime1.index(i)+1]]=aaa print(result2) return result2 mgfa() #5 获取测试数据 def cssj(): result4=xgx() ts_code=[] for i in result4: ts_code.append(i) df = pd.DataFrame() for i in ts_code: df1 = pro.daily(ts_code=i, start_date='20210101', end_date='20210331') df = pd.concat([df, df1], axis=0) df.to_excel('股票数据2.xlsx', index=False) cssj() #6 评估策略 def jssy(): result2=mgfa() result4=xgx() df=pd.read_excel('股票数据2.xlsx',engine='openpyxl') zdf=[] for i in result2: if len(result2[i]) == 1: for j in result2[i]: for x in range(len(df)): if df.iloc[x, 0] == j and df.iloc[x, 1] == i: zdf.append(df.iloc[x, -3]) else: zdf.append(0) bbb=1 for i in zdf: bbb=bbb*(1+i/100) bb=(bbb-1)*100 print('总收益率/%:',bb) print('夏普率：', np.mean(zdf)/np.std(zdf,ddof=1)) ccc=1 hc=1 max_hc=[] for i in zdf: kk=ccc*(1+i/100) if kk |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |