由于小编并无深厚的数学功底也无深厚的金融知识, 所以不会在本文中引用各种高深的投资模型或数学模型。
交易系统
这里的交易系统不一定是程序，只是指你自己的交易原则或者遵守的一些技巧或者方法，你可以手动执行也可以借助编程语言，编程语言不就是一套用来使用的工具么。
建立一个完善的交易体系，我们至少应该思考一下六个方面。
1、市场—-买卖什么2、头寸规模—-买卖多少3、入市—-何时买入4、止损—-何时退出亏损的头寸5、止盈—-何时退出盈利的头寸6、离市—-何时离市
简单的示例
买卖A股全仓当日涨幅超过3%买入。当持有头寸亏损超过3%，平仓当日跌幅大于3%或者三个连续阴线
分析: 这个交易策略其实只有在行情以波浪形状向上的行情时候才能获利，如果是盘整的情况下，怕是会亏的很惨。这里之所以写的这么简单粗暴是为了后面策略测试撸代码简单。
数据获取及处理
因为这里说的是用python炒股，所以应该采用程序的方式去获取数据，如果人工炒股，下载任何股票行情软件都是可以的，但是人工的执行是需要花费比较多的精力的。
而python语言中用于获取股票行情数据的库，最有名莫过于tushare了。
这里以上证乐视的股票为例吧。
python环境安装
安装Anaconda(python2版本)
注:如果没安装过这个环境的经验，就百度或者谷歌一下吧,如果不是安装anaconda则需要艰难的自行解决依赖。
安装tushare
pip install tushare
获取行情数据
import pandas as pdimport tushare as ts# 通过股票代码获取股票数据,这里没有指定开始及结束日期df = ts.get_k_data(“300104”)# 查看前十条数据df.head()# 查看后十条数据df.tail()# 将数据的index转换成date字段对应的日期df.index = pd.to_datetime(df.date)# 将多余的date字段删除df.drop(“date”, inplace=True, axis=1)
注:关于股票数据的相关处理需要由pandas,matplotlib的知识，参考:http://pandas.pydata.org/pandas-docs/version/0.20/10min.html
计算常用指标
# 计算5,15,50日的移动平均线, MA5, MA15, MA50days = [5, 15, 50]for ma in days: column_name = “MA{}”.format(ma) df[column_name] = pd.rolling_mean(df.close, ma)# 计算浮动比例df[“pchange”] = df.close.pct_change()# 计算浮动点数df[“change”] = df.close.Diff()
最终处理完成后的结果如下:
df.head()Out[13]: open close high low volume code MA5 MA15 MA50 date 2013-11-29 9.396 9.741 9.870 9.389 146587.0 300104 NaN NaN NaN 2013-12-02 9.298 8.768 9.344 8.768 177127.0 300104 NaN NaN NaN 2013-12-03 8.142 8.414 8.546 7.890 176305.0 300104 NaN NaN NaN 2013-12-04 8.391 8.072 8.607 8.053 120115.0 300104 NaN NaN NaN 2013-12-05 7.983 7.366 8.108 7.280 253764.0 300104 8.4722 NaN NaN pchange change date 2013-11-29 NaN NaN 2013-12-02 -0.099887 -0.973 2013-12-03 -0.040374 -0.354 2013-12-04 -0.040647 -0.342
可视化走势图
所谓一图胜前言，将数据可视化可以非常直观的感受到股票的走势。
个人觉得，如果用程序炒股还是应该一切都量化的，不应该有过多的主观观点，如果过于依赖直觉或者当时心情，那么实在没必要用程序分析了。
df[[“close”, “MA5”, “MA15”, “MA50”]].plot(figsiz=(10,18))
效果如下:
用python炒股
k线图
import matplotplib.pyplot as pltfrom matplotlib.daet import DateFormatterfrom matplotlib.finance import date2num, candlestick_ohlcdef candlePlot(data, title=””): data[“date”] = [date2num(pd.to_datetime(x)) for x in data.index] dataList = [tuple(x) for x in data[ [“date”, “open”, “high”, “low”, “close”]].values] ax = plt.subplot() ax.set_title(title) ax.xaxis.set_major_formatter(DateFormatter(“%y-%m-%d”)) candlestick_ohlc(ax, dataList, width=0.7, colorup=”r”, colordown=”g”) plt.setp(plt.gca().get_xticklabels(), rotation=50, horizontalalignment=”center”) fig = plt.gcf() fig.set_size_inches(20, 15) plt.grid(True)candlePlot(df)
效果如下:
用python炒股
注: 这里只是一个示例，说明matplotlib的强大以及小小的演示，如果遇到什么奇怪的问题就查api或者google吧。
策略测试
手动撸代码
这里用最近买过的一只股票吧，京东方A(000725)。
# 导入相关模块import tushare as tsimport pandas as pd# 获取数据df = ts.get_k_data(“000725”)# 处理数据df.index = pd.to_datetime(df.date)df.drop(“date”, axis=1, inplace=True)# 计算浮动比例df[“pchange”] = df.close.pct_change()# 计算浮动点数df[“change”] = df.close.diff()# 查看当前数据数据前五行 open close high low volume code pchange changedate 2015-07-20 4.264 4.234 4.342 4.165 13036186.0 000725 NaN NaN2015-07-21 4.136 4.195 4.274 4.096 8776773.0 000725 -0.009211 -0.0392015-07-22 4.175 4.146 4.214 4.067 9083703.0 000725 -0.011681 -0.0492015-07-23 4.136 4.254 4.283 4.096 12792734.0 000725 0.026049 0.1082015-07-24 4.224 4.136 4.254 4.106 13009620.0 000725 -0.027739 -0.118# 设定回撤值withdraw = 0.03# 设定突破值breakthrough = 0.03# 设定账户资金account = 10000# 持有仓位手数position = 0def buy(bar): global account, position print(“{}: buy {}”.format(bar.date, bar.close)) # 一手价格 one = bar.close * 100 position = account // one account = account – (position * one)def sell(bar): global account, position # 一手价格 print(“{}: sell {}”.format(bar.date, bar.close)) one = bar.close * 100 account = position * one position = 0print(“开始时间投资时间: “, df.iloc[0].date)for date in df.index: bar = df.loc[date] if bar.pchange and bar.pchange > breakthrough and position == 0: buy(bar) elif bar.pchange and bar.pchange 0: sell(bar)print(“最终可有现金: “, account)print(“最终持有市值: “, position * df.iloc[-1].close * 100)
输出如下:
开始时间投资时间: 2015-07-202015-07-29: buy 3.832015-07-30: sell 3.6532015-08-04: buy 3.752……2018-02-27: sell 5.712018-03-06: buy 5.79最终可有现金: 333.3最终持有市值: 7527.0
结论: 通过上面的测试发现资亏了两千多…
借助测试框架
借助测试框架才是正确的回撤姿势,因为框架包含了更多的功能。这里使用pyalgotrade。
简单使用
from pyalgotrade import strategyfrom pyalgotrade import technicalfrom pyalgotrade.barfeed import yahoofeed# 自定义事件窗口类class DiffEventWindow(technical.EventWindow): def __init__(self, period): assert(period > 0) super(DiffEventWindow, self).__init__(period) self.__value = None def onNewValue(self, dateTime, value): super(DiffEventWindow, self).onNewValue(dateTime, value) if self.windowFull(): lastValue = self.getValues()[0] nowValue = self.getValues()[1] self.__value = (nowValue – lastValue) / lastValue def getValue(self): return self.__value# 自定义指标class Diff(technical.EventBasedFilter): def __init__(self, dataSeries, period, maxLen=None): super(Diff, self).__init__(dataSeries, DiffEventWindow(period), maxLen)# 定义自己的策略class MyStrategy(strategy.BacktestingStrategy): def __init__(self, feed, instrument, diffPeriod=2): # 传入feed及初始账户资金 super(MyStrategy, self).__init__(feed, 10000) self.__instrument = instrument self.__position = None self.setUseAdjustedValues(True) self.__prices = feed[instrument].getPriceDataSeries() self.__diff = Diff(self.__prices, diffPeriod) self.__break = 0.03 self.__withdown = -0.03 def getDiff(self): return self.__diff def onEnterCanceled(self, position): self.__position = None def onEnterOk(self, position): execInfo = position.getEntryOrder().getExecutionInfo() self.info(“BUY at $%.2f” % (execInfo.getPrice())) def onExitOk(self, position): execInfo = position.getExitOrder().getExecutionInfo() self.info(“SELL at $%.2f” % (execInfo.getPrice())) self.__position = None def onExitCanceled(self, position): # If the exit was canceled, re-submit it. self.__position.exitMarket() def onBars(self, bars): account = self.getBroker().getCash() bar = bars[self.__instrument] if self.__position is None: one = bar.getPrice() * 100 oneUnit = account // one if oneUnit > 0 and self.__diff[-1] > self.__break: self.__position = self.enterLong(self.__instrument, oneUnit * 100, True) elif self.__diff[-1] 输出如下
2015-07-30 00:00:00 strategy [INFO] BUY at $3.782015-07-31 00:00:00 strategy [INFO] SELL at $3.572015-08-05 00:00:00 strategy [INFO] BUY at $3.732015-08-06 00:00:00 strategy [INFO] SELL at $3.56…2018-02-13 00:00:00 strategy [INFO] BUY at $5.45Final portfolio value: $7877.30
猛地一看会发现，用框架似乎写了更多的代码,但是框架内置了更多分析工具。
下面简单介绍。
策略可视化
from pyalgotrade import strategyfrom pyalgotrade import technicalfrom pyalgotrade.barfeed import yahoofeedfrom pyalgotrade import plotterfrom pyalgotrade.stratanalyzer import returnsclass DiffEventWindow(technical.EventWindow): def __init__(self, period): assert(period > 0) super(DiffEventWindow, self).__init__(period) self.__value = None def onNewValue(self, dateTime, value): super(DiffEventWindow, self).onNewValue(dateTime, value) if self.windowFull(): lastValue = self.getValues()[0] nowValue = self.getValues()[1] self.__value = (nowValue – lastValue) / lastValue def getValue(self): return self.__valueclass Diff(technical.EventBasedFilter): def __init__(self, dataSeries, period, maxLen=None): super(Diff, self).__init__(dataSeries, DiffEventWindow(period), maxLen)class MyStrategy(strategy.BacktestingStrategy): def __init__(self, feed, instrument, diffPeriod=2): super(MyStrategy, self).__init__(feed, 10000) self.__instrument = instrument self.__position = None self.setUseAdjustedValues(True) self.__prices = feed[instrument].getPriceDataSeries() self.__diff = Diff(self.__prices, diffPeriod) self.__break = 0.03 self.__withdown = -0.03 def getDiff(self): return self.__diff def onEnterCanceled(self, position): self.__position = None def onEnterOk(self, position): execInfo = position.getEntryOrder().getExecutionInfo() self.info(“BUY at $%.2f” % (execInfo.getPrice())) def onExitOk(self, position): execInfo = position.getExitOrder().getExecutionInfo() self.info(“SELL at $%.2f” % (execInfo.getPrice())) self.__position = None def onExitCanceled(self, position): # If the exit was canceled, re-submit it. self.__position.exitMarket() def onBars(self, bars): account = self.getBroker().getCash() bar = bars[self.__instrument] if self.__position is None: one = bar.getPrice() * 100 oneUnit = account // one if oneUnit > 0 and self.__diff[-1] > self.__break: self.__position = self.enterLong(self.__instrument, oneUnit * 100, True) elif self.__diff[-1] 图片输出如下
注: 这里的策略测试股票选择以及时间选择并不严谨，仅作功能展示，测试结果可能有很大的巧合性。
股价监控
根据这个需求写了一个股价监控的半成品，通过邮箱监控。
技巧:在微信的辅助功能里面启用QQ邮箱提醒的功能，那么股价变动的通知就会很及时了,因为微信几乎等同于短信了。
这里简单说一下各个配置项及使用方法。
default段落
breakthrough代表突破的比例，需要传入两个值,项目里面的突破比例依次是3%，5%.
withdraw代表回撤，也需要两个值，示例为3%，5%.
attention代表关注的股票列表，填入关注的股票代码，用空格隔开
注:这里暂时没有考虑关注股票的情况，所以很多的关注股票也许有性能上的问题。
mail段落
依次输入用户名及密码以及收件人的邮箱
position段落
当前持仓的股票以及其持仓成本。
如持有京东方A(000725)以5.76的股价。
000725 = 5.76
如果多个持仓就多个如上的相应的键值对。
使用方法参考该脚本的readme
https://github.com/youerning/UserPyScript/blob/master/monitor/README.md
PS:很难过的是英文水平不好还用因为注释，以及用英文词汇做变量名,如果词不达意请见谅。
下单
这一部分本人暂时没有让程序自动执行，因为暂时还没有打磨出来一套适合自己并相信的体系，所以依靠股价监控的通知，根据不断修正的体系在手动执行交易。
最后
觉得小编写得不错的话可以点击关注我！如果你觉得哪里值得改进的，请给我留言。一定会认真查询，修正不足。谢谢各位小伙伴。
总结：小编想说学习从来不是一个人的事情，这里由我自己整理了一套最新的python系统学习教程，实用性都很高，可以免费送给大家，需要这些资料的可以关注并在后台私信小编：“01”即可领取。
