量化交易学习笔记五

量化交易学习笔记五

上一篇已经做了批量股票日k数据获取并保存的窗口，今天就来结合实际情况利用下这些数据做个小测试。

前几天有朋友问我类似000623吉林敖东4/19这根跳空长上影出现后，类似的k线后续会如何演绎，那就正好以这个条件来做个选股测试，返回一定时间范围内出现这样形态k线的股票代码及出现的日期。

 形态一定要量化成数据才可操作，翻译一下：

'''
1.次日跳空高开(次日开盘价>前日收盘价[幅度3%以上])；
2.次日收长上影，阳线（次日最高价/次日收盘价[幅度3.5%以上]，次日收盘价>次日开盘价）
3.次日成交量放大(次日成交量>前日成交量[幅度3倍以上])
'''

有了明确目标，就开干：

1.数据，之前已经按代码为文件名将tushare获取的数据逐个保存在目录下。所以思路就是遍历该目录所有文件，pd读取文件，逐行遍历pd数据，符合条件的记录股票代码及日期

import os
import pandas as pd
import numpy as npdef analysisfiles(_path=""):if _path == "":print("目录未设定")return_result = np.empty((0, 3))  #为结果建立空数组_files = os.listdir(_path)print("共",len(_files),"文件待处理...")#遍历目录for file in _files:#数据预处理_pd = pd.read_csv(_path + "/" + file)#_pd['trade_date'] = pd.to_datetime(_pd['trade_date']) #转换为日期类型，此处会转换失败所以不操作了_pd = _pd.sort_values('trade_date',ascending=True) #按日期升序排列#数据分析'''1.次日跳空高开(次日开盘价>前日收盘价[幅度3%以上])；2.次日收长上影，阳线（次日最高价>次日收盘价[幅度3.5%以上]，次日收盘价>次日开盘价）3.次日成交量放大(次日成交量>前日成交量[幅度3倍以上])'''for i in range(len(_pd)):#最后一条数据不处理if i == len(_pd)-1:break#这里用的效率最低下的下标循环if _pd.iloc[i+1]['open']>_pd.iloc[i]['close'] and _pd.iloc[i+1]['open']/_pd.iloc[i]['close']>=1.03 :#print("满足条件1")if _pd.iloc[i+1]['close']>=_pd.iloc[i+1]['open'] and _pd.iloc[i+1]['high']/_pd.iloc[i+1]['close']>=1.035 :#print("满足条件2")if _pd.iloc[i+1]['vol']/_pd.iloc[i]['vol']>=3:#print("满足条件3")#同时满足所有条件，记录进数组。同时记录了一下出现跳空k线后7日的收盘价涨幅if i+8 < len(_pd):new_row = np.array([_pd.iloc[i]['ts_code'],_pd.iloc[i]['trade_date'],round(_pd.iloc[i+8]['close']/_pd.iloc[i+1]['close']-1,2)*100])else:new_row = np.array([_pd.iloc[i]['ts_code'],_pd.iloc[i]['trade_date'],"nan"])_result = np.vstack([_result, new_row])breakprint("分析中..."+str(round(_pi/len(_files)*100,0))+"%")#返回结果print("end")print(_result)

得到结果：

[['000785.SZ' '20230113' '4.0']
 ['000863.SZ' '20230413' 'nan']
 ['002140.SZ' '20230406' 'nan']
 ['002479.SZ' '20230330' '1.0']
 ['002661.SZ' '20230112' '1.0']
 ['002755.SZ' '20230210' '-1.0']
 ['002807.SZ' '20230117' '-3.0']
 ['002817.SZ' '20230413' 'nan']
 ['002819.SZ' '20230201' '-1.0']
 ['600109.SH' '20230217' '-4.0']
 ['600193.SH' '20230331' '-5.0']
 ['600405.SH' '20230203' '4.0']
 ['600446.SH' '20230109' '0.0']
 ['600753.SH' '20230118' '11.0']
 ['603079.SH' '20230206' '-4.0']
 ['603158.SH' '20230301' '-12.0']
 ['603982.SH' '20230120' '5.0']]

经过验证，还是结果还是正确的。从结果走势也可以看到，基本涨跌对半开，所以光这一个异动并不能说明什么问题，还是需要结合更多指标来看

这里的知识点主要有以下几点：

1.文件遍历。这个比较简单

2.pandas的framedata对象遍历。我选了最直观，但是效率最低下的下标遍历方法。如果遍历1年的股票日k，需要10来分钟。后续还大有优化空间。

3.把传统的描述语言转化成清晰的数据

另外也提下碰到的一些问题，望大神解答：

主文件a中用tkinter定义了窗体win,及进度条控件。文件a中调用b文件定义的函数b()，如何在b()中反过来刷新win窗体中的进度条？

好了，下次我们尽量多尝试些指标，也测试下多指标融合的选股方法，要结合backtrader一起来看了