前言
使用Python开发一个股票项目。
项目地址：
https://github.com/pythonstock/stock
相关资料：
http://blog.csdn.net/freewebsys/article/category/7076584
主要使用开发语言是python。
使用的lib库是pandas，tushare，TensorFlow，tornado等。
本文的原文连接是: http://blog.csdn.net/freewebsys/article/details/78291346
未经博主允许不得转载。
博主地址是：http://blog.csdn.net/freewebsys
1，研究股票数据
参考下python处理股票市场数据：
英文版：
An Introduction to Stock Market Data Analysis with Python (Part 1)
https://ntguardian.wordpress.com/2016/09/19/introduction-stock-market-data-python-1/
An Introduction to Stock Market Data Analysis with Python (Part 2)
https://ntguardian.wordpress.com/2016/09/26/introduction-stock-market-data-python-2/
中文版：
Python股市数据分析教程——学会它，或可以实现半“智能”炒股 (Part 1)
https://yq.aliyun.com/articles/66878
Python股市数据分析教程——学会它，或可以实现半“智能”炒股 (Part 2)
https://yq.aliyun.com/articles/66817
发现这个代码是基于 yahoo 财经的很就以前的代码根本不能运行。
所以跑起来没有啥意义。
于是研究使用 优矿 api 进行下简单的数据分析。
2，代码实现： import pandas as pdimport pandas.io.data as webimport matplotlib.pyplot as pltimport datetimeimport numpy as npstart = datetime.datetime(2016, 1, 1)end = datetime.date.today() – datetime.timedelta(days=1) # yesterday .# IOError Traceback (most recent call last)# apple = web.DataReader(“AAPL”, “yahoo”, start, end)# 以【平安银行】为例：out_data = DataAPI.MktEqudGet(secID=u”000001.XSHE”, beginDate=start, endDate=end, pandas=”1″)print(start, end)# openPrice float 今开盘# highestPrice float 最高价# lowestPrice float 最低价# closePrice float 今收盘# turnoverVol float 成交量# turnoverValue float 成交金额# dealAmount int 成交笔数# turnoverRate float 日换手率# 重新设置 index 和数据。out_data = pd.DataFrame({ “openPrice”: out_data[“openPrice”].values, “highestPrice”: out_data[“highestPrice”].values, “lowestPrice”: out_data[“lowestPrice”].values, “closePrice”: out_data[“closePrice”].values, “turnoverVol”: out_data[“turnoverVol”].values, “turnoverValue”: out_data[“turnoverValue”].values, “dealAmount”: out_data[“dealAmount”].values, “turnoverRate”: out_data[“turnoverRate”].values}, index=out_data[“tradeDate”].values)print(“####### len:”, len(out_data))figsiz_all = (18, 4)# .subplots(1, 3, figsize=(9, 3), sharey=True) plt.figure()out_data[“closePrice”].plot(grid=True, figsize=figsiz_all, title=”closePrice”)####################### 计算今日收盘价回归 #######################plt.figure() # 在新创建一个图表。out_data[“return”] = np.log(out_data[“closePrice”] / out_data[“closePrice”].shift(1))# print(out_data.head())out_data[“return”].plot(grid=True, figsize=figsiz_all, title=”closePrice return”)####################### 计算今日收盘价波动 #######################out_data[“25d”] = pd.rolling_mean(out_data[“closePrice”], window=25)out_data[“50d”] = pd.rolling_mean(out_data[“closePrice”], window=50)print(out_data.head(n=2))plt.figure() # 在新创建一个图表。out_data[[“closePrice”, “25d”, “50d”]].plot(grid=True, figsize=figsiz_all, title=”25d 50d”)
其中使用api DataAPI.MktEqudGet 获得的是平安银行（000001.XSHE）的股票数据。
相关的参数说明：
https://uqer.io/data/browse/0/?page=1
输入开始时间，结束时间。返回的是一个python pandas 的 dataFrame 对象。
使用
out_data[“return”] = np.log(out_data[“closePrice”] / out_data[“closePrice”].shift(1))
用【今日收盘价格】/ 【昨天收盘价格】得出的一个回归值。
使用
out_data[“25d”] = pd.rolling_mean(out_data[“closePrice”], window=25)out_data[“50d”] = pd.rolling_mean(out_data[“closePrice”], window=50)
计算移动平均线25日的和50日的。
计算结果展示：
3，总结
pandas 处理股票数据，还是非常的方便的。
可以对数据进行计算。同时使用plt 将图形可视化。
同时在 uqer.io 上面进行测试方便了很多。
但是由于 uqer.io 上面不能进行数据的存储（需要pro版本），只能计算。
但是也有好处，可以模拟进行实施交易。测试自己的算法思路呢。
接下来研究 tushare 报表展示。uqer.io 上面用的lib库还不是很全面。
有很多自己的api，各有利弊吧。
本文的原文连接是: http://blog.csdn.net/freewebsys/article/details/78291346
未经博主允许不得转载。
博主地址是：http://blog.csdn.net/freewebsys
34966645
