
如何使用Python api 函數(shù)寫股票策略
寫策略需要了解的語法包括兩方面,一方面是語言本身的語法(包括相關(guān)庫),另一方面是量化平臺提供的api。量化平臺提供的api幫助文件里都有了,本文主要介紹寫策略經(jīng)常用到的庫(datetime、numpy、pandas)中的一些函數(shù)。
1、 利用datetime庫做日期、時(shí)間操作
利用context.now可以獲得當(dāng)前策略運(yùn)行的時(shí)間,返回的是datetime.datetime格式。datetime.datetime格式可以很方便的進(jìn)行日期、時(shí)間操作。比如timedelta可以很方便的在日期上做日、小時(shí)、分鐘、秒的運(yùn)算。例如,需要策略運(yùn)行時(shí)間1天前的時(shí)間,可以這樣寫:context.now+datetime.timedelta(days=-1),返回的便是一天前的時(shí)間。
2、 利用pandas做數(shù)據(jù)變頻。
量化平臺一般只提供分鐘或者日頻的數(shù)據(jù),如果我們需要周、月的數(shù)據(jù)怎么辦呢?pandas的resample函數(shù)可以很好的解決這個(gè)問題。舉個(gè)例子,假如我們需要滬深300每月最后一個(gè)交易日的收盤價(jià),我們可以這樣寫:
d= get_history(100,'1d','close')[‘000300.SH’].resample(‘m’,how=’last’)
3、利用set格式選取交集
有的時(shí)候我們利用不同標(biāo)準(zhǔn)會得到不同的股票池,如果想得到不同股票池的共同股票,那么可以使用set格式。Set格式可以很方便的進(jìn)行交集、并集等集合運(yùn)算。這里舉一個(gè)例子,比如我們通過設(shè)置一定的財(cái)務(wù)數(shù)據(jù)條件會得到一個(gè)dataframe,記作df。df的列為股票代碼,但可能并不都是我們所需的,比如我們只想得到滬深300的成份股,那么可以這樣操作:1、s=get_index_constituents(‘000300.SH’) 得到滬深300的成份股。2、z=set(s) & set(df.columns) 得到交集z。3、得到的z是set格式,需要轉(zhuǎn)換為list格式,可以這樣操作 zl=list(z)。4、利用pandas 函數(shù) 篩選出我們需要的個(gè)股 d=df.loc[:zl] d即位我們所需要的數(shù)據(jù)。
4、 利用try…except跳過出錯(cuò)部分代碼
有時(shí)候我們會遇到一些不是很重要的問題,但是由于遇到這類問題會報(bào)錯(cuò),從而影響程序執(zhí)行,這時(shí)我們希望的是忽略這些錯(cuò)誤就可以了。下面舉一個(gè)例子說明try…except 的用法。
比如:我們用p表示一只股票某一時(shí)刻的價(jià)格,v表示這只股票的成交量,我們想計(jì)算p/v,但是有可能該股票沒有成交量(停牌,或者漲跌停了)這時(shí)直接計(jì)算就會出錯(cuò),程序會跳出。這是我們可以try…except做如下處理:
try:d=p/v
except:d=0
意思就是如果計(jì)算p/v發(fā)生錯(cuò)誤,那么就將d賦值為0
5、 利用pickle模塊保存變量
有時(shí)候我們需要將當(dāng)前工作空間的變量保存下來,這時(shí)可以使用pickle來解決,舉個(gè)例子,假如目前工作空間有a,b,c三個(gè)變量,我們可以進(jìn)行如下操作:1、f=open(‘file.pkl’,’wb’) 建立一個(gè)文件鏈接。2、import pickle;pickle.dump([a,b,c],f) 這樣就可以保存了。讀取時(shí)1、f=open(‘file.pkl’,’rb’) 2、import pickle;z=pickle.load([a,b,c],f) 這樣將讀取的變量都保存到了z變量中,通過z[0],z[1],z[2]可以獲取a,b,c變量。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10