设置股票代码与时间范围

admin 2026-03-25 阅读:35 评论:0

Python股票分析实战案例：从数据获取到策略回测在金融科技快速发展的今天，Python凭借其简洁的语法、丰富的库生态（如Pandas、NumPy、Matplotlib、TA-Lib等）和强大的数据处理能力，已成为股票分析量化领域的首选...

Python股票分析实战案例：从数据获取到策略回测

在金融科技快速发展的今天，Python凭借其简洁的语法、丰富的库生态（如Pandas、NumPy、Matplotlib、TA-Lib等）和强大的数据处理能力，已成为股票分析量化领域的首选工具，本文将通过一个完整的Python股票案例，展示从数据获取、技术指标计算、数据可视化到简单策略回测的全流程,帮助读者快速上手股票量化分析。

案例目标

本文以A股市场“贵州茅台（600519.SH）”为例，实现以下目标：

获取茅台股票的历史交易数据（开盘价、收盘价、最高价、最低价、成交量等）；
计算常用技术指标（移动平均线MA、相对强弱指数RSI）；
通过可视化直观展示股价走势与指标关系；
构建简单的“双均线交叉”交易策略,并进行回测评估。

环境准备

首先确保安装必要的Python库，可通过以下命令安装：

pip install pandas numpy matplotlib yfinance ta

yfinance：用于从Yahoo Finance获取股票数据；
ta：技术指标计算库；
pandas/numpy：数据处理；
matplotlib：数据可视化。

完整代码实现与解析

获取股票历史数据

使用yfinance库获取茅台2020年至2023年的日线数据：

import yfinance as yf
import pandas as pd
stock_code = "600519.SS"  # 雅虎财经A股后缀为.SS
start_date = "2020-01-01"
end_date = "2023-12-31"
# 下载数据
data = yf.download(stock_code, start=start_date, end=end_date)
# 查看数据前5行
print(data.head())

输出结果包含Open（开盘价）、High（最高价）、Low（最低价）、Close（收盘价）、Adj Close（复权收盘价）、Volume（成交量）等列。

计算技术指标

借助ta库计算MA（移动平均线）和RSI（相对强弱指数）：

from ta.trend import SMAIndicator
from ta.momentum import RSIIndicator
# 计算5日、20日移动平均线
data['MA5'] = SMAIndicator(data['Close'], window=5).sma_indicator()
data['MA20'] = SMAIndicator(data['Close'], window=20).sma_indicator()
# 计算14日RSI
data['RSI'] = RSIIndicator(data['Close'], window=14).rsi()
# 查看计算后的数据
print(data[['Close', 'MA5', 'MA20', 'RSI']].tail())

MA：反映股价短期（MA5）和中期（MA20）趋势；
RSI：衡量市场超买（>70）或超卖（<30）状态。

数据可视化

使用matplotlib绘制股价与指标走势图：

import matplotlib.pyplot as plt
# 设置图表风格
plt.style.use('seaborn')
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 8), sharex=True)
# 子图1：股价与移动平均线
ax1.plot(data['Close'], label='收盘价', color='black', alpha=0.7)
ax1.plot(data['MA5'], label='MA5', color='blue', linestyle='--')
ax1.plot(data['MA20'], label='MA20', color='red', linestyle='--')
ax1.set_title('贵州茅台股价与移动平均线走势')
ax1.legend()
ax1.grid(True)
# 子图2：RSI
ax2.plot(data['RSI'], label='RSI', color='purple')
ax2.axhline(70, color='red', linestyle=':', label='超买线(70)')
ax2.axhline(30, color='green', linestyle=':', label='超卖线(30)')
ax2.set_title('RSI指标')
ax2.legend()
ax2.grid(True)
plt.tight_layout()
plt.show()

图表将直观显示：

股价与MA5、MA20的金叉（MA5上穿MA20，买入信号）与死叉（MA5下穿MA20，卖出信号）；
RSI在超买/超卖区间的波动情况。

构建双均线策略并回测

策略逻辑：

买入信号：MA5上穿MA20（金叉）；
卖出信号：MA5下穿MA20（死叉）；
无仓位时：满足买入信号则买入（收盘价买入，仓位100%）；
有仓位时：满足卖出信号则卖出（收盘价卖出，仓位0%）。

回测代码：

# 初始化变量
data['Position'] = 0  # 仓位：1表示持有，0表示空仓
data['Return'] = 0    # 日收益率
# 遍历数据生成交易信号
for i in range(1, len(data)):
    # 金叉：MA5上穿MA20
    if data['MA5'].iloc[i] > data['MA20'].iloc[i] and data['MA5'].iloc[i-1] <= data['MA20'].iloc[i-1]:
        data['Position'].iloc[i] = 1
    # 死叉：MA5下穿MA20
    elif data['MA5'].iloc[i] < data['MA20'].iloc[i] and data['MA5'].iloc[i-1] >= data['MA20'].iloc[i-1]:
        data['Position'].iloc[i] = 0
    else:
        data['Position'].iloc[i] = data['Position'].iloc[i-1]  # 保持前一仓位
# 计算日收益率（策略收益率）
data['Return'] = data['Close'].pct_change() * data['Position'].shift(1)
# 计算累计收益率
data['Cumulative_Return'] = (1 + data['Return']).cumprod()
# 输出回测结果
total_return = data['Cumulative_Return'].iloc[-1] - 1
print(f"策略总收益率: {total_return:.2%}")
# 绘制累计收益率曲线
plt.figure(figsize=(12, 6))
plt.plot(data['Cumulative_Return'], label='双均线策略', color='blue')
plt.axhline(y=1, color='red', linestyle='--', label='基准（买入持有）')'双均线策略累计收益率')
plt.legend()
plt.grid(True)
plt.show()

回测结果分析：