python股票分析Tushare

主题： 第一步：pip install pandas-datareader 第二步： import pandas.io.data as web改为 import pandas_datareader.data as web 第三步： 第四步：px=web.DataReader('GS','yahoo')改为px=web.DataReader('F-F_Research_Data_factors','famafrench') 参考网址：1、 2、 3、 4、 5、 后来了解到没有上面这么麻烦 （这里面说的很全） Tushare是一个免费、开源的python财经数据接口包。主要实现对股票等金融数据从数据采集、清洗加工 到 数据存储的过程，能够为金融分析人员提供快速、整洁、和多样的便于分析的数据，为他们在数据获取方面极大地减轻工作量，使他们更加专注于策略和模型的研究与实现上。考虑到Python pandas包在金融量化分析中体现出的优势，Tushare返回的绝大部分的数据都是pandas DataFrame类型，非常便于用pandas/NumPy/Matplotlib进行数据分析和可视化。当然，如果您习惯了用Excel或者关系型数据库做分析，您也可以通过Tushare的数据存储功能，将数据全部保存到本地后进行分析。应一些用户的请求，从0.2.5版本开始，Tushare同时兼容Python 2.x和Python 3.x，对部分代码进行了重构，并优化了一些算法，确保数据获取的高效和稳定。 Tushare从发布到现在，已经帮助很多用户在数据方面降低了工作压力，同时也得到很多用户的反馈，Tushare将一如既往的用免费和开源的形式分享出来，希望对有需求的人带来一些帮助。如果您觉得Tushare好用并有所收获，请通过微博、微信或者网站博客的方式分享出去，让更多的人了解和使用它，使它能在大家的使用过程中逐步得到改进和提升。Tushare还在不断的完善和优化，后期将逐步增加港股、期货、外汇和基金方面的数据，所以，您的支持和肯定才是Tushare坚持下去的动力。 2016年新年第一贴，大年夜搞这个只能说明春晚实在是有点无聊。 在之前的blog里写了一个最简单的例子： 现在试一下简单的分析，即设定一个策略：以20日线为标准，当前股价低于20日线的时候就卖出，高于20日线的时候就买入。 然后计算一下这个策略的效果。 主要用 TuShare  里的 get_hist_data 这个接口，用于获取到目前为止3年的历史数据。 主要的用法参照如下： 获取个股历史交易数据（包括均线数据），可以通过参数设置获取日k线、周k线、月k线，以及5分钟、15分钟、30分钟和60分钟k线数据。本接口只能获取近3年的日线数据，适合搭配均线数据进行选股和分析，如果需要全部历史数据，请调用下一个接口get_h_data()。 参数说明： l code：股票代码，即6位数字代码，或者指数代码（sh=上证指数 sz=深圳成指 hs300=沪深300指数 sz50=上证50 zxb=中小板 cyb=创业板） l start：开始日期，格式YYYY-MM-DD l end：结束日期，格式YYYY-MM-DD l ktype：数据类型，D=日k线 W=周 M=月 5=5分钟 15=15分钟 30=30分钟 60=60分钟，默认为D l retry_count：当网络异常后重试次数，默认为3 l pause:重试时停顿秒数，默认为0 返回值说明： l date：日期 l open：开盘价 l high：最高价 l close：收盘价 l low：最低价 l volume：成交量 l price_change：价格变动 l p_change：涨跌幅 l ma5：5日均价 l ma10：10日均价 l ma20:20日均价 l v_ma5:5日均量 l v_ma10:10日均量 l v_ma20:20日均量 l turnover:换手率[注：指数无此项] 那我们只要比较 v_ma20 和 close 这两个值就可以了。 OK，写了一个很简单的程序： #!/usr/bin/python  # coding: UTF-8  """This script parse stock info"""  import tushare as ts  def parse(code_list):  '''''process stock'''  is_buy    = 0  buy_val  = []  buy_date  = []  sell_val  = []  sell_date = []  df = ts.get_hist_data(STOCK)  ma20 = df[u'ma20']  close = df[u'close']  rate = 1.0  idx = len(ma20)  while idx > 0:  idx -= 1  close_val = close[idx]  ma20_val = ma20[idx]  if close_val > ma20_val:  if is_buy == 0:  is_buy = 1  buy_val.append(close_val)  buy_date.append(close.keys()[idx])  elif close_val < ma20_val:  if is_buy == 1:  is_buy = 0  sell_val.append(close_val)  sell_date.append(close.keys()[idx])  print("stock number: %s" %STOCK) print ("buy count  : %d" %len(buy_val) ) print ("sell count  : %d" %len(sell_val) ) for i in range(len(sell_val)):  rate = rate * (sell_val[i] * (1 - 0.002) / buy_val[i])  print ("buy date : %s, buy price : %.2f" %(buy_date[i], buy_val[i]))  print ("sell date: %s, sell price: %.2f" %(sell_date[i], sell_val[i]))  print ("rate: %.2f" % rate)  if __name__ == '__main__':  STOCK = '300286'      ##浦发银行  parse(STOCK)