Python——量化分析常用命令介绍（一）

一说到投资，立马有粉丝找过来，还有人问买啥股票

本公众号不是干这个滴

有多远走多远。。

当然也有对代码感兴趣的小伙伴，本来量化投资分析想告一段落，学个皮毛感觉已经收获匪浅。毕竟从头到尾捋一遍，然后到部署，估计也要三两个月的时间，万一中途碰到几个深坑，时间就更遥遥无期了。即使真的大功告成分享出来，粉丝群体可能也消化不了。而且，眼看今年马上过半，还有很多其他的计划没启动，其实蛮焦虑的。

有位粉丝留言“Talking is cheap show me the code”

，我竟无言以对。既然这样，索性花费一个月简单整整，重心放在python代码，以及建模上吧。其他工具的用法，就不做详解了，再啰嗦今年就结束了……

1

tushare模块

tushare模块，其实挺强大的，可以采集到上市公司和股票相关的各类数据，具体的用法使用help(tushare)即可查看模块的源码，感兴趣的童鞋自己动手，看一眼就知道可以采集哪些信息。

for trading data for trading fundamental for macro data for classifying data for macro data for reference moneyflow_hsgt:沪深港通资金流向 for shibor for tushare pro api for LHB for utils for fund data for trader API for futures API python模块源码

其中有一个get_k_data函数，下面来讲一下它的用法。

get_k_data(code=None, start='', end='', ktype='D', autype='qfq', index=False, retry_count=3, pause=0.001)

具体的用法使用help(tushare.get_k_data)即可查看，感兴趣的童鞋自己动手，参数虽说有好几个，但是说明都是中文的，简单直白，我就不赘述什么了。

2

代码分享

#!/usr/bin/env python3.6
# _*_ coding:utf-8 _*_
# __author__: Ed Frey
# DATE: 2019/6/3

import tushare as ts
import matplotlib.pyplot as plt
df = ts.get_k_data("600150")
df.index = df.pop("date")
print(df)
close = df["close"]
ma10 = close.rolling(10).mean()
ma10.plot()
plt.show()

运行结果：

open close high low volume code

date

2016-04-20 24.858 23.359 24.928 22.640 196396.0 600150

2016-04-21 23.359 23.009 23.449 22.889 115860.0 600150

2016-04-22 22.909 23.369 23.579 22.800 103734.0 600150

2016-04-25 23.329 22.939 23.329 22.720 78124.0 600150

2016-04-26 22.969 23.169 23.259 22.869 59406.0 600150

2016-04-27 23.189 22.929 23.259 22.859 63111.0 600150

2016-04-28 23.019 22.690 23.039 22.380 76631.0 600150

2016-04-29 22.630 22.690 22.899 22.500 59312.0 600150

2016-05-03 22.780 23.319 23.349 22.680 94870.0 600150

2016-05-04 23.309 23.419 23.779 23.139 111832.0 600150

2016-05-05 23.299 23.569 23.679 23.219 98787.0 600150

2016-05-06 23.499 22.510 23.629 22.490 129729.0 600150

2016-05-09 22.280 21.581 22.360 21.481 102230.0 600150

2016-05-10 21.591 22.000 22.360 21.581 87782.0 600150

2016-05-11 22.240 21.820 22.280 21.511 71675.0 600150

2016-05-12 21.681 21.920 21.970 21.301 71046.0 600150

2016-05-13 21.910 21.860 22.220 21.681 60940.0 600150

2016-05-16 21.870 22.320 22.430 21.850 87063.0 600150

2016-05-17 22.420 22.200 22.420 22.080 67209.0 600150

2016-05-18 22.180 21.561 22.180 21.321 86494.0 600150

2016-05-19 21.581 21.611 21.860 21.521 58354.0 600150

2016-05-20 21.341 21.900 22.160 21.281 74041.0 600150

2016-05-23 21.980 22.230 22.460 21.970 81568.0 600150

2016-05-24 22.100 21.860 22.160 21.770 52351.0 600150

2016-05-25 22.090 21.740 22.180 21.740 53873.0 600150

2016-05-26 21.750 21.750 21.930 21.261 71420.0 600150

2016-05-27 21.681 21.880 22.130 21.611 68488.0 600150

2016-05-30 21.910 21.701 21.910 21.481 50539.0 600150

2016-05-31 21.681 22.620 22.640 21.671 162457.0 600150

2016-06-01 22.680 22.640 22.929 22.540 126627.0 600150

... ... ... ... ... ... ...

2019-04-19 29.580 31.460 31.600 28.450 961202.0 600150

2019-04-22 31.100 29.900 31.290 29.800 636622.0 600150

2019-04-23 29.900 26.910 29.900 26.910 624463.0 600150

2019-04-24 26.200 25.460 26.660 24.850 568665.0 600150

2019-04-25 25.150 25.150 26.100 24.740 393997.0 600150

2019-04-26 24.700 23.810 25.000 23.750 375967.0 600150

2019-04-29 23.450 23.000 24.530 22.740 367094.0 600150

2019-04-30 23.000 23.330 24.080 22.770 306996.0 600150

2019-05-06 22.050 21.000 22.220 21.000 311912.0 600150

2019-05-07 20.750 20.980 21.500 20.000 350915.0 600150

2019-05-08 20.250 21.300 21.800 19.700 362563.0 600150

2019-05-09 20.830 20.550 21.600 20.430 273617.0 600150

2019-05-10 21.040 21.520 21.680 19.680 382337.0 600150

2019-05-13 21.000 20.720 21.500 20.600 239957.0 600150

2019-05-14 20.210 20.680 21.170 20.210 223041.0 600150

2019-05-15 20.750 21.090 21.140 20.700 224330.0 600150

2019-05-16 21.110 21.270 21.800 20.860 246134.0 600150

2019-05-17 21.120 20.020 21.220 19.900 250343.0 600150

2019-05-20 19.920 20.040 20.280 19.250 216903.0 600150

2019-05-21 19.870 20.360 20.830 19.860 202544.0 600150

2019-05-22 20.480 20.260 20.520 19.710 171609.0 600150

2019-05-23 20.490 20.080 20.860 20.040 261449.0 600150

2019-05-24 19.810 19.630 20.000 19.290 157734.0 600150

2019-05-27 19.730 20.170 20.260 19.520 159735.0 600150

2019-05-28 20.160 20.150 20.420 19.910 147607.0 600150

2019-05-29 20.080 20.040 20.300 19.950 115235.0 600150

2019-05-30 19.940 19.490 19.970 19.370 123560.0 600150

2019-05-31 19.670 19.510 19.840 19.450 100072.0 600150

2019-06-03 19.810 19.300 20.000 19.290 113183.0 600150

2019-06-04 19.240 17.900 19.260 17.550 270573.0 600150

[640 rows x 6 columns]

其中matplotlib是常用的绘图模块，这里就不做详细介绍了，之前写朋友圈云图的代码时，也有用到过。

这条曲线是600150从2016年4月20日到2019年6月4日的收盘价的10日均价线，有什么用呢？接下来做模型的时候，会参考各类曲线图形的关键点位、计算买卖时间点。

好了，今天先讲这么多，感兴趣的小伙伴可以自己动手玩玩看。

PS:本来想把help的语法介绍贴出来，也许都是引用别人的（有抄袭之嫌），没办法正常发布，这就尴尬了?