邏輯是參考選擇一個優質股，然後以一定的倉位做波段，選擇的是長期持股的策略，原則是跌了買，反彈了則賣出相應的加倉。。。留有底倉最佳，選擇的版塊推薦是消費+醫藥
之前一直是想後面做一個程式化對股票資料做清洗篩選，然後形成一個交易策略，最終做到自動化交易
期間少不了無數的回測和修正
出差時候，遠離了家裡的電腦遊戲，才沉下來開始寫，小有收穫，但是發現選取的資料庫存在資料缺失，不失為一個大的遺憾，後面看如何去彌補這個
本以為有一個很好的回測結果，但是資料缺失的話，所以計算出的結果，不具備參考性，但是可以在這個基礎上不斷去最佳化日內分時，然後選擇一個策略
原始碼：
importtushareasts
importpandasaspd
importdatetime
token =‘fc087ee503a6feac6cf5dde3e409dc44613d395bab12a4c4470707a4’
pro = ts。pro_api（token）
pd。set_option（‘display。width’，1000）#顯示所有列，從左至右，不隱藏
pd。set_option（‘display。max_columns’， None）#顯示所有列，可能會隱藏中間
pd。set_option（‘display。max_rows’， None）
trade_count = ［，］#初始化記錄買入次數，並新增
#建立一個空dataframe用來新增買的股的記錄
buy_df = pd。DataFrame（columns=［‘date’，‘buy_price’，‘hands’，‘expends’］）
sell_df = pd。DataFrame（columns=［‘date’，‘sell_price’，‘hands’，‘expends’］）
BS_df = pd。DataFrame（columns=［‘date’，‘BS_time’，‘price’，‘hands’，‘amount’，‘BS’］）
total_account = ［0。0，50000。0，50000。0］#股票+可用=總餘額
# print（BS_df）
defstrategy1（code，trade_date，buy_df，sell_df，BS_df，total_account，trade_count）：
df1 = ts。get_hist_data（code，start=trade_date，end=trade_date）#前復權
df2 = ts。get_tick_data（code，date=trade_date，alt="簡單的交易程式" data-isLoading="0" src="/static/img/blank.gif" data-src=‘tt’）
#需要判斷是否股票當天有交易，開始or停牌
if（df1。size >）：
trade_count［］ = trade_count［］ +1
ifdf2is None：
trade_count［1］ = trade_count［1］ +1
print（‘是交易日但是抓取不到當日分時資料……’）
#初始化引數
total_expend =0。0
total_income =0。0
buy_count =#初始化記錄買入次數，並新增
sell_count = buy_df［‘hands’］。sum（）#初始化記錄買入次數，並新增
trade_date = df1。index［］
price_change = df1［‘price_change’］［］
close = df1［‘close’］［］
pre_close = close - price_change
ma5= df1［‘ma5’］［］
ma10= df1［‘ma10’］［］
ma20= df1［‘ma20’］［］
open = df2［‘price’］。iloc［］
close = df2［‘price’］。iloc［-1］
open_change= （open - pre_close）/pre_close*100
close_change= （close - pre_close）/pre_close*100
forbuyindf2。values：
#計算漲跌幅
i = buy［1］
BS_time = buy［］
change =round（（i - pre_close）/pre_close*100，2）
#買入程式判斷
stock_account = sell_count*i*100
ifstock_account/（total_account［2］ +1。0）
if（change < -3。2）and（buy_count
buy_count = buy_count +1#買入次數
expend =round（i*300*（1。0+3。0/10000），2）
buy_df = buy_df。append（pd。DataFrame（{‘date’： trade_date，‘buy_price’： i，‘hands’：3，‘expends’： expend}，index=［］），ignore_index=True）
total_expend = expend + total_expend#計算當日總支出
total_expend =round（float（（total_expend +0。000001） *100） /100。0，2）
total_count = buy_df［‘hands’］。sum（）
daily_change = total_income - total_expend
total_account［］ = total_count * close *100
total_account［］ =round（total_account［］，2）
total_account［1］ = total_account［1］ + daily_change
total_account［1］ =round（total_account［1］，2）
total_account［2］ = total_account［］ + total_account［1］
total_account［2］ =round（total_account［2］，2）
BS_df = BS_df。append（pd。DataFrame（
{‘date’： trade_date，‘BS_time’： BS_time，‘price’： i，‘hands’：3，‘amount’： -expend，‘BS’：‘B’}，
index=［］），ignore_index=True）
print（‘買入條件1觸發…………’，i，change，buy_count，expend，total_account［2］）
if（change < -6。2）and（buy_count
buy_count = buy_count +1#新買入手數
expend = i*100*（1。0+3。0/10000）
buy_df = buy_df。append（pd。DataFrame（
{‘date’： trade_date，‘buy_price’： i，‘hands’：1，‘expends’： expend}，index=［］），ignore_index=True）
total_expend =round（float（（total_expend +0。000001） *100） /100。0，2）
total_count = buy_df［‘hands’］。sum（）
daily_change = total_income - total_expend
total_account［］ = total_count * close *100
total_account［］ =round（total_account［］，2）
total_account［1］ = total_account［1］ + daily_change
total_account［1］ =round（total_account［1］，2）
total_account［2］ = total_account［］ + total_account［1］
total_account［2］ =round（total_account［2］，2）
BS_df = BS_df。append（pd。DataFrame（
{‘date’： trade_date，‘BS_time’： BS_time，‘price’： i，‘hands’：3，‘amount’： -expend，‘BS’：‘B’}，
index=［］），ignore_index=True）
print（‘買入條件2觸發…………’，i，change，buy_count，expend，total_account［2］）
if（change < -9。2）and（buy_count
buy_count = buy_count +1#新買入手數
expend = i*100*（1。0+3。0/10000）
buy_df = buy_df。append（pd。DataFrame（
{‘date’： trade_date，‘buy_price’： i，‘hands’：1，‘expends’： expend}，index=［］），ignore_index=True）
total_expend =round（float（（total_expend +0。000001） *100） /100。0，2）
total_count = buy_df［‘hands’］。sum（）
daily_change = total_income - total_expend
total_account［］ = total_count * close *100
total_account［］ =round（total_account［］，2）
total_account［1］ = total_account［1］ + daily_change
total_account［1］ =round（total_account［1］，2）
total_account［2］ = total_account［］ + total_account［1］
total_account［2］ =round（total_account［2］，2）
BS_df = BS_df。append（pd。DataFrame（
{‘date’： trade_date，‘BS_time’： BS_time，‘price’： i，‘hands’：3，‘amount’： -expend，‘BS’：‘B’}，
index=［］），ignore_index=True）
print（‘買入條件3觸發…………’，i，change，buy_count，expend，total_account［2］）
#賣出程式判斷，遍歷買入記錄做判斷
ifstock_account / （total_account［2］ +1。0） >=0。01：#大於0。5總賬戶才能夠賣出股票
forsellinbuy_df。values：
j = sell［1］
ifsell［］ < trade_date：#只有時間比今天小的才能賣出去
if（i - j）/j >0。03and（sell_count >）：
sell_count = sell_count -1
buy_df = buy_df［~buy_df［‘buy_price’］。isin（［j］）］
income = i*300*（1。0+1。0/1000+3。0/10000）
total_income = income + total_income
total_count = buy_df［‘hands’］。sum（）
daily_change = total_income - total_expend
total_account［］ = total_count * close *100
total_account［］ =round（total_account［］，2）
total_account［1］ = total_account［1］ + daily_change
total_account［1］ =round（total_account［1］，2）
total_account［2］ = total_account［］ + total_account［1］
total_account［2］ =round（total_account［2］，2）
sell_df = sell_df。append（pd。DataFrame（
{‘date’： trade_date，‘sell_price’： j，‘hands’：3，‘expends’： income}，index=［］），ignore_index=True）
BS_df = BS_df。append（pd。DataFrame（
{‘date’： trade_date，‘BS_time’： BS_time，‘price’： i，‘hands’：3，‘amount’： income，‘BS’：‘S’}，
index=［］），ignore_index=True）
print（‘賣出條件觸發…………’，sell［］，trade_date，i，j，sell_count）
# return pre_close，open，open_change，close_change，ma5，ma10，ma20
returnbuy_df。round（2），sell_df。round（2），BS_df。round（2），total_account，trade_count
code =‘002773’
begin = datetime。date（2019，6，24）
end = datetime。date（2020，6，6）
foriinrange（（end - begin）。days +1）：
day = begin + datetime。timedelta（days=i）
trade_date = day。strftime（‘%Y-%m-%d’）
try：
buy_df，sell_df，BS_df，total_account，trade_count = strategy1（code，trade_date，buy_df，sell_df，BS_df，total_account，trade_count）
# print（buy_df，sell_df，BS_df，total_account）
print（‘今天是交易日：’，trade_date）
print（BS_df，total_account，trade_count，sep=‘\n’）
except：
print（‘不存在交易……。。’）
執行的結果：
今天是交易日： 2020-06-05
date BS_time price hands amount BS
0 2019-08-21 14：34：52 32。90 3 -9872。96 B
1 2019-08-26 09：25：05 34。96 3 10501。63 S
2 2019-10-24 09：38：57 32。91 3 -9875。96 B
3 2019-10-28 09：32：39 33。97 3 10204。25 S
4 2019-10-31 09：30：04 30。38 3 -9116。73 B
5 2019-11-05 09：25：05 31。40 3 9432。25 S
6 2019-11-13 13：32：48 30。16 3 -9050。71 B
7 2019-11-14 09：30：37 31。08 3 9336。12 S
8 2019-12-02 09：32：45 38。50 3 -11553。47 B
9 2019-12-04 09：30：58 39。70 3 11925。48 S
10 2020-02-03 09：25：04 34。91 3 -10476。14 B
11 2020-02-03 09：25：04 34。91 3 -3492。05 B
12 2020-02-04 10：06：10 35。96 3 10802。02 S
13 2020-02-04 10：06：10 35。96 3 10802。02 S
14 2020-02-26 14：54：10 34。00 3 -10203。06 B
15 2020-02-28 10：25：43 33。33 3 -10002。00 B
16 2020-03-02 11：09：52 34。35 3 10318。40 S
17 2020-03-02 13：07：22 35。04 3 10525。67 S
18 2020-03-09 09：47：52 35。53 3 -10662。20 B
19 2020-03-10 09：25：01 37。00 3 11114。43 S
20 2020-03-10 10：42：28 35。18 3 -10557。17 B
21 2020-03-11 09：30：13 36。38 3 10928。19 S
22 2020-03-13 09：25：04 33。87 3 -10164。05 B
23 2020-03-16 09：25：02 35。72 3 10729。93 S
24 2020-03-17 10：08：37 34。34 3 -10305。09 B
25 2020-03-18 09：30：07 35。50 3 10663。84 S
26 2020-03-19 13：07：41 34。81 3 -10446。13 B
27 2020-03-20 09：25：01 35。93 3 10793。01 S
28 2020-03-30 10：08：25 39。00 3 -11703。51 B
29 2020-04-01 11：28：46 38。11 3 -11436。43 B
30 2020-04-03 10：21：01 39。30 3 11805。33 S
31 2020-04-03 10：45：49 40。19 3 12072。67 S
32 2020-04-10 13：30：58 40。70 3 -12213。66 B
33 2020-05-11 13：21：19 38。73 3 -11622。49 B
［22902。0， 76257。52， 99159。52］
［233， 105］
總共期間交易日存在233，但是日內資料分時缺失高達105次，所以產生的交易是不完全的，不能拿來參考
最終持倉22902，可用餘額76257，總金額從初始的5W上升到99159
因此換個角度，在一個震盪的區間股，一年操作了33次，也產生了可觀的收益！
共勉~~
其實也嘗試做了分時圖顯示，不過python自帶的畫圖工具好像不太好用，自己也不是很熟悉，後面再擇機看如何做，需要大神一起最佳化速度或許更快~
好久沒寫帖子，水一下~
