摘要：金融领域一向都是与数学和统计高度相关的行业，今天数学建模已经成为金融行业的发展动力和竞争力表现，人才需求旺盛。

金融领域一向都是与数学和统计高度相关的行业，今天数学建模已经成为金融行业的发展动力和竞争力表现，人才需求旺盛。特别是近年来大数据和计算机技术的发展，算法成为投资领域的重要决策手段之一，算法交易也成为重要的股票交易技术，特别是高频交易(HFT)，量化投资等依赖机器算法的模型越来越流行。

恰巧看到一篇国外博客介绍Python在股票投资的应用，俺模仿看看如何玩玩股票投资组合的模型建模方法。第一讲先讲讲如何获取数据和可视化。后面一篇文章讲如何进行投资组合建模。

第一部分先介绍如何获取股票数据和可视化分析，移动平均的分析。

第一步：获取股票数据

我们需要安装一个python包：pip install pandas_datareader

包的相关说明：https://pandas-datareader.readthedocs.io/en/latest/

包可用通过API直接获取yahoo财经，Google 财经，world bank等数据接口提供的股票数据，这里我们用雅虎财经——yahoo finance的股票接口数据。

假设我们要获得沪市贵州茅台(600519.SS)——才有股票代码加沪深SS或SZ。

定义了股票开始日期和截止日期(系统今日时间)后

这样就获得了2010-1-1至2016-12-13日(今天)的贵州茅台股票基本数据。

可用看到很快就得到了沪市A股贵州茅台的近7年的股价数据。

接下来我们进行一系列可视化图表分析

这里用到了标准的matplotlib库，将输出结果呈现在Jupther上。

对于股票类型数据，High、Low、Open、Close、Adj Close如何在一张图上表现，最常用的叫阴阳烛图candlestick_ohlc。

为了阅读方便，画阴阳烛图的Python函数代码在文章最后...

pandas_candlestick_ohlc(maotai)

如果是多只股票的可视化如何表现呢？我们再多抓几只股票数据(同一周期)

我们增加同仁堂600085.SS和全聚德002186.SZ两只股票

看看走势图

我们发现因为三只股票的股价不同，坐标尺度不统一造成可视化不清晰。考量不同股票的股价不同，坐标标度有显著尺度差异，可用考虑用双轴标度可视化。

坐标尺度考虑是一方面，我们也可以考虑采用基期2010-1-4日股价作为基点进行对标或标准化股票指数化。

可视化趋势图

从趋势上看，从2010年第一个交易日开始，这三只股票基本上都是增长趋势，特别是同仁堂股价增长变动较大。

我们还可以计算各种股价的增长或变化，用：

或者：

我先展示用log变化：

最后，在可视化部分我们来看移动平均的趋势图。

在Python中实现q-day的移动平均(moving average)是比较方便的

我们下面分别指定20d、50d和200d的窗口期分析移动平均的走势图

至此我们完成了沪市或深市A股选择的股票交易数据下载，并采用各种可视化和标准化方法，以及给出了移动平均的趋势图的可视化。

当然这不是我玩的目的，只是告诉大家获取数据的方便性，以及Python的各种包的易用性，如果将股票数据下载后导入Tableau或其他软件也可以进行各种分析，特别是R语言有很多股票分析模型。

其实本篇文章的重点是接下来我要描述如何在固定投资金额比如100万，预期收益率10%，止损率20%的条件下如何进行多只股票组合投资的buy-sell模型。

如果您也在玩的话，可以先看看移动平均曲线，以及不同周期移动平均的交叉点的含义。

说实话，俺对股票也是一窍不通的，多头和空头，长线和短线，看空看多的投资策略都影响模型的建立和落实。

大家可以拷贝这段代码：pandas_candlestick_ohlc(maotai)

from matplotlib.dates import DateFormatter, WeekdayLocator, DayLocator, MONDAY

from matplotlib.finance import candlestick_ohlc

def pandas_candlestick_ohlc(dat, stick = "day", otherseries = None):

"""

:param dat: pandas DataFrame object with datetime64 index, and float columns "Open", "High", "Low", and "Close", likely created via DataReader from "yahoo"

:param stick: A string or number indicating the period of time covered by a single candlestick. Valid string inputs include "day", "week", "month", and "year", ("day" default), and any numeric input indicates the number of trading days included in a period

:param otherseries: An iterable that will be coerced into a list, containing the columns of dat that hold other series to be plotted as lines

This will show a Japanese candlestick plot for stock data stored in dat, also plotting other series if passed.

"""

mondays = WeekdayLocator(MONDAY)        # major ticks on the mondays

alldays = DayLocator()              # minor ticks on the days

dayFormatter = DateFormatter(%d)      # e.g., 12

# Create a new DataFrame which includes OHLC data for each period specified by stick input

transdat = dat.loc[:,["Open", "High", "Low", "Close"]]

if (type(stick) == str):

if stick == "day":

plotdat = transdat

stick = 1 # Used for plotting

elif stick in ["week", "month", "year"]:

if stick == "week":

transdat["week"] = pd.to_datetime(transdat.index).map(lambda x: x.isocalendar()[1]) # Identify weeks

elif stick == "month":

transdat["month"] = pd.to_datetime(transdat.index).map(lambda x: x.month) # Identify months

transdat["year"] = pd.to_datetime(transdat.index).map(lambda x: x.isocalendar()[0]) # Identify years

grouped = transdat.groupby(list(set(["year",stick]))) # Group by year and other appropriate variable

plotdat = pd.DataFrame(,

index = [group.index[0]]))

else:

raise ValueError(Valid inputs to argument "stick" include the strings "day", "week", "month", "year", or a positive integer)

# Set plot parameters, including the axis object ax used for plotting

fig, ax = plt.subplots()

fig.subplots_adjust(bottom=0.2)

if plotdat.index[-1] - plotdat.index[0] < pd.Timedelta(730 days):

weekFormatter = DateFormatter(%b %d)  # e.g., Jan 12

ax.xaxis.set_major_locator(mondays)

ax.xaxis.set_minor_locator(alldays)

else:

weekFormatter = DateFormatter(%b %d, %Y)

ax.xaxis.set_major_formatter(weekFormatter)

ax.grid(True)

# Create the candelstick chart

candlestick_ohlc(ax, list(zip(list(date2num(plotdat.index.tolist())), plotdat["Open"].tolist(), plotdat["High"].tolist(),

plotdat["Low"].tolist(), plotdat["Close"].tolist())),

colorup = "black", colordown = "red", width = stick * .4)

# Plot other series (such as moving averages) as lines

if otherseries != None:

if type(otherseries) != list:

otherseries = [otherseries]

dat.loc[:,otherseries].plot(ax = ax, lw = 1.3, grid = True)

ax.xaxis_date()

ax.autoscale_view()

plt.setp(plt.gca().get_xticklabels(), rotation=45, horizontalalignment=right)

plt.show()

pandas_candlestick_ohlc(maotai)