使用Tushare接口做中证500基差图

tushare id：463640

# 基差
import pandas as pdimport datetime
import time
import numpy as np
import tushare as ts
# 获取今天（现在时间）
today = datetime.datetime.today()
yesterday = today - datetime.timedelta(days=1)
# 昨天
day_yes = 10000 * yesterday.year + 100 * yesterday.month + yesterday.day
# 前年昨天
year_yes2 = 10000 * (yesterday.year-2) + 100 * yesterday.month + yesterday.day
#pro = ts.pro_api('70a8f0ba9e0cf7cbb006b179f321ec7c2866f5e9aae2e59711c7f516')
#
#df = pro.fut_daily(start_date=str(year_yes2),end_date=str(day_yes),ts_code = 'IC2008.CFE')# 数据接口//***填Tushare接口token
pro = ts.pro_api('***')'''
# 新浪财经接口
import requests
import sys
IC_list = ['IC2008.CFE','IC2009.CFE','IC2012.CFE','IC2103.CFE','IC2106.CFE','IC2109.CFE','IC2203.CFE',]future_code = 'IC2008'
url_str = ('http://stock2.finance.sina.com.cn/futures/api/json.php/CffexFuturesService.getCffexFuturesDailyKLine?symbol='+future_code)
r = requests.get(url_str)
r_json = r.json()
r_lists = list(r_json)
print('future_code,date,open,high,low,close,vol')for r_list in r_lists:for v in r_list:print(v + ',',end='')print('\n')
'''# akshare接口
import akshare as akfutures_main_sina_hist = ak.futures_main_sina(symbol="IC2203", trade_date="20210929")
print(futures_main_sina_hist)#返回相差天数
def Caltime(date1,date2):date1=time.strptime(date1,"%Y-%m-%d")date2=time.strptime(date2,"%Y%m%d")date1=datetime.datetime(date1[0],date1[1],date1[2])date2=datetime.datetime(date2[0],date2[1],date2[2])return (date2-date1).days# WIND数据接口
from WindPy import w
w.start()
w.isconnected()
IC_list = ['IC2008.CFE','IC2009.CFE','IC2012.CFE','IC2103.CFE','IC2106.CFE','IC2109.CFE','IC2203.CFE',]
df = pd.DataFrame()
for value in IC_list:df_tmp = w.wsd(value, "trade_hiscode,close,ltdate_new", "2020-01-01", str(day_yes), 'Days=Alldays;Fill=Previous;TradingCalendar=CFFEX',usedf=True)[1]df_tmp.columns = [value[:6],value[:6]+'收盘价',value[:6]+'最后交易日']df_tmp[value[:6]+'date'] = '20'+value[2:6]+'20'df =pd.concat([df,df_tmp],axis=1)
df_zz500 = w.wsd("000905.SH", "trade_hiscode,close", "2020-01-01", str(day_yes), "Days=Alldays;Fill=Previous",usedf=True)[1]
df_zz500.columns = ["000905.SH",'中证500收盘价']
df = pd.concat([df_zz500,df],axis=1)
df = df.reset_index()
df[['index']] = df[['index']].astype(str)
for value in IC_list:df[value[:6]+'时间差'] = np.nanfor i in range(df.shape[0]):df[value[:6]+'时间差'].iloc[i] = Caltime(df['index'].iloc[i],df[value[:6]+'date'].iloc[i])for value in IC_list:df[value[:6]+'基差']=(df[value[:6]+'收盘价']/df['中证500收盘价']-1)*365/df[value[:6]+'时间差']data = df.iloc[:,-len(IC_list):]
data = pd.concat([df['index'],data],axis=1)
data = data.set_index(['index'])
data = data[data.columns[::-1]]
data = data.dropna(axis=0,how='all')
data['基差序列'] = np.nan
for indexs in data.index:data['基差序列'].loc[indexs] = data.loc[indexs][np.isfinite(data.loc[indexs])][0]
data['基差序列'] = data['基差序列'].apply(lambda x: round(float(x)*100,2))# 基差图
import pyecharts.options as opts
from pyecharts.charts import Line
l2 = (Line(init_opts=opts.InitOpts(width="1500px", height="360px")).add_xaxis(xaxis_data=data.index.tolist()).add_yaxis(series_name="百分比%",y_axis=data['基差序列'].tolist(),label_opts=opts.LabelOpts(is_show=False),linestyle_opts=opts.LineStyleOpts(width=1.5),is_smooth=True) .set_global_opts(title_opts=opts.TitleOpts(title="基差图",pos_left="center",pos_top="top",),tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),legend_opts=opts.LegendOpts(is_show=False),datazoom_opts=[opts.DataZoomOpts(range_start=0, range_end=100),opts.DataZoomOpts(type_="inside", range_start=0, range_end=100),],xaxis_opts=opts.AxisOpts(type_="category", boundary_gap=False,position="top"),yaxis_opts=opts.AxisOpts(name="百分比%", type_="value",name_location = "start"),)#.render("基差图.html")
)# (
#     Grid(init_opts=opts.InitOpts(width="1520px", height="700px"))
#     .add(chart=l1, grid_opts=opts.GridOpts(pos_left=50, pos_right=50, height="35%"))
#     .add(chart=l2,grid_opts=opts.GridOpts(pos_left=50, pos_right=50, pos_top="55%", height="35%"),
#     )
#     .render("监控图.html")
# )
page = Page(layout=Page.SimplePageLayout)
page.add(l1,l2)
page.render("监控图.html")
import webbrowser
webbrowser.open_new_tab('监控图.html')

使用Tushare接口做中证500基差图相关推荐

使用tushare检验沪深300收益率和中证500收益率相关性
使用tushare检验沪深300收益率和中证50收益率相关性 tushare 安装tushare 初始化tushare 获取沪深300和中证500数据检验相关性合并数据计算相关系数画图 tus ...
【量化选基】中证500指数增强比300增强好吗？
回测区间:2016年1月1日,到2022年4月29日. 对比指数,300增强,500增强 500增强组合,年化8.63%,年度最大回撤-30% 300增强组合,年化收益9.01%,年度最大回撤-26% ...
使用python对tushare中证500的数据进行股票评价。
实验目的 1. 股票评价实验要求对中证500股票进行评价. 实验过程获取中证500的历史数据,把中证500的股票代码放在一个dataFrame()中. import tushare as ...
tushare获得沪深300和中证500的股票
tushare获得沪深300和中证500的股票 import tushare as tsresult = ts.get_zz500s() result.to_csv("zz500.csv&q ...
A股常见的宽基指数：沪深300，中证500，和创业板指数
沪深300指数:是国内最具代表性的指数指数简介: 沪深300指数是由中证指数公司开发的,从上海证券交易所和深圳证券交易所挑选的规模最大,流动性最好的 300 只股票组成其实指数的命名规则还是挺有意 ...
2022 水花走向哪里？中概 / 恒生 / 投顾 / 中证 500 / 传媒？
本周操作汇总「周一」「网格策略」以 98.28 卖出一份油气开采指数(美股 XOP) 「周五」「股票」以 38.00 卖出永安期货(600927 「周五」「E 大 S 定投」买入三份恒生 ETF(场 ...
量化入门系列：沪深300、中证500、中证1000的估值百分位
本系列通过一些实例介绍量化的入门知识,适合零基础的初学者.本篇计算三个宽基指数:沪深300.中证500.中证1000的估值百分位,并将其与价格百分位比较. 本文的程序运行前要先导入数据源和pandas ...
python 趋势线计算式_LLT指标-低延迟趋势线对中证500的python复现过程
大家好,我是上海大侠看了半个小时的研报和视频,对具体实现过程含糊其辞,表述不清,模糊重点,甚至还有多处写错本着知识开源的想法,我将我的探索过程公开,以期给同样在这条路上摸索的朋友节省一点走弯路的力 ...
多图解读三大股票指数沪深300、中证500、中证1000有何细节差异
指数分类的标准有很多,比如说按市场分.按投资标的分.按指数代表性分.从代表性来分类的话,一般可以分为有三类:综合指数.宽基指数.窄基指数. 综合指数是指成分股包含所有上市的股票,以反映全市场的状况,最 ...

使用Tushare接口做中证500基差图

使用Tushare接口做中证500基差图相关推荐

最新文章

热门文章