夏買電，東買煤？ · Python 量化交易教程

# 夏買電，東買煤？ > 來源：https://uqer.io/community/share/563c8050f9f06c713ddfeb6c 冬吃蘿卜夏吃姜？冬炒煤來夏炒電？行業分類：申萬二級行業行業漲幅：行業成分股市值加權驗證時間：冬天(12,1,2)、夏天(7,8,9)..O、O .... 不懂什么夏至，春分，冬至啊/........ 主觀預測：然并卵好嗎。!!!....唱唱 [炒股歌](http://baike.baidu.com/link?url=xofsFm-IwV2ll0v-JA0W0mfIw6apRmhD2NhcA9e1oRJ_gV6P8VvHf6xfTXypGVn6C0X9zSk-bmUVew5_HpfIeq) 都能攥錢還要我們混嗎？參考：[Uqer社區牛人李杰關于行業漲幅統計的貼子](https://uqer.io/community/share/55401d69f9f06c1c3d687fa1) ```py #獲得行業信息 def GetEquIndustry(universe,field): num = 100 cnt_num = len(universe)/num if cnt_num > 0: df = pd.DataFrame({}) for i in range(cnt_num) : sub_df = DataAPI.EquIndustryGet(secID=universe[i*num:(i+1)*num],field=field) df = pd.concat([df,sub_df]) if (i+1)*num != len(universe): sub_df = DataAPI.EquIndustryGet(secID=universe[(i+1)*num:],field=field) df = pd.concat([df,sub_df]) else: df = DataAPI.EquIndustryGet(secID=universe,field=field) return df ``` 選取行業，將行業所屬股票加入`universe` ```py from CAL.PyCAL import * import pandas as pd cal = Calendar('China.SSE') universe = DataAPI.EquGet(equTypeCD='A')['secID'].tolist() #獲得全A股的secID id2nm = lambda x:x[0:6] tk_list_A = map(id2nm,universe) #獲得全A股的ticker Ind_info = GetEquIndustry(universe=universe,field=['ticker','secShortName','industryName2']) #獲得個股的申萬行業分類 Ind_info_gp = Ind_info.groupby('industryName2')#按照行業分組 universe = [] Ind_tks_dic = {} #獲得每個行業包含的股票 for ind_nm,sub_info in Ind_info_gp: if ind_nm in ['電力' , '煤炭開采'] : Ind_tks_dic[ind_nm] = sub_info.drop_duplicates('ticker')['ticker'].tolist() universe += Ind_tks_dic[ind_nm] # print len(universe) ``` 獲取所需各段時間段的數據，放入`Data_time`中 ```py from pandas import DataFrame,Series from CAL.PyCAL import * cal = Calendar('China.SSE') data = DataFrame() field = ['ticker','secShortName','tradeDate','preClosePrice','closePrice','turnoverValue'] #時間軸(開始時間) time = ['20150630','20140630','20130630','20120630','20110630', '20141130', '20131130', '20121130', '20111130', '20101130'] #保存各個時間段的數據 Data_time = {} #保存各個時間段的股票名字 tk_nm_dic ={} for s in time : Data_time[s] = DataFrame() data_temp = DataAPI.MktEqudAdjGet( ticker = universe , field =field , beginDate = s , endDate = cal.advanceDate(s,'3M', BizDayConvention.Following).strftime('%Y%m%d')) data_temp['marketValue'] = DataAPI.MktEqudGet(ticker = universe ,field ='marketValue' , beginDate = s , endDate = cal.advanceDate(s,'3M', BizDayConvention.Following).strftime('%Y%m%d')) Data_time[s] = pd.concat([Data_time[s],data_temp]) tk_nm_dic[s] = dict(zip(Data_time[s]['ticker'],Data_time[s]['secShortName'])) # 獲得個股ticker與名稱的對應字典 for s in Data_time.values() : s['tradeDate'] = pd.to_datetime(s['tradeDate']) # 將tradeDate這一列的格式由string改為datetime s['increase'] = s['closePrice']/s['preClosePrice'] # 獲得個股每天的收益 ``` ```py #股票數據統計 Stock_Data = {} for s in Data_time.keys() : Stock_dict = {'ticker':[],'income':[],'turnoverValue':[] ,'marketValue' :[]} # 獲得每個時間段的Data計算個股的收益和平均市值 for tk,sub_info in Data_time[s].groupby('ticker') : income = sub_info['increase'].prod()-1 # 獲得在這段時間內該股的漲幅 mkt_value = sub_info['marketValue'].sum()/len(sub_info) turnoverValue_avg = sub_info['turnoverValue'].sum()/len(sub_info) Stock_dict['ticker'].append(tk) Stock_dict['income'].append(income) Stock_dict['marketValue'].append(mkt_value) Stock_dict['turnoverValue'].append(turnoverValue_avg) # 返回時間為Key的個股數據 Stock_Data[s] = pd.DataFrame(Stock_dict) ``` ```py #行業數據統計 Output_dicy = {} Output_dicy['industry'] = [] Output_dicy['Num'] = [] Output_dicy['bigstk_Summer15'] = [] Output_dicy['bigstk_Winter14'] = [] for ind,tks in Ind_tks_dic.items() : for table in Stock_Data.keys() : if not table in Output_dicy.keys() : Output_dicy[table] = [] sub_Industry = Stock_Data[table][Stock_Data[table]['ticker'].isin(tks)] # 行業指數收益 rtn_Industry = (sub_Industry['income']*sub_Industry['marketValue']).sum()/sub_Industry['marketValue'].sum() # 成交量 bigstk = sub_Industry.sort(columns='turnoverValue',ascending=False)['ticker'][0:3].tolist() Output_dicy[table].append(rtn_Industry) # 計算成交量 if table == '20150630' : Output_dicy['bigstk_Summer15'].append(map(lambda x:tk_nm_dic['20150630'][x],bigstk)) if table == '20141130' : Output_dicy['bigstk_Winter14'].append(map(lambda x:tk_nm_dic['20141130'][x],bigstk)) #最新行業成分數量 Output_dicy['Num'].append(len(sub_Industry)) Output_dicy['industry'].append(ind) # 計算上證指數同期漲幅 for s in time : temp = DataAPI.MktIdxdGet(ticker= '000001' , beginDate = s , endDate = cal.advanceDate(s,'3M', BizDayConvention.Following).strftime('%Y%m%d'),field=u"secShortName,closeIndex",pandas="1") SH_rtn = temp['closeIndex'].values[-1] / temp['closeIndex'].values[0] - 1 Output_dicy[s].append(SH_rtn) Output_dicy['Num'].append(1) Output_dicy['industry'].append('上證指數') Output_dicy['bigstk_Winter14'].append(None) Output_dicy['bigstk_Summer15'].append(None) Output_table = pd.DataFrame(Output_dicy) ``` ```py # 夏天統計 Out_put = Output_table.loc[:,['industry','Num','20110630','20120630','20130630','20140630','20150630','bigstk_Summer15']] Out_put.columns = [u'行業名稱',u'該行業成分股數目(15年)',u'2011年夏天收益',u'2012年夏天收益',u'2013年夏天收益',u'2014年夏天收益',u'2015年夏天收益',u'2015年夏天成交量前三'] # print u'一共有%d個申萬二級行業'%len(Out_put),u'，1年內行業漲幅' Out_put.sort(u'2015年夏天收益' , ascending = False) ``` | | 行業名稱 | 該行業成分股數目(15年) | 2011年夏天收益 | 2012年夏天收益 | 2013年夏天收益 | 2014年夏天收益 | 2015年夏天收益 | 2015年夏天成交量前三 | | --- | --- | | 0 | 電力 | 65 | -0.164885 | -0.080913 | 0.047399 | 0.311616 | -0.277611 | [中國核電, 國電電力, 梅雁吉祥] | | 2 | 上證指數 | 1 | -0.145853 | -0.068142 | 0.089925 | 0.154049 | -0.286270 | None | | 1 | 煤炭開采 | 44 | -0.095143 | -0.029945 | 0.070714 | 0.244293 | -0.341531 | [國投新集, 中國神華, 中煤能源] | 14年夏天電力還不錯。。。 ```py # 冬天統計 Out_put = Output_table.loc[:,['industry','Num','20101130','20111130','20121130','20131130','20141130','bigstk_Winter14']] Out_put.columns = [u'行業名稱',u'該行業成分股數目(15年)',u'2010年冬天收益',u'2011年冬天收益',u'2012年冬天收益',u'2013年冬天收益',u'2014年冬天收益',u'2014年冬天成交量前三'] # print u'一共有%d個申萬二級行業'%len(Out_put),u'，1年內行業漲幅' Out_put.sort(u'2014年冬天收益' , ascending = False) ``` | | 行業名稱 | 該行業成分股數目(15年) | 2010年冬天收益 | 2011年冬天收益 | 2012年冬天收益 | 2013年冬天收益 | 2014年冬天收益 | 2014年冬天成交量前三 | | --- | --- | | 2 | 上證指數 | 1 | 0.030095 | 0.040744 | 0.194673 | -0.068438 | 0.244808 | None | | 0 | 電力 | 65 | -0.018729 | -0.003542 | 0.161399 | -0.043282 | 0.210642 | [國電電力, 國投電力, 長江電力] | | 1 | 煤炭開采 | 44 | 0.059724 | 0.017702 | 0.157182 | -0.209695 | 0.140903 | [中國神華, 國投新集, 西山煤電] | 冬買煤、冬買煤、冬買煤，呵呵！趕緊買...保證虧不死！ O.....~