forked from ustkaka/Machine-Stock
-
Notifications
You must be signed in to change notification settings - Fork 0
/
machine_1.py
173 lines (107 loc) · 6.6 KB
/
machine_1.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
# -*- coding: utf-8 -*-
"""
Created on Wed Apr 17 21:40:13 2019
@author: Administrator
"""
import numpy as np
import matplotlib.pyplot as plt
#import sys
from matplotlib.dates import DateFormatter
from matplotlib.dates import DayLocator
from matplotlib.dates import MonthLocator
from matplotlib.dates import date2num, num2date
from datetime import datetime
from functools import reduce
#import tushare as ts
def datestr2num(s):
date1 = datetime.strptime(s.decode('ascii'), "%Y/%m/%d").date()
date = date2num(date1)
return date
###############################################################################
############################ 一、标准化数据 ################################
# 1、提取数据 #########################################################
alldays = DayLocator()
months = MonthLocator()
month_formatter = DateFormatter("%b %Y")
#quotes_pre的内容(time, 1_hua, 2_tuo, 3_ji, 4_xin, 5_ai)
quotes_pre = np.loadtxt('E:\AI金融\Machine\machineStocks.csv', delimiter=',', usecols=(0,2,3,4,5,6), converters={0:datestr2num}, unpack=True)
quotes_s = [] # 存储净值
quotes_s.append(quotes_pre[0])
quotes_s.append( 1 + quotes_pre[1]/100 )
quotes_s.append( 1 + quotes_pre[2]/100 )
quotes_s.append( 1 + quotes_pre[3]/100 )
quotes_s.append( 1 + quotes_pre[4]/100 )
quotes_s.append( 1 + quotes_pre[5]/100 )
quotes_t = [] # 存储新策略下的涨幅 0:时间 1:涨跌幅 2：股票序号
alldays = DayLocator()
months = MonthLocator()
month_formatter = DateFormatter("%b %Y")
fig = plt.figure(figsize=(100, 9))
ax = fig.add_subplot(111)
ax.xaxis.set_major_locator(months)
ax.xaxis.set_minor_locator(alldays)
ax.xaxis.set_major_formatter(month_formatter)
plt.title("Price Line:together1")
plt.xlabel("Day")
# 2、应用策略，获得新策略下净值 #########################################################
quotes_t.append( quotes_pre[0] ) # quotes_t[0]:时间
quotes_t.append( np.zeros( len(quotes_pre[0]) ) ) # quotes_t[1]:涨幅, 默认为0
quotes_t.append( np.ones( len(quotes_pre[0]) ) ) # quotes_t[2]:股票序号, 默认为1
quotes_t[1][0] = quotes_pre[1][0] #修改初始股票价格
curr_stock = 1 #股票序号, 默认为1
for i in range( 0,len(quotes_pre[0])-1 ):
#先找到5只股票中涨幅最低但不等于0.0001（即停牌）的股票
a1, a2, a3, a4, a5 = quotes_pre[1][i], quotes_pre[2][i], quotes_pre[3][i], quotes_pre[4][i], quotes_pre[5][i]
if quotes_pre[1][i] in (0.0001, 0.0002, -0.0001): a1 = 20 # 该股票停牌 或 停牌后涨停、跌停，去除他被选中的可能性
if quotes_pre[2][i] in (0.0001, 0.0002, -0.0001): a2 = 20 # 该股票停牌 或 停牌后涨停、跌停，去除他被选中的可能性
if quotes_pre[3][i] in (0.0001, 0.0002, -0.0001): a3 = 20 # 该股票停牌 或 停牌后涨停、跌停，去除他被选中的可能性
if quotes_pre[4][i] in (0.0001, 0.0002, -0.0001): a4 = 20 # 该股票停牌 或 停牌后涨停、跌停，去除他被选中的可能性
if quotes_pre[5][i] in (0.0001, 0.0002, -0.0001): a5 = 20 # 该股票停牌 或 停牌后涨停、跌停，去除他被选中的可能性
stock_min_index = 1 + np.argmin( np.array([a1, a2, a3, a4, a5]) )
if quotes_pre[curr_stock][i] - quotes_pre[stock_min_index][i] >= 4: #差值超过4个百分点，换成跌幅最大股票
quotes_t[1][i+1] = quotes_pre[stock_min_index][i+1] # 换上新股票，计入新股票涨幅
curr_stock = stock_min_index # 更换股票序号
quotes_t[2][i+1] = curr_stock
else:
quotes_t[1][i+1] = quotes_pre[curr_stock][i+1] # 仍持有原股票，计入原股票涨幅
quotes_t[2][i+1] = curr_stock
quotes_t_s = [] # 存储净值
quotes_t_s.append( quotes_t[0] )
quotes_t_s.append( 1 + quotes_t[1]/100 )
quotes_t_s.append( quotes_t[2] )
# 3、画出涨跌图 #####################################################################
## 画出 together1 的图形
#plt.plot(quotes_t[0], quotes_t[1], 'crimson', lw=1.0) #画出收盘价折线图
#ax.scatter(quotes_t[0], quotes_t[1], s=4, marker='s', c='darkred', alpha=1.0) #画出散点图
#plt.plot([quotes_t[0][0],quotes_t[0][-1]], [0,0], 'b', lw=0.5 )#画出水平线
plt.text( quotes_t[0][0], quotes_t[1][0], quotes_t[2][0], alpha=0.5 )#标记初始股票序号
# 画出 together1 的图形
for i in range( len(quotes_t[0]) - 1 ):
if quotes_t[2][i] == 1:
plt.plot(quotes_t[0][i:i+2], quotes_t[1][i:i+2], c='r', lw=1.0) #画出收盘价折线图
elif quotes_t[2][i] == 2:
plt.plot(quotes_t[0][i:i+2], quotes_t[1][i:i+2], c='orange', lw=1.0) #画出收盘价折线图
elif quotes_t[2][i] == 3:
plt.plot(quotes_t[0][i:i+2], quotes_t[1][i:i+2], c='olive', lw=1.0) #画出收盘价折线图
elif quotes_t[2][i] == 4:
plt.plot(quotes_t[0][i:i+2], quotes_t[1][i:i+2], c='mediumblue', lw=1.0) #画出收盘价折线图
elif quotes_t[2][i] == 5:
plt.plot(quotes_t[0][i:i+2], quotes_t[1][i:i+2], c='darkviolet', lw=1.0) #画出收盘价折线图
if i>0 and quotes_t[2][i] != quotes_t[2][i-1]:
curr_date = num2date( quotes_t[0][i] ).strftime("%m/%d")
plt.text( quotes_t[0][i], quotes_t[1][i], "d:{0},s:{1}".format(curr_date, quotes_t[2][i]), alpha=0.5 )#标记新换股票序号
ax.scatter(quotes_t[0], quotes_t[1], s=4, marker='s', c='darkred', alpha=1.0) #画出散点图
plt.plot([quotes_t[0][0],quotes_t[0][-1]], [0,0], 'b', lw=0.5 )#画出水平线
# 画出垂直线
accum_profit_1 = 1
base_profit_1 = 1
for i in range( len(quotes_t[0])//20 -1 ): #每20个交易日，画出一条垂直线
plt.plot([quotes_t[0][20*(i+1)],quotes_t[0][20*(i+1)]], [-10,10], 'black', lw=0.5 )#画出垂直线
curr_date = num2date( quotes_t[0][20*(i+1)] ).strftime("%Y/%m/%d")
accum_profit_1 = reduce( lambda x,y:x*y, quotes_t_s[1][ 0 : 20*(i+1) ] ) # 参数为quotes[1]，计算1_hua的累计回报
plt.text( quotes_t[0][20*(i+1)], 10, "accum profit:{0}".format( round(accum_profit_1,4) ), alpha=0.5 )
plt.plot( quotes_t[0][20*(i+1)], accum_profit_1, 'b-s') #显示累计回报：accum_profit_1
plt.plot( quotes_t[0][20*(i+1)], base_profit_1, 'k-s') # 显示基准值：1
plt.text( quotes_t[0][20*(i+1)], -10, curr_date, alpha=0.5 )
plt.savefig("E:\AI金融\Machine\Price Line {0}.png".format("together"))
plt.show()