利用Python进行股票交易分析（三）：A股量化交易策略的验证及数据分析。

鉴于近期空闲时间比较少，本篇文章采用不定时更新的方式来写，如大家有更好的思路也可以评论区一起讨论....

目前进度：

2021-07-13 梳理、修改思路

2021-07-14 步骤1代码完成

---

背景

1、前两篇文章我们分别对股票量化交易策略进行了定义（详见第一篇）、并对A股所有历史行情数据进行了爬取保存以备后续的数据分析（详见第二篇）

第一篇：利用Python进行股票交易分析（一）：量化交易策略——买点与卖点的量化

第二篇：利用Python进行股票交易分析（二）：爬取A股所有历史行情数

2、策略是否有效可行，我们需要根据大量的历史行情数据来进行回测验证。

目标

1、将量化交易策略用于单个股票进行回测，并将回测结果可视化（策略收益趋势、最大回撤幅度），交易日志展现（交易日期、买入/卖出价格、交易金额、收益情况-金额/幅度）

2、将量化交易策略用于多个股票（可自定义股票池）进行回测，并将回测结果可视化（策略总收益趋势、最大回撤幅度）,交易日志展现（交易日期、买入/卖出价格、交易金额、收益情况-金额/幅度）

3、优化策略，若发现原策略有缺陷或收益不符合预期，将进行适当的拟合以达到优化目的。

4、若策略验证可行，则开发自动提醒功能，监测股票池中个股的行情走势，出现买卖点时是自动推送邮件到自己的邮箱（股票名、策略建议-出现买入/卖出点、买入/卖出价格、近日行情趋势参考线）。

实现过程简述

对交易策略进行量化定义→自定义股票池→准备历史行情数据→策略实现→进行回测→数据分析

策略量化定义

买入点定义：当股价在连续下跌行情中，出现某日突破5日均线时，次日以5日均价挂买

即：设某交易日为N，MA5连续下跌天数为X，当N-1至N-X区间的MA5连续下跌，且N收盘价>N的收盘MA5价，则在N+1日以N+1的开盘MA5价挂买，如图：

卖出点定义：当买入后当日的收盘价未站稳5日均线，或买入之后在某日跌破5日均线的，则次日开盘卖出。

即：设买入日为N，卖出日为M，对N及N之后的每个交易日依次检验收盘价是否低于当日收盘后MA5价，若低于则次日卖出，如图：

具体实现

准备：①第二篇文章中所讲的个股历史行情数据已爬取完成②安装本次所需的第三方模块

1、自定义股票池并读取

①创建自定义股票池文件，命名为“stockcodes.csv”，将待回测的股票代码复制到文件当中，本次回测股票池将加入所有A股代码，大家可根据需要自行添加股票代码到股票池文件中，例如：

读取：

#步骤-1
#读取股票池CSV文件，返回stockcodes['600010',...]
def ReadCSV(filename):
    stockcodes = [] #个股代码列表
    count = 0 #个股代码计数
    try:
        with open(filename,'r') as f:
            reader = csv.reader(f)
            for row in reader:
                stockcodes.append(row[0])
                count += 1
        print('读取股票池成功:{}'.format(count))
        re = 1 #请求继续运行
    except:
        print('股票池读取失败，检查文件位置及名称：{}'.format(filename)) 
        re = 0 #请求停止运行
    return stockcodes,re

②读取数据库中的所有个股表名

#读取数据库STOCK中的所有股票数据表 s_code,返回tablenames['s_600010',...]
def ReadTableName(dbinfo):
    tablenames = [] #数据表名列表
    #连接数据库
    try:
        db = pymysql.connect(
            host = dbinfo['host'],
            user = dbinfo['user'],
            password = dbinfo['password'],
            database = dbinfo['dbname'],
            port = dbinfo['port']
        )
        cursor = db.cursor()
        print('数据库连接成功！正在读取表名...')
        re = 1
    except:
        print('数据库连接失败，请检查数据库信息配置！')
        re = 0
    if re :
        sql_showtables = 'show tables'
        cursor.execute(sql_showtables) #查询表名
        for tablename in cursor:
            tablenames.append(tablename[0]) 
        print('数据表名称读取完成！')   

    return tablenames,re     

③检查股票池中个股数据表是否已存在于数据库，若不存在则需要修改股票池或重新爬取数据

#检查股票池中个股数据是否已存在于数据库，返回miss_tablename['600010',...]
def CheckTableName(stockcodes,tablenames):
    re = 1 
    for stockcode in stockcodes:
        s_stockcode = 's_'+stockcode
        if s_stockcode not in tablenames:
            re = 0 #请求中止程序
            print('数据表缺失,请检查或重新爬取该个股数据：{}'.format(s_stockcode))
        else:
            continue        
    print('股票池与数据表核对完成！')
    return re

④步骤1运行函数

#运行步骤-1
def Step_1(filename,dbinfo):
    sotckcodes,re = ReadCSV(filename) #读取股票池
    if re: #检验是否继续-成功读取股票池
        tablenames,re = ReadTableName(dbinfo) #读取表名
    if re: #检验是否继续-成功获取数据库表名
        re = CheckTableName(sotckcodes,tablenames) #检查是否有表缺失
    return sotckcodes,re

2、读取目标个股历史行情数据，返回DataFrame

检验：可回测区间是否超过X+1天

3、计算个股在设定日期区间内的开盘及收盘MA5价格并与行情数据一起保存为新的数据表，命名为 “MA5_股票代码_股票名称”

收盘MA5价格：设某交易日为N，则N的收盘MA5价格=（N的收盘价+N-1的收盘价+...+N-4的收盘价）/5

开盘MA5价格：设某交易日为N，则N的开盘MA5价格=（N的开盘价+N-1的收盘价+...+N-4的收盘价）/5

传入参数：回测开始日期（包含当日）、回测结束日期（包含当日）

返回结果：创建数据表保存，字段如下图:

日期	收盘价	开盘价	最低价	收盘MA5	开盘MA5

4、读取个股“MA5_股票代码_名称”表

返回结果：股票代码，股票名称，['日期','收盘价',....]

5、遍历个股历史行情数据，找到所有策略买入点

传入参数：步骤4“MA5_股票代码表”读取结果、收盘MA5价下跌天数X的配置

返回结果：列表 ['买入点交易日','买入价']

6、根据买入点，找到对应的策略卖出点

传入参数：步骤4“MA5_股票代码_名称”表的读取结果、步骤5返回的结果（买入点列表）

返回结果：代码，名称，列表[['买入点交易日','买入价格','对应卖出点交易日','对应卖出价格'],...]

若买入之后暂未出现对应卖出点，则返回：代码，名称[...,['买入点交易日','买入价格','null','null'],..]

7、找出除权日（此处多谢一位粉丝的提醒）

除权日定义：判断标准为（N-1日收盘价）/（N日收盘价）-100%>11%，即次日跌幅超过11%

解释：以上为除权日的粗略判断，因我们爬取到的股价未进行动态除权处理，所以可能会极大地影响到结果准确性，所以本次分析中，我们将会把持仓期间出现除权日的交易进行抹除不做统计分析。

传入参数：步骤4“MA5_股票代码表”的读取结果

返回结果：代码，名称，列表['除权日期']

8、筛除含除权日的交易记录

传入参数：步骤6返回的买卖点对应列表、步骤7返回的除权日列表

若买点交易日与卖点交易日之间含有除权日，则删除该买点和对应卖点

返回结果：

代码，名称，列表[['买入点交易日','买入价格','对应卖出点交易日或null','对应卖出价格或null'],...]

9、生成交易策略表

对所有的”MA5_股票代码_名称表"进行买卖点标记，并合并为一张交易策略表，命名为tactics表

日期	股票代码	名称	开盘价	收盘价	最低价	收盘MA5	开盘MA5	操作策略
								买/卖/null

---

以上为准备工作，接下来我们还需要创建3个表来对资金情况、持仓情况、交易日志进行记录：

account表：记录每日资金变化

position表：记录每日持仓变化

log表：记录交易日志

9、记录资金账户情况，数据保存到数据表“account”（记录每日资金账户相关数据）

数据表初始化：

日期	可用资金	总资产	持仓价值	持股数	仓位占比	年化收益率	累计收益率
开始日期	设定初始资金	0	0	0	0.00%	0.00%	0.00%

10、记录持仓情况，数据保存到数据表“position”（记录每日持仓相关数据）

数据表初始化：

日期	股票代码	名称	市值	收盘价	成本	数量	盈亏幅度	盈亏金额
					每股	股	0.00%

市值=现价*数量

成本=（Σ买入时股票单价*买入数量） /  总数量

10、记录交易日志，数据保存到数据表“log”（记录每天的交易数据）

数据表初始化：

日期	股票代码	名称	交易行为	价格	数量	结果
日期	代码	名称	买入/卖出	每股价格	交易数量	成功/失败

数量示例：买入100股记 “100”，卖出100股记 “-100”

结果：“可用资金不足”、“当日最低价未触达挂买价”时将买入失败；“持仓不足卖出时”将卖出失败；

---

接下来，开始进行回测

11、遍历个股交易日数据，进行回测

读取交易策略表tactics，

读取资金账户表account，

读取持仓表position，

读取日志表log

对tactics交易策略表进行遍历，判断当日是否符合策略交易条件

是：执行买入/卖出操作，更新log（日志表）、position（持仓表）、account（资金账户表）

否：更新position（持仓表）、account（资金账户表）

12、定义执行买入/卖出操作函数

传入参数：单笔交易数（默认100股），策略（买/卖），资金可用余额

买入检验：①当日最低股价应不小于开盘MA5价格；②账户可用资金应不小于本次交易预算

卖出检验：①可用持仓数量应不小于将卖出数量

返回结果：是否买入/卖出 成功 True/False，买入/卖出总金额

---

接下来我们对回测结果进行数据统计及可视化展示

13、数据统计

策略总胜率：策略交易盈利次数/总交易次数

策略个股胜率：每只股票的策略交易盈利次数/总交易次数

策略平均收益率：Σ每次策略交易盈利率/总交易次数

策略个股平均收益率：每只股票的策略平均收益率

14、数据展示

策略的总收益率趋势图，年化收益率，最大回撤

15、邮件自动推送

实盘监控，出现策略买卖点后推送邮件提醒：股票名、代码、近30日趋势图、建议买入/卖出价