运用python进行海龟交易法回测

海龟交易法作为最早的量化交易法，已经被利用了很多年了，我发现网络上有很多利用python进行海龟交易法回测的代码教程，而且都是先通过akshare库再通过均线组合的方式实现，但是其中大多会报错，小编找了很多很多，但是最后还是差强人意，因此有了下面的这些。希望对您有所帮助。我注释了一些需要注意的地方，其实这个均线策略是可以修改的，比如把10日和20日均线改成100日和200日，小编认为均线的具体选择可以根据具体股票和期货品种的不同，我觉得还是应该根据你想要交易的股票的具体股性和基本面进行具体选择，比如茅台这样适合价值投资的股票就可以选择时间较长的均线组合，而一些历史上波动比较大的股票或期货品种就可以选择一些时效性更强的均线组合，比如10日和20日，5日和10日等等，在均线的选择上还可以加入神奇数字，斐波那契数列。不喜勿喷，狗头保命。

# 读取A股数据
import akshare as ak
import tushare
import pandas as pd
import datetime
import numpy
import os, sys
import nodejs
# 调用akshare库的API接口获取数据
df = stock_zh_index_daily_df = ak.stock_zh_index_daily(symbol="sh600113")
print(stock_zh_index_daily_df)
df = df.reset_index()
        # 修改名字
df.columns = [x.upper() for x in df.columns]
df.rename(columns={"DATE": "index"}, inplace=True)
df = df[df['OPEN'].notnull()]
        # 通过rolling滚动计算均线和BOLL通道
df['MA_5'] = df['CLOSE'].rolling(window=5).mean()
df['MA_10'] = df['CLOSE'].rolling(window=10).mean()
df['MA_20'] = df['CLOSE'].rolling(window=20).mean()
df['MA_30'] = df['CLOSE'].rolling(window=30).mean()
df['MA_60'] = df['CLOSE'].rolling(window=60).mean()
df['MA_250'] = df['CLOSE'].rolling(window=250).mean()
df['BOLL_STD'] = df['CLOSE'].rolling(window=250).std()
df['BOLL_UPPER'] = df['MA_250'] + 2 * df['BOLL_STD']
df['BOLL_LOWER'] = df['MA_250'] - 2 * df['BOLL_STD']
with pd.ExcelWriter('D:\jiangtingrui1\股票交易信息'+'XY'+'.xlsx') as writer:
    df.to_excel(writer, index=False, sheet_name='Sheet1')
    #这时会创建并写入第一个excel把这个excel拖进与后面的excel共同的文件夹里，再次运行就会出现结果
# 判断买卖结点
# 采用短线均线上穿长线均线为买点
# 采用短线均线下穿长线均线为卖点
def is_dbljx(data, i, mode='buy', j1='MA_60', j2='MA_250'):
    #这一步是修改你想要组合的均线，比如海龟交易法里的10日和20日，通过把上面的MA_60和MA_250进行修改从而完成修改均线组合
    if i < 250:
        return False

    if mode == 'buy':
        if (data.loc[i, j1] > data.loc[i, j2]) & (data.loc[i - 1, j1] < data.loc[i - 1, j2]):
            return True
    else:
        if (data.loc[i, j1] < data.loc[i, j2]) & (data.loc[i - 1, j1] > data.loc[i - 1, j2]):
            return True

    return False


# data总数据，l操作记录列表（买、卖形成一条记录）
# 计算出每一次持有股票的盈利金额、盈利幅度、持有天数、期间最高收益、区间最低收益
def huizong_one(data, l):
    # 输出结果
    dfout = pd.DataFrame(l, columns=['证券代码', '买入索引', '卖出索引', '买入日期', '卖出日期', '买入价格', '卖出价格', '状态'])
    dfout = dfout.reindex(
        columns=['证券代码', '买入索引', '卖出索引', '买入日期', '卖出日期', '买入价格', '卖出价格', '状态', '期间最高收益', '期间最低收益', '盈利金额', '盈利幅度',
                 '持有天数'])
    # ,'盈利金额','盈利幅度','持有天数'
    for i, row in dfout.iterrows():
        dfout.loc[i, '盈利金额'] = dfout.loc[i, '卖出价格'] - dfout.loc[i, '买入价格']
        dfout.loc[i, '盈利幅度'] = (dfout.loc[i, '卖出价格'] - dfout.loc[i, '买入价格']) / dfout.loc[i, '买入价格'] * 100
        dfout.loc[i, '持有天数'] = dfout.loc[i, '卖出日期'] - dfout.loc[i, '买入日期']
        m = data.loc[dfout.loc[i, '买入索引']:dfout.loc[i, '卖出索引'], 'CLOSE'].max()
        if m < dfout.loc[i, '卖出价格']:
            m = dfout.loc[i, '卖出价格']
        dfout.loc[i, '期间最高收益'] = (m - dfout.loc[i, '买入价格']) / dfout.loc[i, '买入价格'] * 100
        m = data.loc[dfout.loc[i, '买入索引']:dfout.loc[i, '卖出索引'], 'CLOSE'].min()
        if m > dfout.loc[i, '卖出价格']:
            m = dfout.loc[i, '卖出价格']
        dfout.loc[i, '期间最低收益'] = (m - dfout.loc[i, '买入价格']) / dfout.loc[i, '买入价格'] * 100
    return dfout
# 遍历回测所有采集的股票数据
folder_name = 'D:\\jiangtingrui1\\股票交易信息'
file_list = os.listdir(folder_name)
ldf = []
if len(file_list) > 0:
    # 遍历文件夹下所有文件
    ldf = []
    for f in range(len(file_list)):
        data = pd.read_excel(folder_name + str(file_list[f]), dtype=object)
        data['bs'] = ''
        code = str(file_list[f])[:-5]
        l = []
        buy_index = 0

        for i in range(250, len(data)):
            # 判断买卖信号
            if is_dbljx(data, i, 'buy'):
                # 记录买点
                buy_index = i
                data.loc[i, 'bs'] = 'b'
            # 卖出信号
            elif (buy_index != 0) & is_dbljx(data, i, 'sell'):
                # 证券代码 买入索引 卖出索引 买入日期 卖出日期 买入价格 卖出价格
                # 记录下买卖点，清除买点
                l.append([code, buy_index, i, data.loc[buy_index, 'index'], data.loc[i, 'index'],
                          data.loc[buy_index, 'CLOSE'], data.loc[i, 'CLOSE'], '终止'])
                buy_index = 0
                data.loc[i, 'bs'] = 's'
        # 结束以后保存结果
        with pd.ExcelWriter(folder_name + str(file_list[f])) as writer:
            data.to_excel(writer, index=False, sheet_name='Sheet1')
        # 汇总单次结果
        if buy_index != 0:
            # 记录一个当前
            l.append([code, buy_index, i - 1, data.loc[buy_index, 'index'], data.loc[i - 1, 'index'],
                      data.loc[buy_index, 'CLOSE'], data.loc[i - 1, 'CLOSE'], '持有'])
        ldf.append(huizong_one(data, l))  # 存储每只股票的操作结果

# 最后汇总输出
dfout = pd.concat(ldf, ignore_index=True)
with pd.ExcelWriter('D:\jiangtingrui1\股票交易信息\XYYY.xlsx') as writer:
    dfout.to_excel(writer, index=False, sheet_name='Sheet1', float_format="%.2f")