【量化小讲堂 - Python、Pandas系列】数据告诉你：惊人的海龟交易法则

谢谢！正要学习看看。

感谢邢老师的无私奉献！

感谢楼主分享！

2015年的，怪不得都不能用了

支持楼主，学习下。

感谢楼主

谢谢楼主，改成PYTHON3可用了：

import pandas as pd

#====导入上证指数的原始数据
#注意：这里请填写数据文件在您电脑中的路径，并注意路径中斜杠的方向
index_data=pd.read_csv('C:\\utopia\\trading-data.20240221\\stock data\\sz000002.csv', parse_dates=['date'] )
#保留这几个需要的字段：'date'， 'high'， 'low','close','change']]
#对数据按照【date】交易日期从小到大排序
index_data.sort_values(by='date',inplace=True)


# =计算海龟交易法则的买卖点
# 设定海龟交易法则的两个参数，当收盘价大于最近N1天的最高价时买入，当收盘价低于最近N2天的最低价时卖出
#这两个参数可以自行调整大小，但是一般N1>N2
N1=20
N2=10

#通过rolLing_max方法计算最近N1个交易日的最高价
index_data['最近N1个交易日的最高点'] = index_data['high'].rolling(N1).max()
# pd.rolling(N1).max  .rolLing_max(index_data['high'],N1)
#对于上市不足N1天的数据，取上市至今的最高价
index_data['最近N1个交易日的最高点'].fillna(value=index_data['high'].expanding().max())
                                            # .expanding_max(index_data['high']),inplace=True)

#通过相似的方法计算最近N2个交易日的最低价
index_data['最近N2个交易日的最低点'] =index_data['low'].rolling(N1).min()
index_data['最近N2个交易日的最低点'].fillna(value=index_data['low'].expanding().min())
# pd.expanding_min(index_data['low'],inplace=True))

index_data['最近N2个交易日的最低点'].fillna(value=index_data['low'].expanding().min())

#当当天的【close】>昨天的【最近N1个交易日的最高点】时， 将【收盘发出的信号】设定为1
buy_index=index_data[index_data['close'] >index_data['最近N1个交易日的最高点'].shift(1)].index
index_data.loc[buy_index,'收盘发出的信号'] = 1
#当当天的【close】<昨天的【最近N2个交易日的最低点】时，将【收盘发出的信号】设定为0
selL_index=index_data[index_data['close'] <index_data['最近N2个交易日的最低点'].shift(1)].index
index_data.loc[selL_index,'收盘发出的信号'] = 0

#计算每天的仓位，当天持有上证指数时，仓位为1，当天不持有上证指数时，仓位为0
index_data['当天的仓位'] =index_data['收盘发出的信号'].shift(1)
index_data['当天的仓位'].fillna(method='ffill',inplace=True)

#取1992年之后的数据，排出较早的数据
index_data=index_data[index_data['date'] >=pd.to_datetime('19930101')]

#当仓位为1时，买入上证指数，当仓位为0时，空仓。计算从19920101至今的资金指数
index_data['资金指数'] =(index_data['change'] *index_data['当天的仓位'] +1.0).cumprod()


initial_idx=index_data.iloc[0]['close'] /(1+index_data.iloc[0]['change'])
index_data['资金指数'] *=initial_idx

#输出数据到指定文件
index_data[['date','high','low','close','change','最近N1个交易日的最高点',
            '最近N2个交易日的最低点','当天的仓位','资金指数']] .to_csv('turtle.csv',index=False,encoding='gbk')

# =计算每年指数的收益以及海龟交易法则的收益
index_data['海龟法则每日涨跌幅'] =index_data['change'] *index_data['当天的仓位']
year_rtn=index_data.set_index('date') [['change','海龟法则每日涨跌幅']].resample('A').agg({'change':(lambda x:((x+1.0).prod() - 1.0)*100),'海龟法则每日涨跌幅':(lambda x:((x+1.0).prod() - 1.0)*100)})
print(year_rtn )

学习学习

学习

支持楼主，学习下。