股票量化交易开发 Yfinance

以下是一段基于Python的股票量化分析代码，包含数据获取、技术指标计算、策略回测和可视化功能：

python

	import yfinance as yf
	import pandas as pd
	import numpy as np
	import matplotlib.pyplot as plt
	import seaborn as sns
	from backtesting import Backtest, Strategy
	from backtesting.lib import crossover
	# 参数设置
	SYMBOL = 'AAPL' # 股票代码
	START_DATE = '2020-01-01'
	END_DATE = '2023-12-31'
	FAST_MA = 20 # 快速均线周期
	SLOW_MA = 50 # 慢速均线周期
	RSI_PERIOD = 14 # RSI周期
	BB_PERIOD = 20 # 布林带周期
	# 获取数据
	def get_stock_data(symbol, start, end):
	data = yf.download(symbol, start=start, end=end)
	data = data[['Open', 'High', 'Low', 'Close', 'Volume']]
	data.columns = ['open', 'high', 'low', 'close', 'volume']
	return data.dropna()
	# 计算技术指标
	def calculate_technical_indicators(df):
	# 移动平均线
	df['fast_ma'] = df['close'].rolling(FAST_MA).mean()
	df['slow_ma'] = df['close'].rolling(SLOW_MA).mean()
	# RSI计算
	delta = df['close'].diff()
	gain = delta.where(delta > 0, 0)
	loss = -delta.where(delta < 0, 0)
	avg_gain = gain.rolling(RSI_PERIOD).mean()
	avg_loss = loss.rolling(RSI_PERIOD).mean()
	rs = avg_gain / avg_loss
	df['rsi'] = 100 - (100 / (1 + rs))
	# 布林带
	df['bb_mid'] = df['close'].rolling(BB_PERIOD).mean()
	std = df['close'].rolling(BB_PERIOD).std()
	df['bb_upper'] = df['bb_mid'] + 2 * std
	df['bb_lower'] = df['bb_mid'] - 2 * std
	return df.dropna()
	# 双均线策略
	class DualMovingAverageStrategy(Strategy):
	def init(self):
	self.fast_ma = self.I(lambda x: x, self.data.close.rolling(FAST_MA).mean())
	self.slow_ma = self.I(lambda x: x, self.data.close.rolling(SLOW_MA).mean())
	def next(self):
	if crossover(self.fast_ma, self.slow_ma):
	self.buy()
	elif crossover(self.slow_ma, self.fast_ma):
	self.sell()
	# 可视化函数
	def visualize_results(data, bt):
	plt.figure(figsize=(16, 20))
	# 价格与均线
	plt.subplot(3, 1, 1)
	plt.plot(data['close'], label='Price')
	plt.plot(data['fast_ma'], label=f'{FAST_MA} MA')
	plt.plot(data['slow_ma'], label=f'{SLOW_MA} MA')
	plt.title('Price and Moving Averages')
	plt.legend()
	# RSI
	plt.subplot(3, 1, 2)
	plt.plot(data['rsi'], label='RSI')
	plt.axhline(70, color='red', linestyle='--')
	plt.axhline(30, color='green', linestyle='--')
	plt.title('RSI Indicator')
	# 策略收益曲线
	plt.subplot(3, 1, 3)
	plt.plot(bt._equity_curve['Equity'], label='Strategy')
	plt.plot(data['close']/data['close'].iloc[0], label='Buy & Hold')
	plt.title('Strategy vs Buy & Hold')
	plt.legend()
	plt.tight_layout()
	plt.show()
	# 主程序
	if __name__ == "__main__":
	# 获取并处理数据
	data = get_stock_data(SYMBOL, START_DATE, END_DATE)
	data = calculate_technical_indicators(data)
	# 回测策略
	bt = Backtest(data, DualMovingAverageStrategy, cash=100000, commission=.002)
	stats = bt.run()
	# 输出关键指标
	print(f"策略年化收益率: {stats['Return [%]']:.2f}%")
	print(f"夏普比率: {stats['Sharpe Ratio']:.2f}")
	print(f"最大回撤: {stats['Max. Drawdown [%]']:.2f}%")
	print(f"交易次数: {stats['# Trades']}")
	# 可视化结果
	visualize_results(data, bt)
	# 显示详细回测报告
	bt.plot()

代码功能说明：

1. 数据获取：

   • 使用yfinance获取雅虎财经数据
   • 包含开盘价、最高价、最低价、收盘价和成交量

2. 技术指标计算：

   • 双移动平均线（快速MA和慢速MA）
   • 相对强弱指数（RSI）
   • 布林带指标（Bollinger Bands）

3. 交易策略：

   • 双均线交叉策略（金叉买入，死叉卖出）
   • 包含0.2%的交易手续费
   • 初始资金10万美元

4. 风险管理：

   • 计算年化收益率
   • 夏普比率评估风险调整收益
   • 最大回撤指标

5. 可视化功能：

   • 价格与均线走势图
   • RSI指标图
   • 策略与买入持有收益对比
   • 交互式回测结果展示

使用说明：

1. 安装依赖库：

bash

pip install yfinance pandas numpy matplotlib seaborn backtesting

1. 修改参数：

python

	# 可调整股票代码和时间范围
	SYMBOL = 'TSLA' # 改为其他股票代码如TSLA
	START_DATE = '2022-01-01' # 修改开始日期
	FAST_MA = 10 # 调整快速均线周期

1. 策略优化示例：

python

	# 增加止损止盈逻辑
	class EnhancedStrategy(DualMovingAverageStrategy):
	def next(self):
	if crossover(self.fast_ma, self.slow_ma):
	self.buy(sl=self.data.low[-1]*0.95, tp=self.data.high[-1]*1.15)
	elif crossover(self.slow_ma, self.fast_ma):
	self.sell()

该代码实现了完整的量化分析流程，可以作为量化交易策略开发的基础框架。建议在Jupyter Notebook中运行以获得更好的交互体验。