一、知识储备
Hello，各位小伙伴们，本篇博文给大家带来的是利用双均线策略，对中国平安601318股票进行炒股，所能获得的大概收益。为了你能正确理解本文的知识，需要你提前做以下准备。。。
python基础：本次策略分析是用python做的，所以需要你有python的基础知识储备。
python数据分析：本次用到的是pandas、matplotlib
均线概念：这是一个金融知识，在这简单给大家讲一下。假如我要计算一个5日均线，那我就是用今天在内往前推四天的收盘价做一个算术平均作为5日均线。30日、60日均线同理。
金叉：衍生于均线，是指短期均线上穿长期均线，说明股价上涨，这是一个买入信号
死叉：衍生于均线，是指短期均线下穿长期均线，说明股价下跌，这是一个卖出信号
二、开始操作
1.首先我们需要获取这个股票的历史数据
import tushare as ts
df=ts.get_k_data('601318',start='1988-01-01')
df.to_csv('601318.csv')
这边需要给大家介绍一下这个tushare包，这是一个半免费的金融数据平台，有部分数据是免费给我们使用的，具体的你们上https://waditu.com/document/2?doc_id=118这个平台去查阅。
好的，那我们到这一步为止，就获取了“中国平安601318”股票的历史数据。因为每次获取数据都会花一点时间，所以我们把数据存储到本地。你也可以使用在线数据保证数据的实时性。
2.接着我们导入panda和matplotlib包，然后读取本地数据，并计算5日均线和月均线
import pandas as pd
from matplotlib import pyplot as plt
df=pd.read_csv('601318.csv',index_col='date',parse_dates=['date'])[['open','close']]
这边只读取我们需要的开盘价open，收盘价close，并将对应的日期作为我们的索引。
接下来是要计算均线，我们可以用循环去计算。
# 计算5日均线和30日均线
df['ma5']=np.nan #创建5日均线列
df['ma30']=np.nan # 创建30日均线列
# 用for循环做均线计算
for i in range(4,len(df)):# 计算5日均线，因为前4日不够5天，所以下标从4开始，也就是第五天开始
df.loc[df.index[i],'ma5']=df['close'][i-4:i+1].mean()
for i in range(29,len(df)):# 计算30日均线
df.loc[df.index[i],'ma30']=df['close'][i-29:i+1].mean()
用循环计算均线是一种办法，但是我们还可以用pandas包提供的一种方法去计算，更加方便。
df['ma5']=df['close'].rolling(5).mean() # 计算每5行的平均值
df['ma30']=df['close'].rolling(30).mean() # 计算每30行的平均值
rolling（num）函数很好的帮我们解决了取一定行数的问题，再取一个平均即可。
因为有29天月均线是没有值的，所以我们删除那29天，因为没有意义，然后我们可以画一下收盘价、5日均线、月均线的折线图，观察一下。
df=df.dropna()
df[['close','ma5','ma30']].plot()
plt.show()
从这个图中可以看出，2008-2009年，股票一路走跌，结合当年汶川地震，原因大家应该都知道了。
3.计算金叉、死叉日期
好的，那么接下来我们需要计算一下金叉和死叉的日期，我们这边选择从2010年开始截取数据做策略。
同样，这边用循环来计算。
df=df['2010-01-01':]
# 计算金叉、死叉日期
# 创建一个金叉、死叉空列表
golden_cross=[]
death_cross=[]
# 用循环计算金叉、死叉日期
for i in range(1,len(df)):
if df['ma5'][i]>=df['ma30'][i] and df['ma5'][i-1]<df['ma30'][i-1]:
golden_cross.append(df.index[i])
if df['ma5'][i]<=df['ma30'][i] and df['ma5'][i-1]>df['ma30'][i-1]:
death_cross.append(df.index[i])
金叉：如果前一天的日均线小于月均线，后一天的日均线大于月均线，则说明两天之间存在了一个焦点，这样我们选取后一天作为金叉日期。因为实际生活中你不可能提前知道第二天会出现金叉，如果你能预先知道，那你炒股的收益一定会更高😏
死叉：上面的概念反过来就是了，相信你一定能搞懂😄
OK，那么同样的套路，学会了循环计算金叉和死叉后，还有个计算的方式跟大家说一下。
sr1=df['ma5']<df['ma30'] # 获取5日均线<30日均线的布尔序列
sr2=df['ma5']>=df['ma30'] # 获取5日均线>=30日均线的布尔序列
death_cross=df[sr1 & sr2.shift(1)].index
golden_cross=df[~(sr1 | sr2.shift(1))].index
这个理解起来可能比较难，所以先让我给你解释一下。
- 首先，我们先制定（5日均线<30日均线）这样一个布尔条件，然后假设在某个10日时间内，它的布尔序列是这样的TTTTFFFFTT.
OK，那么我们可以得出前面4天都是日均线<月均线，在第5天的时候出现>=的情况，那么说明金叉日期出现了。
OK，那么同样在第九天的时候，出现了死叉日期。
- 然后，我们制定（5日均线>=30日均线）这样一个布尔条件，然后同样在上面的10日时间内，它的布尔序列正好相反FFFFTTTTFF
OK，那么得出的金叉和死叉日期和上面是一致的。
- 最后，我们将两个序列拿到一起做对比
T T T T F F F F T T
F F F F T T T T F F
注意，这边我将下面那个序列往后偏移了一位，看下图中我们知道了金叉日期和死叉日趋
好的，相信你这下就明白了上面的代码是做什么的了。
4.计算收益
好的，接下来就到了实操的环节。假定我们手上有十万启动资金，每次都能买入100股，并从2010年开始使用双均线策略去炒股，让我们看看十年时间，“中国平安601318”这支股票能为我们带来多少收益？或让我们亏损多少呢？废话不多说，上代码。
# 计算收益,每一手买100股
original_money=100000 # 拥有的初始资金十万
money = original_money # 炒股过程中的资金变化(迭代变量)
hold=0 #持有多少股
golden_series=pd.Series(1,index=golden_cross) # 创建金叉日期序列
death_series=pd.Series(0,index=death_cross) # 创建死叉日期序列
signal=golden_series.append(death_series).sort_index() # 创建买入卖出信号日期序列
for i in range(0,len(signal)):
oprice = df['open'][signal.index[i]] # 获取当天的开盘价
cprice = df['close'][signal.index[i]] # 获取当天的收盘价
if signal.iloc[i]==1:
# 取到金叉日期，买入
buy=(money//(100*oprice)) # 计算买了多少手
hold+=buy*100 #计算手里加了多少股票
money-=buy*100*oprice #计算剩余多少资金
else:
# 取到死叉日期，卖出
money+=hold*cprice # 计算剩余资金
hold=0 # 抛出所有股票
final_price=df['close'][-1] # 可能手中还有剩余股票，所以获取最后一天的收盘价
now_money=hold*final_price+money
print('预计收入：%.2f'%(now_money-original_money))
上面的过程映射到实际生活的买卖中稍有出入，如果长期执行此策略的话，误差可以忽略不记。
截至2020-12-29日为止，预计收入为184496.20元。也就是说，平均每年能赚1.8W。
.
好了，本篇博文到这边就结束了，如果你想入手整理好的代码和数据，可以访问https://www.kesci.com/mw/project/5feadb15840381003bfbb44d
投资有风险，入市须谨慎！！！本文只带大家了解一下，不作为选股买股参考peace！！！