计算持仓收益

一、股票持仓的常用参数

可以参考一下股票持仓是怎么计算的。

总盈亏=（市价 - 成本价）*股数

如果市价高于成本价，你就赚钱了。反过来你就亏了。

浮动盈亏比=（市价 - 成本价）/成本价

成本价 = 总买入金额/总持有股数

因为在我们实际的投资过程中，可能分多次多批量买入，每次买入的金额不一样 ，那么就需要将数据汇总计算最终的平均成本价。

股数 = 累计买入的股数

以上数据在现实生活中，券商都会帮你算好，你的每一笔交易都会记录到券商的后台，我们不用太操心。只要在之后从数据接口去查询这些数据就好了。

但是 “浮动盈亏比”这个参数 ，是非常常见的。会被经常使用到，因为它是评价一个股票赚钱最直接的指标。它的计算方式和“涨跌幅”的计算方式类似。就是算2个价格之间变化的幅度。正的还是负的。

二、实战计算交易后的收益率

先运行上节课的代码，看一下股票数据，从而计算我们想要计算的数据。

2.1计算收益率

怎么计算交易后的收益率呢，这里有个简单的方式：

我们需要筛选一下数据，将没有开仓信号的数据都过滤掉。只保留有开仓信号的。最后的signal数据就会变成只有1和-1字，我们就可以利用之前讲解用到的shift函数了。

#用来创建交易策略、生成交易信号
def week_period_strategy(stock_code, timefrequency, startdate, enddate):
    #获取数据
    data = st.get_single_price(stock_code, timefrequency, startdate, enddate)
    print(data)
    #创建周期字段
    data['weekday'] = data.index.weekday
    #周四交易：买入(0:不操作 1:买入)
    data['buy_signal'] = np.where((data['weekday']==3),1,0) 
    #周一交易：卖出(0:不操作 1:卖出)
    data['sell_signal'] = np.where((data['weekday']==0),-1,0)

    #整合信号
    data['buy_signal'] = np.where((data['buy_signal']==1) & (data['buy_signal'].shift(1)==1),0,data['buy_signal'])
    data['sell_signal'] = np.where((data['sell_signal']==-1) & (data['sell_signal'].shift(1)==-1),0,data['sell_signal'])
    #合并信号
    data['signal'] = data['buy_signal'] + data['sell_signal']

    #计算单次收益率：开仓、平仓（开仓的全部股数）
    data = data[data['signal']!=0]
    return data

运行结果：

这就是我要得，signal列的“0”的数据就都被干掉了

计算收益率：

    #计算单次收益率：开仓、平仓（开仓的全部股数）
    data = data[data['signal']!=0]
    data['profit_pct'] = (data['close']-data['close'].shift(1))/data['close'].shift(1)
    return data

运行结果：可以看到每次的收益率

这里有个问题，我们只需要算：一对的收益率。

也就是说，一次开仓，一次平仓的收益率。 也就是只要signal的值为“-1”对应的收益率，signal的值为“1”对应的收益率不要。应该怎么修改呢？很简单：通过筛选即可

    #计算单次收益率：开仓、平仓（开仓的全部股数）
    data = data[data['signal']!=0]
    data['profit_pct'] = (data['close']-data['close'].shift(1))/data['close'].shift(1)
    data = data[data['signal']!=1]
    return data

这里的收益率只剩下4条了。如果我想更长一点观察这个策略是否有效，只需要取更加长的时间范围的数据。我可以将开始时间设置为公司的上市时间：

优化get_single_price:

# 获取单个股票行情数据
def get_single_price(stock_code, timefrequency, startdate, enddate):
    #如果startdate为None你默认从上市日期开始计算
    if startdate is None:
        startdate = get_security_info(stock_code).start_date

    data = get_price(stock_code, start_date=startdate, end_date=enddate, frequency=timefrequency)
    return修改

修改get_single_price调用方式：

if __name__ == '__main__':
    data = week_period_strategy(stock_code='000001.XSHE', timefrequency='daily', startdate=None, enddate='2021-03-01')
    print(data)

运行：可以看到从05年到现在的数据都有了。

2.2优化函数

由于week_period_strategy代码行数较多，优化一下：

将这2个内容抽取陈为函数：

#整合信号
def compose_signal(data):
    data['buy_signal'] = np.where((data['buy_signal']==1) & (data['buy_signal'].shift(1)==1),0,data['buy_signal'])
    data['sell_signal'] = np.where((data['sell_signal']==-1) & (data['sell_signal'].shift(1)==-1),0,data['sell_signal'])
    #合并信号
    data['signal'] = data['buy_signal'] + data['sell_signal']
    return data

#计算单次收益率：开仓、平仓（开仓的全部股数）
def calculate_profit_pct(data):
    data = data[data['signal']!=0]
    data['profit_pct'] = (data['close']-data['close'].shift(1))/data['close'].shift(1)
    data = data[data['signal']!=1]
    return data

我们可以仔细观察一下收益率，有涨有跌，有了这些数据我们就可以计算他的平均收益率，我们也可以使用matplotlib这个python的可视化库来把这些数据展现一下。

2.3计算平均收益率

if __name__ == '__main__':
    data = week_period_strategy(stock_code='000001.XSHE', timefrequency='daily', startdate=None, enddate='2021-03-01')
    print(data)
    print(data.describe())

• count表示整个data的条数，也就是说，我们进行了769次开仓平仓。
• mean表述平均值，也就是平均收益率为0.003842.收益率为0.3842%
• std代表波动反差，
• min代表最小值，
• max代表最大值

从数据来看，它是正收益的，虽然收益不高。这就是数据层面的考量。

2.4 matplotlib可视化

import matplotlib.pyplot as plt
if __name__ == '__main__':
    data = week_period_strategy(stock_code='000001.XSHE', timefrequency='daily', startdate=None, enddate='2021-03-01')
    print(data)
    print(data.describe())
    data['profit_pct'].plot()
    plt.show()

y运行，这张可视化的数据就可以看到了：

从数据种可以看到 上市的前5年数据波动比较大，后面就比较稳定了

这就是我们能够从这张图解读出来的基本的信息、

转载请注明：xuhss » Python量化交易实战-15计算一支股票历史持仓收益