海龟交易法则，采用Python的pandas库实现

# -*- coding: utf-8 -*- 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('index data/sh600000.csv', parse_dates=['date']) # 保留这几个需要的字段：'date', 'high', 'low', 'close', 'change' index_data = index_data[['date', 'high', 'low', 'close', 'change']] # 对数据按照【date】交易日期从小到大排序 index_data.sort('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'] = pd.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=pd.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'] = pd.rolling_min(index_data['low'], N1) index_data['最近N2个交易日的最低点'].fillna(value=pd.expanding_min(index_data['low']), inplace=True) # 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', how=lambda x: (x+1.0).prod() - 1.0) * 100 print year_rtn