对于一个量化交易平台，它主要包含如下功能模块：
而整个模块基本都是基于后端来开发的，只有图表可视化是用一个可视化库来打造，并未涉及到前端的功能，核心主要是来学习业务逻辑：
在咱们的工程中新建一个Readme文件用来进行功能的描述：
而其它模块会随着学习的不断深入再慢慢填充，其实对于这些数据的获取在上一次咱们已经都试验过了，只是没有将其封装成一个通用的API，所以接下来则会基于咱们上次实现的代码进行一个抽取，来实现这里所列出的具体API。
这个在之前咱们实现的代码为：
咱们直接基于它来改一下：
先看一下咱们之前实现的：
定义一下：
原来咱们在获取股票财务指标时用过：
咱们来封装一下：
先来看一下之前咱们使用的：
下面基于它来封装一下：
之前的代码：
封装一下：
封装为：
接下来咱们则来调用一下咱们重新封装的stock。
1、新建一个测试模块：
2、获取股票行情数据并导入csv：
控制台输出：
看一下表格文件有木有生成？
但是！！！你会发现表格中表头部分少了一个日期：
这个时候是需要咱们来处理一下的，如果不处理在未来的cvs的读取数据时是会有问题的，这个问题是啥呢？下面在stock中先增加一个cvs的读取函数，读出来自然就明白了：
咱们来调用读取一下：
接下来就来修复它，需要在导出函数那块进行处理了，如何处理呢，此时则需要对数据的索引进行重命名了，如下：
再重新导出，再获取：
先来计算一下每日的涨跌幅，看是否准确，先来明确一下涨跌幅的计算公式：“（当期收盘价-前期收盘价）/前期收盘价”，
其中的当期可以是当天、当分钟、当秒钟、当周、当月，具体实现如下：
其中shift(1)表示上一行的数据，而shift(2)表示上两行的数据，shift(-1)表示下一行的数据。
下面来调用验证一下是否准确，这里还是以平安银行的日K数据为例：
运行看一下：
/Users/xiongwei/opt/anaconda3/bin/python3.8/Users/xiongwei/Documents/workspace/python/QuantitativeTrading/studycode/example/stock.pyauthsuccessopenclosehighlowvolumemoney2021-09-0117.4817.8817.9217.01231689409.04.046284e+092021-09-0218.0018.4018.7817.80242260354.04.454545e+092021-09-0318.5018.0418.5017.70139481871.02.523273e+092021-09-0617.9318.4518.6017.78151522556.02.780281e+092021-09-0718.6019.2419.5618.35162234416.03.067366e+09openclosehighlowvolumemoneyclose_pct2021-09-0117.4817.8817.9217.01231689409.04.046284e+09NaN2021-09-0218.0018.4018.7817.80242260354.04.454545e+090.0290832021-09-0318.5018.0418.5017.70139481871.02.523273e+09-0.0195652021-09-0617.9318.4518.6017.78151522556.02.780281e+090.0227272021-09-0718.6019.2419.5618.35162234416.03.067366e+090.042818Processfinishedwithexitcode0接下来就要来验证咱们计算涨幅的正确性了，咱们这里来挑两天的验证一下既可，比如我们挑这两天的：
回到交易平台中咱们来看一下：
完成正确。
为了进一步验证准确性，这里再来看一下周K的涨跌幅，那首先咱们需要将日K的数据转换为周K的数据对吧，该功能我们已经封装好了，直接调用既可：
好，获取了三周的数据，回到同花顺软件里确认一下准确性：
为啥咱们打印的日期是显示的2021-09-05呢？
其实我们打印的是一周的最后一天：
而股票软件里是算到工作日的最后一天，关于这个细节就不过多较真的，总之涨幅结果对相同的，再来看一天的：
对于股票操作最频繁的就是买入和卖出操作对吧，所以接下来会以一个简单的策略来对股票生成买卖信息，注意：由于这阶段还在打基础，还没有学习各种选股策略的应用这块，所以这里的策略是很呆板的，比如可能就是定就是周一卖，周四买之类的，重点是能让我们程序按预期来生成买卖信号。
1、新建Strategy模块：
由于未来会有很多的一些策略，所以这里新建一个包名：
2、创建周期选股策略：
好，接下来则来创建一个非常简单按周期选股的策略：周四买入、周一卖出【有过炒股经历的应该也能感受到这个规则，也有点用吧，因为基本上到了周四就开始阴了，而周一作为一周的开始往往势头比较旺~~】
"""用来创建交易策略、生成交易信号"""importdata.stockasstimportnumpyasnpdefweek_peroid_strategy(code,time_freq,start_date,end_date):data=st.get_single_price(code,time_freq,start_date,end_date)#新建周期字段，周一是从0开始data['weekday']=data['date'].weekday#周四买入，下面代码的意思是如果是周四，则是1表示买，0表示不买data['buy_signal']=np.where((data['weekday']==3),1,0)#周一卖出，下面代码的意思是如果是周一，则是-1表示卖，0表示不卖data['sell_signal']=np.where((data['weekday']==0),-1,0)returndataif__name__=='__main__':data=week_peroid_strategy(code='000001.XSHE',time_freq='daily',start_date='2021-08-25',end_date='2021-09-08')print(data)下面运行看一下，报错了：
原因是咱们的索引列木有给它重命名，没有date这一列，当时我们重命名只是在导出函数中加了：
好，那修改一下程序：
为了打印看得更加清楚，这里将字段过滤一下：
3、信号整合：
接下来想一个场景，就是有可能周四你买入，周五又有可能买入对吧，那连续两天买入，在实际做策略时会经常碰到这种重复的信号的，所以这里针对这样的场景模拟一下：
那针对这样的数据，咱们得想办法只让第一天买入为1，其它的买入都变为0，其实也很简单，如下：
好，此时咱们把整合的那句代码又打开注释，再运行，你会发现：
这里需要改一下条件了，如下：
当然对于卖出信号也需要整合一下，因为也有可能出现重复卖出的情况，如下：
4、最终生成买卖信号：
目前buy_signal和sell_singal，在同一天只可能有一种signal，要么是买，要么是卖对么？所以这里再加一个字段，用来做买卖的直观判断，不然我看两个字段有点晕，如下：
先来看一下股票软件中持仓收益一般包含的数据内容：
其中咱们需要了解的有如下几个计算公式：
1、总盈亏=(市价-成本价)*股数；
也就是表格中这一列的值：
2、浮动盈亏比=(市价-成本价)/成本价；
也就是表格中的这一列的值，我们平常最关心的收益率：
比如7.377，通常也叫挣了7.3个点，其实还有一个更加简便的计算方法，比如盈利的情况下，直接拿市价/成本价，然后肉眼就可以看到收益率了，比如表格中的新城股份：
咱们来除一下：
然后用它再减去1，此时就可以看到百分收益率就是7.377啦，如果对于亏损的情况也类似，用价格高的除以价格低的就成。
3、成本价=买入金额/持有股数
因为有可能在实际会分仓进行买入，所以成本价计算就是如上公式了。
4、股数=累计买入股数
这个就比较简单了，通常一手是100股。
实现：
1、收益率计算：
接下来咱们基于上面的买卖信号数据来计算一下每次的收益率，先分析一下咱们的数据：
发现在买和卖之间的天数肯定是不一定的，短线的周期短，中长线的周期长，而对于计算收益率来说，只关心买入和卖出那两天的价格对吧？所以，我们可以为了方便计算的收益率，把买和卖中间持股的记录都给删掉，只保留买和卖那两天的数据，这样计算的话就比较方便了，所以基于这样的思路咱们来写一下逻辑：
接下来计算收益率为：
其中发现，对于买的情况很显然是不需要显示收益率的，所以这里再过滤一下：
2、获取上市以来所有数据：
那上官网查一下：
好，咱们来改一下：
此时咱们在调用时就可以传None了：
其中需要导一下datetime：
3、重构week_peroid_strategy函数：
目前对于week_peroid_strategy可以稍加优化一下代码，因为看着有点乱，就是把这俩逻辑抽离出去：
说不定未来还能在其它的功能上使用上，如下：
这样，整个逻辑就变得清爽了：
这个思想不管是用啥语言写程序都是应该我们来进行考虑的，因为可以大大增加代码的可读性。
另外目前咱们代码这有个报警：
是因为在main中也是用的data：
这里将它改一下名称既可：
4、打印一下数据的均值：describe()
对于平安银行自上市至今的数据太多了，可以用下面来查看一下均值，对整体数据有一个大概的了解：
关于各参数的函数可以参考：
3、将其可视化输出：plot()
接下来咱们也可以使用plot()函数来将整个的收益率情况可视化一下，如下：
现在我们已经能计算出一支股票的单次的收益率对吧？那如何根据单次收益率来计算出一个累计收益率呢？比如你支付宝中的基金【关于基金的学习，也是今年的一个计划，将来得实际行动起来】，通常在这个页面会展示累计收益率：
那你有没有搞清楚这个值是如何计算出来的呢？这里正好可以弥补一下这个知识，假如你买的一个基金，整体的收益情况如下：
那累计收益的计算，咱们口算一下，算完之后你就会发现公式出来了，公式有了那们咱们的程序就有戏了：
这个比较简单对吧，也就是原来100块钱，经过一天之后的收益利息，挣了3块钱，总金额变成了103了，好，接着算第二天的累计收益了：
接下来再把剩下的两天算出来，你就会发现公式了：
其中“(1+当天收益率)的累积乘积”，其实就是一个通用计算累计收益率的公式【一定要注意累计收益和累计收益率，累计收益是有本金在里面，而累计收益率是不包含本金的，就是一个比例嘛，这一点必须要搞清楚】，但是！！！它还是有问题的，为啥呢？那咱们以这个公式来算一下图中第一天的累积收益就知道了，很明显第一天的累计收益率就是3%，因为只有一天嘛，但是如果以"(1+3%)"来算，很明显它的收益率就为103%，需要将本金去掉，也就是累计收益率的公式为“(1+当天收益率)的累积乘积-1”，(1+3%)-1是不是收益率就是3%了？
接下来则回到python的世界，来计算一下平安银行的累计收益率：
接下来咱们来调用一下：
而看一下可视化的累积收益率的图：
从这个收益曲线图来看，貌似周四买入，周一卖出的简单策略，收益率还是蛮不错的嘛，当然啦，不可能按这么简单的规则来炒股的，纯学习。
最后在写python时有一个小的细节这里提一下，就是在计算累计收益率不是用到了这个函数嘛：
但是！！！你这个函数完全得要你手动敲全，不能智能的提示对吧？其实不提示的原因也很简单，原因是由于：
不知道它加出来的是DataFrame，所以当然也就不知道给你提示它里面的函数喽，要想解决这个提示问题，咱们可以显示的指定这数据是DataFrame既可，如下：