使用python根据已读取的十只股票的数据，算出当日个股收盘价的 5 日均值:MA5 算出当日个股收盘价到 5 日均值的偏离程度 ratio:(closePrice-MA5)/MA5 根据给出的十只股票当日的 ratio，挑出 ratio 为负的个股，第二天等权持仓，再根据每日的持仓个股和个股的收益率，计算每日的策略收益率.

好的，这个问题可以分为以下几个步骤进行处理：

1. 计算每只股票的 MA5 和 ratio；
2. 找出 ratio 为负的个股；
3. 等权持仓，计算每日的策略收益率。

下面是每个步骤的详细说明和代码实现：

1. 计算每只股票的 MA5 和 ratio

首先，我们需要读取每只股票的数据并计算出 MA5 和 ratio。假设我们已经读取了十只股票的数据，每只股票的数据都包含日期、开盘价、收盘价等字段。我们可以使用 Pandas 和 Numpy 库来计算 MA5 和 ratio。具体实现如下：

import pandas as pd
import numpy as np

# 假设已经读取了十只股票的数据，存储在一个字典中，键为股票代码，值为数据框
stocks_data = {'000001': stock1_data, '000002': stock2_data, ...}

# 计算每只股票的 MA5 和 ratio
for code, data in stocks_data.items():
    close_prices = data['closePrice']
    ma5 = np.mean(close_prices[-5:])
    ratio = (close_prices.iloc[-1] - ma5) / ma5
    stocks_data[code]['MA5'] = ma5
    stocks_data[code]['ratio'] = ratio

在上面的代码中，我们首先定义了一个字典 `stocks_data`，它包含了所有股票的数据。然后，我们遍历每个股票的数据，计算出 MA5 和 ratio，并将它们存储在数据框中。

2. 找出 ratio 为负的个股

接下来，我们需要找出 ratio 为负的个股。这些股票将会作为我们的策略买入信号。具体实现如下：

# 找出 ratio 为负的股票
buy_stocks = []
for code, data in stocks_data.items():
    ratio = data['ratio']
    if ratio < 0:
        buy_stocks.append(code)

在上面的代码中，我们遍历每个股票的数据，找出 ratio 为负的股票，并将它们的股票代码存储在列表 `buy_stocks` 中。

3. 等权持仓，计算每日的策略收益率

最后，我们需要等权持仓买入这些股票，并计算每日的策略收益率。具体实现如下：

# 计算每日的策略收益率
strategy_returns = []
for i in range(1, len(stock1_data)):
    # 计算当日的股票收益率
    daily_returns = []
    for code, data in stocks_data.items():
        close_prices = data['closePrice']
        daily_return = (close_prices.iloc[i] - close_prices.iloc[i-1]) / close_prices.iloc[i-1]
        daily_returns.append(daily_return)
    # 等权持仓买入 ratio 为负的股票
    daily_returns_buy = [r for i, r in enumerate(daily_returns) if stocks_data[code]['ratio'] < 0]
    daily_returns_sell = [r for i, r in enumerate(daily_returns) if stocks_data[code]['ratio'] >= 0]
    # 计算当日的策略收益率
    strategy_return = np.mean(daily_returns_buy) - np.mean(daily_returns_sell)
    strategy_returns.append(strategy_return)

在上面的代码中，我们首先遍历每个交易日，计算出每只股票的收益率，并将它们存储在列表 `daily_returns` 中。然后，我们从中选择 ratio 为负的股票，等权持仓买入。最后，我们计算出当日的策略收益率，并将它们存储在列表 `strategy_returns` 中。

至此，我们完成了整个策略的实现。需要注意的是，这只是一个简单的示例，实际应用中还需要考虑许多其他因素，例如手续费、滑点等。