使用python写一段代码根据已经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，最后在一副图中，画出: 1)根据策略收益率画出策略净值曲线 2)茅指数净值其中 ri 为第 i 天收益率，Nav(t)为第 t 天净值。

以下是一份可能实现以上要求的Python代码，需要用到pandas、numpy和matplotlib库：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 读取数据
df_list = []
for i in range(10):
    stock_data = pd.read_csv(f'stock_data_{i}.csv')
    stock_data['date'] = pd.to_datetime(stock_data['date'])
    stock_data.set_index('date', inplace=True)
    stock_data.rename(columns={'closePrice': f'stock_{i}'}, inplace=True)
    df_list.append(stock_data)
df = pd.concat(df_list, axis=1)

# 计算MA5和ratio
ma5 = df.rolling(window=5, min_periods=5).mean()
ratio = (df - ma5) / ma5

# 挑出ratio为负的个股
negative_ratio = ratio[ratio < 0]
negative_ratio.dropna(inplace=True, how='all')

# 计算每日的策略收益率
holdings = negative_ratio.apply(lambda x: x.index.tolist(), axis=1)
daily_returns = pd.DataFrame(index=negative_ratio.index, columns=['strategy', 'mao'])
daily_returns['strategy'] = 0
daily_returns['mao'] = np.log(df['stock_0'] / df['stock_0'].shift(1))
for date, stocks in holdings.iteritems():
    daily_returns.loc[date, 'strategy'] = np.log(df[stocks].loc[date] / df[stocks].loc[date].shift(1)).mean()

# 计算策略净值曲线和茅指数净值曲线
strategy_nav = (1 + daily_returns['strategy']).cumprod()
mao_nav = (1 + daily_returns['mao']).cumprod()

# 绘制图形
plt.plot(strategy_nav, label='Strategy')
plt.plot(mao_nav, label='MAO Index')
plt.legend()
plt.show()

请注意，以上代码仅为示例，实际使用时需要根据具体的数据文件名称、文件格式、计算方法等进行调整和修改。