python 写一个 股票量化交易例子

好的，这里是一个简单的股票量化交易的例子。请注意，这只是一个简单的示例，实际的交易策略需要更加复杂的模型和算法来开发。

首先，我们需要导入一些必要的库：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import datetime as dt
import yfinance as yf

然后，我们需要获取股票数据并对其进行处理：

start = dt.datetime(2015,1,1)
end = dt.datetime(2021,1,1)
data = yf.download('AAPL', start, end)

data['SMA_50'] = data['Adj Close'].rolling(window=50).mean()
data['SMA_200'] = data['Adj Close'].rolling(window=200).mean()
data.dropna(inplace=True)

data['Signal'] = np.where(data['SMA_50'] > data['SMA_200'], 1, -1)

data['Position'] = data['Signal'].shift(1)

data.dropna(inplace=True)

在这个例子中，我们使用了 AAPL 股票的历史数据，并计算了 50 天和 200 天的移动平均线。然后，我们使用这些移动平均线来生成交易信号。如果 50 天移动平均线大于 200 天移动平均线，则发出买入信号（1），否则发出卖出信号（-1）。

接下来，我们需要计算每天的收益率，并计算出我们的策略在该时间段内的累计收益率：

data['Returns'] = np.log(data['Adj Close'] / data['Adj Close'].shift(1))
data['Strategy'] = data['Position'] * data['Returns']

data[['Returns', 'Strategy']].cumsum().apply(np.exp).plot(figsize=(10, 6))
plt.show()

最后，我们可以绘制出我们的策略和股票价格的收益曲线，以便比较它们的表现。

这只是一个简单的示例，实际的交易策略需要更加复杂的模型和算法来开发。