自行获取随意一只股票的数据，并用python进行均线交易策略构建

好的，我可以使用 tushare 库来获取股票数据，并使用 pandas、matplotlib 和 numpy 库进行均线交易策略构建。以下是具体步骤：

1. 安装 tushare 库

在终端或命令提示符中输入以下命令：

pip install tushare

2. 导入库

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

3. 获取股票数据

# 获取股票数据
df = ts.get_k_data('600519', start='2019-01-01', end='2020-12-31')

上面的代码中，`get_k_data` 函数用来获取股票数据，参数中的 `start` 和 `end` 分别表示开始时间和结束时间，`600519` 表示贵州茅台的股票代码。

4. 计算均线

# 计算5日均线和20日均线
df['ma5'] = df['close'].rolling(5).mean()
df['ma20'] = df['close'].rolling(20).mean()

上面的代码中，`rolling` 函数用来进行滚动计算，参数 `5` 和 `20` 分别表示 5 日均线和 20 日均线。

5. 构建交易策略

# 计算均线交叉信号
df['signal'] = np.where(df['ma5'] > df['ma20'], 1, 0)
df['position'] = df['signal'].shift(1)

# 计算每天的收益率
df['pct_change'] = df['close'].pct_change()

# 计算策略收益率
df['strategy_return'] = df['pct_change'] * df['position']

# 计算累计收益率
df['cum_strategy_return'] = (1 + df['strategy_return']).cumprod()

上面的代码中，`np.where` 函数用来判断均线交叉信号，如果 5 日均线大于 20 日均线，则信号为 1，否则为 0。`shift` 函数用来将信号向前移动一天，作为当天的持仓仓位。`pct_change` 函数用来计算每天的收益率。`strategy_return` 则表示当天的策略收益率，即买入或卖出当天的收益率。`cum_strategy_return` 则表示累计收益率。

6. 绘制图表

# 绘制股价和均线图
plt.plot(df['date'], df['close'], label='Close')
plt.plot(df['date'], df['ma5'], label='MA5')
plt.plot(df['date'], df['ma20'], label='MA20')
plt.legend()

# 绘制策略收益率图
plt.figure()
plt.plot(df['date'], df['cum_strategy_return'])
plt.title('Cumulative Strategy Return')
plt.show()

上面的代码中，`plot` 函数用来绘制股价和均线图，`legend` 函数用来添加图例。`figure` 函数用来创建新的图表，`title` 函数用来添加标题，`show` 函数用来显示图表。

最终的完整代码如下：

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

# 获取股票数据
df = ts.get_k_data('600519', start='2019-01-01', end='2020-12-31')

# 计算5日均线和20日均线
df['ma5'] = df['close'].rolling(5).mean()
df['ma20'] = df['close'].rolling(20).mean()

# 计算均线交叉信号
df['signal'] = np.where(df['ma5'] > df['ma20'], 1, 0)
df['position'] = df['signal'].shift(1)

# 计算每天的收益率
df['pct_change'] = df['close'].pct_change()

# 计算策略收益率
df['strategy_return'] = df['pct_change'] * df['position']

# 计算累计收益率
df['cum_strategy_return'] = (1 + df['strategy_return']).cumprod()

# 绘制股价和均线图
plt.plot(df['date'], df['close'], label='Close')
plt.plot(df['date'], df['ma5'], label='MA5')
plt.plot(df['date'], df['ma20'], label='MA20')
plt.legend()

# 绘制策略收益率图
plt.figure()
plt.plot(df['date'], df['cum_strategy_return'])
plt.title('Cumulative Strategy Return')
plt.show()

运行上面的代码后，即可得到股价和均线图以及策略收益率图。