python量化投资策略代码

这是一个比较宽泛的问题，因为量化投资策略种类繁多，每种策略的代码实现也会有所不同。以下是一个简单的例子，以双均线策略为例：

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

# 获取数据
data = pd.read_csv('data.csv', index_col='date', parse_dates=True)

# 计算短期均线和长期均线
short_ma = data['close'].rolling(window=5).mean()
long_ma = data['close'].rolling(window=20).mean()

# 生成交易信号
data['signal'] = np.where(short_ma > long_ma, 1, 0)
data['position'] = data['signal'].diff()

# 计算收益率
data['returns'] = np.log(data['close'] / data['close'].shift(1))

# 计算策略收益率
data['strategy_returns'] = data['position'].shift(1) * data['returns']

# 计算累计收益率
data['cumulative_returns'] = (1 + data['strategy_returns']).cumprod()

# 绘制累计收益率曲线
data['cumulative_returns'].plot(figsize=(10, 6))
plt.show()

这段代码假设我们已经有了一个包含股票收盘价的数据文件`data.csv`，然后实现了一个简单的双均线策略。具体来说，我们计算了5天和20天的移动平均线，并且如果短期均线大于长期均线，我们就认为是买入信号。最后，我们计算了策略的收益率并绘制了累计收益率曲线。

当然，这只是一个简单的例子，实际的量化投资策略可能需要更复杂的计算和更多的逻辑。