用Python做投资-小试牛刀

统计、机器学习这种东西，用来做别的有点不好玩，但是用来玩股票真的可以吗？

市场的复杂性不是统计可以刻画的，所以，量化投资做的再好，这也仅仅是一种辅助罢了，至少当前的自己是这么理解数学在金融市场中的地位的。这一地位，不是低，而是很高，很科学，不是拍脑袋做决策，而是有数据驱动的依据。

希望以后这个系列的文章能够更新下去吧，不一定是股票，只要和投资有关，和程序有关，好玩有趣，都可以和大家分享。

先做一个简单的每日收益率的折线图吧，我们考察的股票是BYD。

1. # -*- coding: utf-8 -*-  
2. """ 
3. Created on Tue Oct 11 20:47:10 2016 
4.  
5. @author: Luyixiao 
6. """  
7.   
8. import numpy as np  
9. from scipy import *  
10. from data import *  
11. import matplotlib.pyplot as plt  
12. import tushare as ts  
13. byd = ts.get_hist_data('002594') #一次性获取全部日k线数据  
14. #byd5 = ts.get_hist_data('002594',ktype='15') #一次性获取全部日k线数据  
15.   
16. p_change = (byd['p_change'])#从pandas中获取每日价格变化百分比，换句话说，就是日收益率  
17. p_change = p_change.tolist()#把pandas切片下来的数据转换成List  
18. for i in range(0,len(p_change)/2):#由于Tushare的数据是近期数据在list的开始，所以我们做个逆转  
19.     temp = p_change[i]  
20.     p_change[i] = p_change[len(p_change)-1-i]  
21.     p_change[len(p_change)-1-i] = temp  
22. date = byd.index#获取对应的日期  
23. ind=date.tolist()  
24. for i in range(0,len(ind)/2):  
25.     temp = ind[i]  
26.     ind[i] = ind[len(ind)-1-i]  
27.     ind[len(ind)-1-i] = temp  
28. x_ax=range(0,724)  
29. plt.plot(x_ax, p_change)#绘制曲线  
30. plt.show() 
    

最后就是这样的一个图片，我们看到400天左右的位置，老是涨停跌停，我们可以发现这就是15年股灾的时候的数据。