标签：A股 tushare code df sum ts 动量 pd date
利用tushare 研究A股的动量效应
一、数据获取预处理？
1、首选选择沪深300前1个月（这个时间戳可以更改）累积收益排名前十的股票，同时收益排名最差的10只股票；持有时间1个月之后检查他们的收益情况。
2、注意事项在用tushare获取股票数据的时候记得要进行前复权，这里可以参考官网
前复权链接: https://tushare.pro/document/2?doc_id=109
二、使用步骤
1.引入库
代码如下（示例）：
import pandas as pd
import tushare as ts
pro = ts.set_token('############')
## 2.读入数据
df_sum = pd.DataFrame()
df = pd.read_csv('沪深300.csv', sep=',')#这里.csv文件可以在东财上一键下载。
for code in df.loc[:, 'ts_code']:
df1 = ts.pro_bar(ts_code=code,start_date='20210101', end_date='20210201', freq='M', adj='qfq') # pro.monthly(ts_code=code,start_date='20210101', end_date='20210201',fields='ts_code,trade_date,open,close,pct_chg')
df1['sum']=df1['pct_chg'].sum()
df_sum=pd.concat((df_sum,df1 ),axis=0, ignore_index=True, join="outer")
#按照累计月份收益进行排序
df_sum=df_sum.sort_values(by=['sum'],ascending=False)
#将处理好的数据保存在csv中，然后计算动量持有期间的累计收益。
df_sum.to_csv(str(1)+"个月动量.csv")
#接下来就是对上部分排序后的股票进行持有，并计算持有期的累计收益
import pandas as pd
import tushare as ts
pro = ts.set_token('#############')
df1 = pd.read_csv('1个月动量.csv',sep=',')
df_sum = pd.DataFrame()
df_sum1 = pd.DataFrame()
df_sum2 = pd.DataFrame()
df_sum3 = pd.DataFrame()
df_sum4 = pd.DataFrame()
df_sum5 = pd.DataFrame()
df_sum6 = pd.DataFrame()
df_sum7 = pd.DataFrame()
df_sum8 = pd.DataFrame()
df_sum9 = pd.DataFrame()
df_sum10 = pd.DataFrame()
#按照月度的收益情况进行排序。
print('持有期为1个月')
df = df1.head(10)
for code in df.loc[:,'ts_code']:
df = ts.pro_bar(ts_code=code, start_date='20190201', end_date='20190301', freq='M', adj='qfq')
df_sum7 = pd.concat((df_sum7, df), axis=0, ignore_index=True, join="outer")
df_sum7.loc['sum'] = df_sum7['pct_chg'].sum()
print(df_sum7)
#选择排名靠后的后10个个股
df = df1.tail(10)
for code in df.loc[:,'ts_code']:
df = ts.pro_bar(ts_code=code, start_date='20190201', end_date='20190301', freq='M', adj='qfq')
df_sum8 = pd.concat((df_sum8, df), axis=0, ignore_index=True, join="outer")
df_sum8.loc['sum'] = df_sum8['pct_chg'].sum()
print(df_sum8)
print('持有期为3个月')
df = df1.head(10)
for code in df.loc[:,'ts_code']:
df = ts.pro_bar(ts_code=code, start_date='20190201', end_date='20190501', freq='M', adj='qfq')
df_sum9 = pd.concat((df_sum9, df), axis=0, ignore_index=True, join="outer")
df_sum9.loc['sum'] = df_sum9['pct_chg'].sum()
print(df_sum9)
#选择排名靠后的后10个个股
df = df1.tail(10)
for code in df.loc[:,'ts_code']:
df = ts.pro_bar(ts_code=code, start_date='20190201', end_date='20190501',freq='M', adj='qfq')
df_sum10 = pd.concat((df_sum10, df), axis=0, ignore_index=True, join="outer")
df_sum10.loc['sum'] = df_sum10['pct_chg'].sum()
print(df_sum10)
print('持有期为6个月')
#选择排名靠前的前10个股,计算6个月之后的累计盈利（等权重）
df = df1.head(10)
for code in df.loc[:,'ts_code']:
df = ts.pro_bar(ts_code=code, start_date='20190201', end_date='20190801', freq='M', adj='qfq')
df_sum1 = pd.concat((df_sum1, df), axis=0, ignore_index=True, join="outer")
df_sum1.loc['sum'] = df_sum1['pct_chg'].sum()
print(df_sum1)
#选择排名靠后的后10个个股
df = df1.tail(10)
for code in df.loc[:,'ts_code']:
df = ts.pro_bar(ts_code=code, start_date='20190201', end_date='20190801', freq='M', adj='qfq')
df_sum2 = pd.concat((df_sum2, df), axis=0, ignore_index=True, join="outer")
df_sum2.loc['sum'] = df_sum2['pct_chg'].sum()
print(df_sum2)
print('持有期为9个月')
#9个月
df = df1.head(10)
for code in df.loc[:,'ts_code']:
df = ts.pro_bar(ts_code=code, start_date='20190201', end_date='20191101', freq='M', adj='qfq')
df_sum3 = pd.concat((df_sum3, df), axis=0, ignore_index=True, join="outer")
df_sum3.loc['sum'] = df_sum3['pct_chg'].sum()
print(df_sum3)
#选择排名靠后的后10个个股
df = df1.tail(10)
for code in df.loc[:,'ts_code']:
df =ts.pro_bar(ts_code=code, start_date='20190201', end_date='20191101', freq='M', adj='qfq')
df_sum4 = pd.concat((df_sum4, df), axis=0, ignore_index=True, join="outer")
df_sum4.loc['sum'] = df_sum4['pct_chg'].sum()
print(df_sum4)
#12个月
print('持有期为12个月')
df = df1.head(10)
for code in df.loc[:,'ts_code']:
df = ts.pro_bar(ts_code=code, start_date='20190201', end_date='20200201', freq='M', adj='qfq')
df_sum5 = pd.concat((df_sum5, df), axis=0, ignore_index=True, join="outer")
df_sum5.loc['sum'] = df_sum5['pct_chg'].sum()
print(df_sum5)
#选择排名靠后的后10个个股
df = df1.tail(10)
for code in df.loc[:,'ts_code']:
df = ts.pro_bar(ts_code=code, start_date='20190201', end_date='20200201', freq='M', adj='qfq')
df_sum6 = pd.concat((df_sum6, df), axis=0, ignore_index=True, join="outer")
df_sum6.loc['sum'] = df_sum6['pct_chg'].sum()
print(df_sum6)
结论：A股目前在位一个不成熟的市场，其动量效应并不明显，（下图的结果我没有进行前复权，但道理都是一样。）
标签：A股,tushare,code,df,sum,ts,动量,pd,date 来源： https://blog.csdn.net/weixin_56454587/article/details/123225183
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。