python实现股票策略回测案例

好的，以下是一个使用Python实现股票策略回测案例的简单示例：

import pandas as pd
import yfinance as yf

# 读取股票历史数据
stock_data = yf.download("AAPL", start="2020-01-01", end="2022-12-31")

# 计算每日收益率
stock_data["Return"] = stock_data["Close"].pct_change()

# 定义交易策略
def trading_strategy(data, stock_name, initial_investment):
    # 买入股票
    if data["Return"].tail(1) > 0:
        # 检查是否有足够的现金购买股票
        if data["Cash"] > stock_data[stock_name].tail(1)["Close"][-1] * 0.01:
            # 购买股票
            data["Cash"] -= stock_data[stock_name].tail(1)["Close"][-1] * 0.01
            data["Stock"] += stock_data[stock_name].tail(1)["Close"][-1] * 0.01
        else:
            pass
    # 卖出股票
    if data["Return"].tail(1) < 0:
        # 检查是否有足够的股票卖出
        if data["Stock"] > 0:
            # 卖出股票
            data["Cash"] += stock_data[stock_name].tail(1)["Close"][-1] * 0.01
            data["Stock"] -= stock_data[stock_name].tail(1)["Close"][-1] * 0.01
        else:
            pass

# 模拟交易
for i in range(len(stock_data)-1):
    # 计算每日收益
    daily_return = (stock_data["Close"][i+1] - stock_data["Close"][i]) / stock_data["Close"][i]
    # 更新模拟盘
    trading_strategy(stock_data.iloc[i+1], "AAPL", initial_investment)
    # 计算现金和股票余额
    cash = stock_data.iloc[i+1]["Cash"]
    stock = stock_data.iloc[i+1]["Stock"]
    # 打印余额
    print("Day {}: Cash = {}, Stock = {}".format(i+1, cash, stock))

# 计算总收益
total_return = (initial_investment + cash) / initial_investment
print("Total Return: {:.2%}".format(total_return))

在这个示例中，我们首先使用yfinance库下载了苹果公司的股票历史数据，然后计算了每日收益率。我们还定义了一个交易策略，该策略在每日收盘时检查股票收益率，如果收益率为正，则买入股票；如果收益率为负，则卖出股票。最后，我们使用这个交易策略模拟交易，并计算了总收益。
请注意，这只是一个简单的示例，实际的股票交易可能需要考虑更多的因素，例如交易费用、滑点、市场波动性等。此外，这个示例也没有考虑任何风险控制策略，例如止损订单、对冲等。