Python量化交易实战：获取股票数据并做分析处理

量化交易（也称自动化交易）是一种应用数学模型帮助投资者进行判断，并且根据计算机程序发送的指令进行交易的投资方式，它极大地减少了投资者情绪波动的影响。量化交易的主要优势如下：

1. 快速检测
2. 客观、理性
3. 自动化

量化交易的核心是筛选策略，策略也是依靠数学或物理模型来创造，把数学语言变成计算机语言。量化交易的流程是从数据的获取到数据的分析、处理。

数据获取

数据分析工作的第一步就是获取数据，也就是数据采集。获取数据的方式有很多，一般来讲， 数据来源主要分为两大类：外部来源（外部购买、网络爬取、免费开源数据等）和内部来源 （自己企业销售数据、财务数据等）。

因为我们不生产数据，所以只能从外部获取数据。其获取途径是第三方开源库tushare。

使用 tushare 获取历史股票数据

tushare 是一个免费、开源的Python 财经数据接口包。其主要实现对股票等金融数据从数据采集、清洗加工到数据存储的过程，能够为金融分析人员提供快速、整洁和多样的便于分析的数据，以减轻他们在数据获取方面的工作量。

安装 tushare 库，在 Jupter Notebook 下输入以下命令：

%pip install tushare

重启kernel，然后输入以下命令。

import tushare
print("tushare版本号{}".format(tushare.__version__))

tushare版本号1.2.85

获取个股历史交易数据（包括均线数据），用户可以通过参数设置获取日K线、周K线、月K线，以及5分钟、15 分钟、30 分钟和 60分钟K线数据。本接口只能获取近3年的日线数据，适合搭配均线数据进行选股和分析。Python 代码如下：

import  tushare  as  ts
ts.get_hist_data('000001') #一次性获取全部日k线数据
'''
参数说明：
code：股票代码，即6位数字代码，或者指数代码（sh=上证指数 sz=深圳成指 hs300=沪深300指数 sz50=上证50 zxb=中小板 cyb=创业板）
start：开始日期，格式YYYY-MM-DD
end：结束日期，格式YYYY-MM-DD
ktype：数据类型，D=日k线 W=周 M=月 5=5分钟 15=15分钟 30=30分钟 60=60分钟，默认为D
retry_count：当网络异常后重试次数，默认为3
pause:重试时停顿秒数，默认为0
例如：
ts.get_hist_data('000001', ktype='W') #获取周k线数据
ts.get_hist_