夏买电,东买煤?

最后更新于:2022-04-01 21:56:51

# 夏买电,东买煤? > 来源:https://uqer.io/community/share/563c8050f9f06c713ddfeb6c 冬吃萝卜夏吃姜?冬炒煤来夏炒电 ? 行业分类 :申万二级行业 行业涨幅 :行业成分股市值加权 验证时间 :冬天(12,1,2)、夏天(7,8,9)..O、O .... 不懂什么夏至,春分,冬至啊/........ 主观预测 :然并卵好吗。!!!....唱唱 [炒股歌](http://baike.baidu.com/link?url=xofsFm-IwV2ll0v-JA0W0mfIw6apRmhD2NhcA9e1oRJ_gV6P8VvHf6xfTXypGVn6C0X9zSk-bmUVew5_HpfIeq) 都能攥钱还要我们混吗? 参考 :[Uqer社区牛人李杰关于行业涨幅统计的贴子](https://uqer.io/community/share/55401d69f9f06c1c3d687fa1) ```py #获得行业信息 def GetEquIndustry(universe,field): num = 100 cnt_num = len(universe)/num if cnt_num > 0: df = pd.DataFrame({}) for i in range(cnt_num) : sub_df = DataAPI.EquIndustryGet(secID=universe[i*num:(i+1)*num],field=field) df = pd.concat([df,sub_df]) if (i+1)*num != len(universe): sub_df = DataAPI.EquIndustryGet(secID=universe[(i+1)*num:],field=field) df = pd.concat([df,sub_df]) else: df = DataAPI.EquIndustryGet(secID=universe,field=field) return df ``` 选取行业,将行业所属股票加入`universe` ```py from CAL.PyCAL import * import pandas as pd cal = Calendar('China.SSE') universe = DataAPI.EquGet(equTypeCD='A')['secID'].tolist() #获得全A股的secID id2nm = lambda x:x[0:6] tk_list_A = map(id2nm,universe) #获得全A股的ticker Ind_info = GetEquIndustry(universe=universe,field=['ticker','secShortName','industryName2']) #获得个股的申万行业分类 Ind_info_gp = Ind_info.groupby('industryName2')#按照行业分组 universe = [] Ind_tks_dic = {} #获得每个行业包含的股票 for ind_nm,sub_info in Ind_info_gp: if ind_nm in ['电力' , '煤炭开采'] : Ind_tks_dic[ind_nm] = sub_info.drop_duplicates('ticker')['ticker'].tolist() universe += Ind_tks_dic[ind_nm] # print len(universe) ``` 获取所需各段时间段的数据,放入`Data_time`中 ```py from pandas import DataFrame,Series from CAL.PyCAL import * cal = Calendar('China.SSE') data = DataFrame() field = ['ticker','secShortName','tradeDate','preClosePrice','closePrice','turnoverValue'] #时间轴(开始时间) time = ['20150630','20140630','20130630','20120630','20110630', '20141130', '20131130', '20121130', '20111130', '20101130'] #保存各个时间段的数据 Data_time = {} #保存各个时间段的股票名字 tk_nm_dic ={} for s in time : Data_time[s] = DataFrame() data_temp = DataAPI.MktEqudAdjGet( ticker = universe , field =field , beginDate = s , endDate = cal.advanceDate(s,'3M', BizDayConvention.Following).strftime('%Y%m%d')) data_temp['marketValue'] = DataAPI.MktEqudGet(ticker = universe ,field ='marketValue' , beginDate = s , endDate = cal.advanceDate(s,'3M', BizDayConvention.Following).strftime('%Y%m%d')) Data_time[s] = pd.concat([Data_time[s],data_temp]) tk_nm_dic[s] = dict(zip(Data_time[s]['ticker'],Data_time[s]['secShortName'])) # 获得个股ticker与名称的对应字典 for s in Data_time.values() : s['tradeDate'] = pd.to_datetime(s['tradeDate']) # 将tradeDate这一列的格式由string改为datetime s['increase'] = s['closePrice']/s['preClosePrice'] # 获得个股每天的收益 ``` ```py #股票数据统计 Stock_Data = {} for s in Data_time.keys() : Stock_dict = {'ticker':[],'income':[],'turnoverValue':[] ,'marketValue' :[]} # 获得每个时间段的Data计算个股的收益和平均市值 for tk,sub_info in Data_time[s].groupby('ticker') : income = sub_info['increase'].prod()-1 # 获得在这段时间内该股的涨幅 mkt_value = sub_info['marketValue'].sum()/len(sub_info) turnoverValue_avg = sub_info['turnoverValue'].sum()/len(sub_info) Stock_dict['ticker'].append(tk) Stock_dict['income'].append(income) Stock_dict['marketValue'].append(mkt_value) Stock_dict['turnoverValue'].append(turnoverValue_avg) # 返回时间为Key的个股数据 Stock_Data[s] = pd.DataFrame(Stock_dict) ``` ```py #行业数据统计 Output_dicy = {} Output_dicy['industry'] = [] Output_dicy['Num'] = [] Output_dicy['bigstk_Summer15'] = [] Output_dicy['bigstk_Winter14'] = [] for ind,tks in Ind_tks_dic.items() : for table in Stock_Data.keys() : if not table in Output_dicy.keys() : Output_dicy[table] = [] sub_Industry = Stock_Data[table][Stock_Data[table]['ticker'].isin(tks)] # 行业指数收益 rtn_Industry = (sub_Industry['income']*sub_Industry['marketValue']).sum()/sub_Industry['marketValue'].sum() # 成交量 bigstk = sub_Industry.sort(columns='turnoverValue',ascending=False)['ticker'][0:3].tolist() Output_dicy[table].append(rtn_Industry) # 计算成交量 if table == '20150630' : Output_dicy['bigstk_Summer15'].append(map(lambda x:tk_nm_dic['20150630'][x],bigstk)) if table == '20141130' : Output_dicy['bigstk_Winter14'].append(map(lambda x:tk_nm_dic['20141130'][x],bigstk)) #最新行业成分数量 Output_dicy['Num'].append(len(sub_Industry)) Output_dicy['industry'].append(ind) # 计算上证指数同期涨幅 for s in time : temp = DataAPI.MktIdxdGet(ticker= '000001' , beginDate = s , endDate = cal.advanceDate(s,'3M', BizDayConvention.Following).strftime('%Y%m%d'),field=u"secShortName,closeIndex",pandas="1") SH_rtn = temp['closeIndex'].values[-1] / temp['closeIndex'].values[0] - 1 Output_dicy[s].append(SH_rtn) Output_dicy['Num'].append(1) Output_dicy['industry'].append('上证指数') Output_dicy['bigstk_Winter14'].append(None) Output_dicy['bigstk_Summer15'].append(None) Output_table = pd.DataFrame(Output_dicy) ``` ```py # 夏天统计 Out_put = Output_table.loc[:,['industry','Num','20110630','20120630','20130630','20140630','20150630','bigstk_Summer15']] Out_put.columns = [u'行业名称',u'该行业成分股数目(15年)',u'2011年夏天收益',u'2012年夏天收益',u'2013年夏天收益',u'2014年夏天收益',u'2015年夏天收益',u'2015年夏天成交量前三'] # print u'一共有%d个申万二级行业'%len(Out_put),u',1年内行业涨幅' Out_put.sort(u'2015年夏天收益' , ascending = False) ``` | | 行业名称 | 该行业成分股数目(15年) | 2011年夏天收益 | 2012年夏天收益 | 2013年夏天收益 | 2014年夏天收益 | 2015年夏天收益 | 2015年夏天成交量前三 | | --- | --- | | 0 | 电力 | 65 | -0.164885 | -0.080913 | 0.047399 | 0.311616 | -0.277611 | [中国核电, 国电电力, 梅雁吉祥] | | 2 | 上证指数 | 1 | -0.145853 | -0.068142 | 0.089925 | 0.154049 | -0.286270 | None | | 1 | 煤炭开采 | 44 | -0.095143 | -0.029945 | 0.070714 | 0.244293 | -0.341531 | [国投新集, 中国神华, 中煤能源] | 14年夏天电力还不错。。。 ```py # 冬天统计 Out_put = Output_table.loc[:,['industry','Num','20101130','20111130','20121130','20131130','20141130','bigstk_Winter14']] Out_put.columns = [u'行业名称',u'该行业成分股数目(15年)',u'2010年冬天收益',u'2011年冬天收益',u'2012年冬天收益',u'2013年冬天收益',u'2014年冬天收益',u'2014年冬天成交量前三'] # print u'一共有%d个申万二级行业'%len(Out_put),u',1年内行业涨幅' Out_put.sort(u'2014年冬天收益' , ascending = False) ``` | | 行业名称 | 该行业成分股数目(15年) | 2010年冬天收益 | 2011年冬天收益 | 2012年冬天收益 | 2013年冬天收益 | 2014年冬天收益 | 2014年冬天成交量前三 | | --- | --- | | 2 | 上证指数 | 1 | 0.030095 | 0.040744 | 0.194673 | -0.068438 | 0.244808 | None | | 0 | 电力 | 65 | -0.018729 | -0.003542 | 0.161399 | -0.043282 | 0.210642 | [国电电力, 国投电力, 长江电力] | | 1 | 煤炭开采 | 44 | 0.059724 | 0.017702 | 0.157182 | -0.209695 | 0.140903 | [中国神华, 国投新集, 西山煤电] | 冬买煤、冬买煤、冬买煤,呵呵!赶紧买...保证亏不死! O.....~
';