股票推荐与量化分析系统=1.0版本

项目简介

本项目是一个基于Python的股票推荐与量化分析系统，通过Tushare金融数据接口获取股票数据，结合CAPM Alpha分析和多种技术指标，实现股票筛选、因子计算和回测策略的功能。

【重要声明】：这个版本其实主要是工作之后，吃饱了没事干自己研究的，主要是想要通过比较简单的alpha选股来跑一下策略。如果有看到这篇文章的同学可以下载一下，代码其实很乱，而且这个版本基本上没用上AI vibe coding。

【Knorth】股票推荐与量化分析系统-V1

主要功能

1. 数据获取模块 (getData_Store_fun.py)

• StockDataProcessor: 核心数据处理器类

  • company_download(): 下载股票列表数据
  • company_load(): 加载指定行业的股票数据
  • getCompanyList(): 获取股票分类列表
  • getData(): 获取股票行情和技术指标数据
  • 批量数据获取功能，支持分批处理大量股票数据

2. Alpha分析模块

analysis_CAPM_alphaGet_fun.py

• calculate_industry_alpha(): 计算指定行业的Alpha值
• batch_calculate_alpha(): 批量计算多个行业的Alpha
• get_top_stocks_by_alpha(): 根据Alpha值获取Top股票
• prepareData_test(): 准备测试数据

analysis_CAPM_alphaSort_fun.py

• calculate_alpha(): 计算股票的Alpha值
• batch_calculate_alpha(): 批量计算Alpha
• get_top_stocks_by_alpha(): 获取Alpha排名靠前的股票
• get_recent_30_days(): 获取最近30个交易日数据

3. 技术因子计算模块 (data_initial_transform_tech_fun.py)

• TechFactorCalculator: 技术因子计算器，支持：

  • calculate_MACD(): MACD指数平滑移动平均线
  • calculate_ROCMA(): 变动率移动平均线
  • calculate_VR(): 成交量变异率
  • calculate_minReturn_enhanced(): 最小收益率增强计算
  • 行业数据处理与合并

4. 策略回测模块 (strategy_test_simple.py)

• MultiStockBuyAndHold: 多股票买入持有策略
• DynamicRebalancingStrategy: 动态再平衡策略
• 组合收益对比分析
• 最大回撤计算

安装依赖

pip install tushare pandas numpy backtrader matplotlib

使用方法

1. 配置Tushare Token

在使用前需要设置Tushare API Token：

import tushare as ts
ts.set_token('your_token_here')

2. 数据获取

from getData_Store_fun import StockDataProcessor

processor = StockDataProcessor()
# 获取银行行业股票数据
company_load('银行', save_path)

3. Alpha分析

from analysis_CAPM_alphaGet_fun import batch_calculate_alpha

alpha_data = batch_calculate_alpha(
    ['银行', '多元金融', '互联网'],
    TUSHARE_TOKEN,
    save_path0,
    save_path2
)

4. 技术因子计算

from data_initial_transform_tech_fun import TechFactorCalculator

calculator = TechFactorCalculator(base_save_path)
calculator.process_multiple_industries(['银行', '证券'])

5. 策略回测

from strategy_test_simple import Testmain

Testmain(df0, dict0, initial_principal=20000)

项目结构

├── original_data/           # 原始数据存储
├── original_data_useful/    # 清洗后的有效数据
├── analysis_data/           # 分析结果数据
├── python_temp_place/       # Jupyter笔记本存放
├── python_workflow_stageOne/# 核心工作流代码
│   ├── getData_Store_fun.py      # 数据获取模块
│   ├── analysis_CAPM_alphaGet_fun.py  # Alpha计算模块
│   ├── analysis_CAPM_alphaSort_fun.py # Alpha排序模块
│   ├── data_initial_transform_tech_fun.py  # 技术因子模块
│   └── strategy_test_simple.py   # 策略回测模块
└── LICENSE

数据说明

• 原始数据: 存放于 original_data/ 目录
• 分析结果: 输出至 analysis_data/ 目录
• 支持的行业分类：银行、多元金融、互联网等