上一篇文章讲解了如何实现马丁策略，但没有探索其泛化能力，所以这次来尝试回测3000只股票来查看盈利比例。

批量爬取股票数据

这里爬取数据继续使用tushare，根据股票代码来遍历，因为爬取数据需要一定时间，不妨使用多线程来爬取，这里要注意tushare规定每分钟爬取不能超过500次，除非你有很多积分，所以线程数要适当调低。

首先我们生成上证与深证所有股票的代码：

#上证代码shanghaicode = []for i in range(600000, 604000, 1): shanghaicode.append(str(i)) #深证代码shenzhencode = []for i in range(1000000, 1005000, 1): i = str(i)[1:] shenzhencode.append(i)

然后再定义一个爬取函数，broker则是上一篇文章创建的实例：

def getalldata(code): if os.path.exists(datapath + code + '.csv'): print(code + 'already existed!') return metadata = broker.get_stock_pro(code) if len(metadata) == 0: return metadata.to_csv('C:/Users/abc/Desktop/' + code + '.csv',index = False) print(code + 'finished!')

导入多线程需要的模块

from concurrent.futures.thread import ThreadPoolExecutor #多线程

遍历所有代码开始爬取，max_workers可适当调整

executor = ThreadPoolExecutor(max_workers=3) for datatemp in executor.map(getalldata, shenzhencode): pass executor = ThreadPoolExecutor(max_workers=3) for datatemp in executor.map(getalldata, shanghaicode): pass

批量回测股票

数据爬好后则可开始回测了，因为回测是CPU瓶颈运算，所以这里就不使用多线程了，速度差不多。

首先将一只股票的回测程序封装到函数中，回测时间设置为2020年全年，起始资金设置为20万元：

def martinmulti(code): broker = backtesting(200000,'20200101', '20201231') #获取股票数据 metadata = pd.read_csv(datapath + code) data = np.array(metadata['close']) exdata = np.array(metadata['pre_close']) everyChange = np.array(metadata['change']) date = metadata['trade_date'].values everyChange = everyChange/data #开始回测 broker.startbackmartin(data, exdata, everyChange, date) dicttemp = {'股票代码': code,'终止现金': broker.cash} return dicttemp

遍历股票代码回测并记录终止现金

cashlist = pd.DataFrame(columns= ['股票代码','终止现金'])for code in datalist: datatemp = martinmulti(code) cashlist = cashlist.append(datatemp,ignore_index=True)

回测过程如下

接下来看看哪支股票获得了最大利润：

看看平均值

cashlist.mean()Out[12]: 终止现金 208279.115166

可以从均值看出马丁策略赚作为一种相对保险的方法赚的不多，当然想要找到一劳永逸的方法是不可能的，并且用平均数不能代表一切，那看看盈利比例如何：

plt.rcParams['font.sans-serif'] = ['SimHei']plt.style.use('ggplot')plt.title("盈利分布(万元)")bins = []for i in range(10000, 600000, 10000): bins.append(i)plt.hist(cashlist['终止现金'],bins = bins)plt.axvline(x = cashlist.mean().values,ls="-",c="green")#添加垂直直线

可以看出有折腰的也有翻倍的，且绝大部分集中于20w元旁边，分布图形整体往20万右侧偏移，该策略还有待改进。

到此这篇关于python实现马丁策略回测3000只股票的文章就介绍到这了,更多相关python股票策略回测内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！