python实现布林线策略案例

好的，以下是一个使用Python实现布林线策略案例的简单示例：

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()

# 计算布林线
def calculate_bollinger_bands(data, window=20):
    data["Middle"] = data["Close"].rolling(window=window).mean()
    data["Upper"] = data["Middle"] + data["Close"].rolling(window=window).std() * 2
    data["Lower"] = data["Middle"] - data["Close"].rolling(window=window).std() * 2
    return data

# 计算布林线
stock_data = calculate_bollinger_bands(stock_data)

# 定义交易策略
def trading_strategy(data, stock_name, initial_investment):
    # 判断买入信号
    if data["Close"] > data["Upper"]:
        if data["Cash"] > 0:
            # 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
    # 判断卖出信号
    elif data["Close"] < data["Lower"]:
        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。我们还定义了一个计算布林线的函数，该函数计算了股票的中位数、上轨和下轨。然后，我们定义了一个交易策略，该策略在每日收盘时检查股票价格是否高于布林线上轨或低于布林线下轨，如果高于布林线上轨，则买入股票；如果低于布林线下轨，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。