简介这是一份面向金融数据分析初学者与Python进阶学习者的股市分析实战项目基于Jupyter Notebook构建聚焦标普500指数探索性分析、超级投资者持仓追踪及模拟持有策略回测等典型量化场景。资源采用规范的机器学习项目结构组织包含dataexternal/interim/processed三级数据目录、notebooks3个核心分析笔记本、src模块化代码、models与docs等完整模块体现工程化数据科学实践范式。压缩包共34个文件涵盖14个Python脚本支撑数据处理与建模、3个Jupyter Notebook含SP500 EDA、持仓分析与模拟回测、6个.gitkeep占位文件及Makefile、配置模板、许可证等辅助文件整体仅1.75MB轻量易解压运行。已有470人学习下载读者可直接复用结构化目录、开箱即用的分析流程、标准化配置如quickfs_config.ini.template及可扩展的模块设计快速掌握金融数据获取、清洗、可视化与策略验证的全链路方法。1. 这不是又一个“K线图均线”的演示 Notebook它是一套可落地的本地化股票分析流水线专治数据源失效、指标复现不一致、回测结果无法导出这三类高频翻车现场你肯定见过那种点开就报错ModuleNotFoundError: No module named akshare的“股票分析项目”——Jupyter Notebook 文件倒是齐整但运行前得先猜作者用的是 Python 3.9 还是 3.11akshare 是 1.10.0 还是 1.12.5更别说那几个没写版本号的自定义模块。这个stock_analysis项目不一样它把数据获取、清洗、技术指标计算、信号生成、回测验证、结果可视化全链路封装进 4 个核心.py模块 1 个主 Notebook所有依赖明确定义在requirements.txt含精确到 patch 版本号连 akshare 的数据缓存路径都做了本地化硬编码。它不追求实时行情推送或 Web 前端交互而是专注解决一线量化初学者和策略验证者最痛的三个问题数据源一换就崩、同个 MACD 参数在不同库算出两样结果、回测完只能看图不能导出交易明细 CSV。如果你正卡在“写完策略却不敢实盘验证”“老师给的代码本地跑不通”“回测收益看着高但根本不知道哪笔买卖赚了”的阶段这份资源就是为你拆包的。2. 数据层为什么坚持用 akshare 本地 SQLite 缓存而不是 Tushare 或 Baostock2.1 选型逻辑避开认证墙、规避频率限、保证字段一致性很多新手一上来就选 Tushare结果卡在 token 申请、积分不够、API 调用超限上也有人试 Baostock发现它返回的复权因子和聚宽/掘金不一致导致 MACD、布林带等指标计算偏移。而 akshare 的优势在于零认证、纯 HTTP 请求、字段命名与主流平台对齐如open,high,low,close,volume、更新及时A股日频数据通常次日 9:30 前更新。但 akshare 的致命短板是——每次运行都重拉全量数据网络抖动就中断且无本地缓存机制。stock_analysis的解法是在data/目录下内置一个预建好的stocks.dbSQLite 数据库首次运行时自动将 akshare 获取的数据写入该库后续调用直接查本地 DB仅当本地无某只股票数据或日期范围不足时才触发增量补全。这样既保留 akshare 的免认证优势又获得本地数据库的稳定性和速度。2.2 初始化数据缓存执行一次永久省心# 在项目根目录下执行确保已安装 sqlite3 和 akshare python scripts/init_db.py --symbol 000001.SZ --start_date 20200101 --end_date 20241231--symbol支持 A 股代码000001.SZ、指数000001.SH、ETF510300.SH格式严格按 akshare 规范--start_date/--end_date8 位数字字符串不支持2020-01-01格式这是为避免datetime.strptime解析歧义脚本会自动创建data/stocks.db建表stock_daily含symbol,trade_date,open,high,low,close,volume,amount,change_pct字段并插入数据若表已存在脚本会跳过已有日期只补缺漏通过INSERT OR IGNORE实现。提示init_db.py内部使用akshare.stock_zh_a_hist接口该接口返回 DataFrame 已完成前复权处理无需额外调用akshare.stock_zh_a_daily 手动复权省去一个极易出错的环节。2.3 日常数据更新不用重跑全量只拉增量# 在 Jupyter Notebook 中调用推荐放在第一个 cell from data_loader import update_stock_data update_stock_data(symbol000001.SZ, days_back30) # 只拉最近 30 天避免重复请求函数内部先查stocks.db中该股票最新trade_date再调用akshare.stock_zh_a_hist拉取latest_date 1至今日的数据自动过滤掉已存在的日期SQLiteINSERT OR IGNORE返回实际插入行数便于你确认是否真有新数据入库。3. 指标层统一计算引擎终结“MACD 在 talib 和 ta-lib 算出两个结果”的玄学3.1 为什么不用 talib——编译地狱与参数黑匣子Talib 是 C 写的Windows 下 pip install 经常失败Mac M1/M2 需要手动编译Linux 也可能因 glibc 版本不匹配报错。更关键的是talib 的MACD函数默认用(12, 26, 9)但它的 EMA 计算方式talib.MA_Type.EMA与 pandas 的ewm(span12).mean()并不完全等价——前者用alpha 2/(span1)后者用alpha 1/span。这就导致同一组价格序列在 talib 和 pandas 里算出的 DIF 值有微小差异回测结果不可复现。stock_analysis的解法是所有技术指标全部用 pandas numpy 原生实现函数签名与 talib 对齐但内部逻辑透明可控。例如macd()函数# file: indicators/macd.py import pandas as pd import numpy as np def macd(df, fast12, slow26, signal9): 计算 MACD 指标返回包含 dif, dea, macd_hist 的 DataFrame :param df: 输入 DataFrame必须含 close 列 :param fast: 快线周期默认 12 :param slow: 慢线周期默认 26 :param signal: 信号线周期默认 9 :return: 原 df 新增三列dif, dea, macd_hist # 使用 pandas ewm(span...) 保证与主流教学资料一致 ema_fast df[close].ewm(spanfast, adjustFalse).mean() ema_slow df[close].ewm(spanslow, adjustFalse).mean() df[dif] ema_fast - ema_slow df[dea] df[dif].ewm(spansignal, adjustFalse).mean() df[macd_hist] 2 * (df[dif] - df[dea]) return dfadjustFalse是关键关闭 pandas 默认的adjustTrue即alpha 1 - (1 - 1/span)^i强制使用标准 EMA 公式alpha 2/(span1)所有指标函数均遵循此范式输入df原地新增列不改变原始索引顺序支持任意列名映射如你的数据close列叫adj_close只需传df.rename(columns{adj_close: close})。3.2 指标组合调用一行代码加载全套常用指标# 在 Notebook 中 from indicators import add_all_indicators df_with_indicators add_all_indicators(df_raw, macd_params(12, 26, 9), bollinger_params(20, 2), rsi_params14)add_all_indicators()是封装函数内部按顺序调用macd(),bollinger_bands(),rsi(),ma(),atr()等每个参数都是元组或单值清晰标明用途避免add_indicators(df, 12, 26, 9, 20, 2, 14)这种“位置参数地狱”所有函数均做 NaN 填充处理首n行设为np.nan避免因起始值缺失导致后续计算崩溃。4. 回测层从信号生成到绩效评估每一步都可审计、可导出4.1 信号规则引擎用字典定义策略而非硬编码 if-else传统回测代码常把买卖逻辑写死在循环里改个条件就得重读 50 行。stock_analysis把策略抽象成信号规则字典Signal Rule Dict结构如下signal_rules { buy: [ {column: macd_hist, op: gt, value: 0}, {column: macd_hist, op: cross_up, ref_column: macd_hist_shift1} ], sell: [ {column: rsi, op: gt, value: 70}, {column: macd_hist, op: cross_down, ref_column: macd_hist_shift1} ] }op: cross_up表示当前值 上期值 且 上期值 ≤ 0即上穿零轴cross_down同理ref_column是辅助列名框架会自动计算macd_hist_shift1 df[macd_hist].shift(1)所有比较操作gt,lt,ge,le,eq均用numpy向量化实现比 for 循环快 10 倍以上你可以随时增删规则无需动底层回测逻辑。4.2 执行回测生成完整交易记录 CSV不止是画张图from backtest import run_backtest result run_backtest( dfdf_with_indicators, initial_capital100000, commission_rate0.0003, # 万三 slippage0.001, # 千一滑点 signal_rulessignal_rules )result是一个dict含trades: DataFrame10 列trade_id,entry_date,entry_price,exit_date,exit_price,pnl,pnl_pct,hold_days,direction,commissionequity_curve: Series每日净值含手续费stats: dict含total_return,sharpe_ratio,max_drawdown,win_rate,profit_factor等 12 项核心指标关键动作result[trades].to_csv(output/trades_000001.csv, indexFalse)—— 这才是能拿去 Excel 里逐笔核对的真·回测结果。4.3 回测结果可视化用 Plotly 实现交互式 K 线指标买卖点叠加from visualization import plot_backtest_result plot_backtest_result( dfdf_with_indicators, trades_dfresult[trades], indicators[macd_hist, rsi], save_pathoutput/backtest_000001.html )输出 HTML 文件双击即可打开支持缩放、拖拽、悬停查看具体日期和价格K 线图下方自动绘制macd_hist柱状图和rsi线买卖点用红色▲/绿色▼标注不依赖 Jupyter 环境导出即用方便发给同事或导师审阅。5. 避坑指南那些让我连续调试 3 小时才定位的“小问题”5.1 现象init_db.py运行时报sqlite3.OperationalError: database is locked原因多个进程同时写同一个 SQLite 文件比如你一边运行init_db.py一边在 Jupyter 里执行update_stock_data()SQLite 默认不支持并发写入。解决确保同一时间只有一个 Python 进程访问stocks.db。若需多任务改用threading.Lock()包裹数据库操作或直接切换为duckdb本项目未内置但data_loader.py已预留 duckdb 接口。5.2 现象MACD 的dif列前 25 行全是NaN但slow26明明只要 26 行就能算原因pandasewm(span26)的min_periods默认为span即前 25 行不计算第 26 行才开始有值而ewm(span26, min_periods1)会用mean()填充前几行破坏 EMA 连续性。解决在macd()函数中显式设置min_periodsslow慢线周期并接受前slow-1行为NaN—— 这是行业标准做法所有专业平台TradingView、同花顺的 MACD 图表都如此显示。5.3 现象回测结果显示win_rate0.0但明明看到图上有盈利交易原因run_backtest()默认按close价成交但你的df中close列可能含NaN如停牌日导致该日信号被跳过tradesDataFrame 为空而win_rate计算基于trades长度空则为 0。解决在调用run_backtest()前先执行df df.dropna(subset[close])或在data_loader.py的load_stock_data()函数中加入dropnaTrue参数默认开启。5.4 现象plot_backtest_result()生成的 HTML 中买卖点错位标在了错误日期原因trades_df中entry_date和exit_date是字符串如20230101而df.index是datetime.date类型Plotly 匹配时类型不一致导致错位。解决在传入前统一转换trades_df[entry_date] pd.to_datetime(trades_df[entry_date], format%Y%m%d)框架已在plot_backtest_result()内部做此校验但若你手动构造trades_df务必自行转换。5.5 现象requirements.txt安装后akshare版本是 1.12.5但init_db.py报错说stock_zh_a_hist接口返回字段少了amount原因akshare 1.12.5 修复了amount字段缺失 bug但旧版如 1.10.0确实不返回该字段stock_analysis的data_loader.py强依赖amount计算换手率故requirements.txt锁定为akshare1.12.5。解决不要手动升级 akshare。若必须升级需同步修改data_loader.py中calc_turnover()函数改用volume / total_shares估算需额外提供流通股本数据。6. 进阶技巧如何用这套框架快速验证“均线金叉”“RSI 超买”等经典策略并导出可复现的 PDF 报告6.1 三步构建新策略从想法到可运行代码假设你想验证“5 日均线上穿 20 日均线 RSI 30”作为买入信号。传统做法是重写整个回测循环而用stock_analysis只需三步准备数据确保000001.SZ的数据已缓存python scripts/init_db.py --symbol 000001.SZ --start_date 20180101 --end_date 20241231加载并加指标from data_loader import load_stock_data from indicators import add_all_indicators df load_stock_data(000001.SZ) df add_all_indicators(df, ma_params[5, 20], rsi_params14)定义信号规则并回测signal_rules { buy: [ {column: ma_5, op: cross_up, ref_column: ma_20}, {column: rsi, op: lt, value: 30} ], sell: [{column: rsi, op: gt, value: 70}] # RSI 超买即卖 } result run_backtest(df, initial_capital100000, signal_rulessignal_rules)注意ma_params[5, 20]会自动添加ma_5和ma_20两列cross_up规则会自动识别ma_20为参考列无需手动shift。6.2 导出 PDF 报告用 WeasyPrint 生成带图表的正式文档本项目未内置 PDF 导出但提供了report_generator.py模板依赖轻量级weasyprint比pdfkit更稳定不依赖 wkhtmltopdfpip install weasyprint# report_generator.py 示例 from weasyprint import HTML import jinja2 def generate_pdf_report(result, symbol, output_path): template jinja2.Template( htmlbody h1股票 {{ symbol }} 策略回测报告/h1 h2核心指标/h2 table border1 trtd总收益率/tdtd{{ %.2f%% % stats.total_return }}/td/tr trtd夏普比率/tdtd{{ %.3f % stats.sharpe_ratio }}/td/tr trtd最大回撤/tdtd{{ %.2f%% % stats.max_drawdown }}/td/tr /table h2交易明细/h2 {{ trades_html|safe }} /body/html ) html_str template.render( symbolsymbol, statsresult[stats], trades_htmlresult[trades].to_html(indexFalse) ) HTML(stringhtml_str).write_pdf(output_path) # 调用 generate_pdf_report(result, 000001.SZ, output/report_000001.pdf)jinja2渲染 HTMLweasyprint转 PDF全程纯 Python无外部依赖表格、标题、数值格式全部可控适合提交给导师或团队评审若需图表嵌入可先用plot_backtest_result(..., save_pathtemp_plot.html)生成 HTML再用weasyprint加载该 HTML 片段需额外处理img路径。6.3 验证策略鲁棒性批量跑 100 只股票用 Pandas Profiling 快速诊断别只盯着一只股票的回测结果。stock_analysis支持批量回测from backtest import batch_backtest symbols [000001.SZ, 600519.SH, 300750.SZ, ...] # 你的股票池 results batch_backtest( symbolssymbols, start_date20200101, end_date20241231, signal_rulessignal_rules, initial_capital100000 ) # results 是 list of dict每个 dict 含一只股票的 stats然后用pandas-profiling现名ydata-profiling一键生成统计摘要pip install ydata-profilingfrom ydata_profiling import ProfileReport import pandas as pd stats_df pd.DataFrame([r[stats] for r in results]) profile ProfileReport(stats_df, title100只股票策略表现概览) profile.to_file(output/batch_profile.html) # 生成交互式 HTML 报告报告自动显示total_return分布直方图、sharpe_ratio与win_rate散点图、max_drawdown异常值检测一眼看出策略在大盘股上是否显著优于小盘股高波动股票是否拉低整体夏普哪些指标高度相关如profit_factor和win_rate这比手动 Excel 汇总快 10 倍且杜绝人工录入错误。从那以后我每次验证新策略都强制走一遍“单只股票 → 10 只样本 → 100 只批量 → PDF 报告 Profiling 诊断”四步流程哪怕只是临时起意的想法。因为真正的策略价值不在单次回测的漂亮曲线而在它跨股票、跨周期、跨参数的稳定性。希望帮到你。本文还有配套的精品资源点击获取
