python进行股票收益率计算和风险控制的实现

股票收益率计算和风险控制的实现

在进行股票投资时，计算收益率和进行风险控制是非常重要的。本文将介绍一个与此相关的函数：radio_day_cal()。

radio_day_cal()函数

def radio_day_cal(last_day, sheet_name, df_dict, code_list, new_list):i = 0days_work = stock_parse.get_days_now_buy(sheet_name, code_list[0])if days_work > DAYS_WATCH and sheet_name != "止盈":print(f'此为第{days_work}天，已经超过止损观察的{DAYS_WATCH}天，请移除并删除分组！！！！')for code in code_list:days_work = stock_parse.get_days_now_buy(sheet_name, code)if (days_work - last_day >= -1) and (days_work > 2 or last_day == 1):day_row_num = days_work - last_day + 2else:print(f'第{days_work}天的上{last_day}天不存在!!!')return Nonetry:open = df_dict[code][day_row_num]  # n日开盘except: # 格式发生变化open = df_dict[int(code)][day_row_num]  # n日开盘new = new_list[i]i = i + 1radio = ((float(new) - float(open)) / float(open)) * 100radio = round(radio, 2)if math.isnan(radio) == True:print(f'以下为止损策略结果：股票代码{code}相对第{last_day}天收益率未填入！！！！！')return Noneprint(f'以下为止损策略结果：股票代码{code}相对前{last_day}天收益率为{radio}%')if last_day == 1: # 日跌5点判断if radio <= -DAY1_OUT_LOSS:print(f'建议抛出（日跌{DAY1_OUT_LOSS}点）！！！！！')else:print("建议持有")elif last_day == 3 and days_work > 3: # 3日3点判断if radio <= -DAY3_OUT_LOSS:print(f'建议抛出（日跌{DAY3_OUT_LOSS}点）！！！！！')else:print("建议持有")elif last_day == 3 and days_work == 3: # 第3日没有收益出if radio <= DAY3_OUT_TARGET:print(f'建议抛出（三日预期不足{DAY3_OUT_TARGET}点）！！！！！')else:print(f'建议持有，且将股票移入止盈策略（三日预期超出{DAY3_OUT_TARGET}点）！！！！！')elif last_day == 5: # 5日5点判断if radio <= -DAY5_OUT_LOSS:print(f'建议抛出（日跌{DAY5_OUT_LOSS}点）！！！！！')else:print("建议持有")

该函数用于计算当前和前last_day天的收益率。该函数以一个股票代码列表作为输入，依次计算每个股票的收益率，并根据不同的策略打印输出相应的建议。

首先，该函数使用外部库stock_parse.get_days_now_buy()获取从购买日期到现在的天数，并检查非止盈分组是否多余，如果超过了设定的观察期DAYS_WATCH就会进行提示。然后，对于给定的股票列表中的每只股票，该函数计算出距离当前日期和买入日的天数间隔days_work，并据此确定相应的行号day接着，在确定了相应的行号day_row_num之后，该函数从数据字典df_dict中获取开盘价open和当前价new，根据公式(new - open) / open * 100计算出相对于前last_day天的收益率radio`。最后，根据不同的策略打印输出相应的建议。

如果存在格式变化等错误，则会进行相应的提示。

这个函数主要用于给出针对某只股票的持有和抛出建议，帮助投资者做好风险控制和收益管理。

总结

本文介绍了一个计算股票收益率并进行风险控制的函数radio_day_cal()，它可以计算相对于前last_day天的收益率，并根据相应的策略给出持有或抛出的建议。

在实践中，我们可以根据具体情况调整参数last_day、DAYS_WATCH、DAY1_OUT_LOSS、DAY3_OUT_LOSS、DAY3_OUT_TARGET和DAY5_OUT_LOSS等，以达到更好的效果。

源文件链接及描述见：https://blog.csdn.net/Fei_Yang_YF/article/details/129832565?spm=1001.2014.3001.5501