利用 Pandas 輕鬆取得股價並回測：pandas_datareader 量化入門教學
我們之前有教過怎麼樣取當日所有股票股價的方法，但是假如我們想要做歷史回測，除了慢慢一天天抓，也可以使用 pandas_datareader 這個 package（可以用 pip install pandas_datareader 來安裝）
跟之前股價爬蟲的比較
之前我們教的股價爬蟲，是採取一天天下載的方式，今天教的方法是幾支股票，一次下載全部歷史股價！這個方法的優點是超簡單，而且下載速度又快，缺點是有些下市的股票的股價沒有辦法取得，會有生存者偏差，而且資料比較不齊全，但偶爾玩玩，練習一下 pandas 是很不錯的！
首先先用 pandas_datareader 取得資料
取得資料又更簡單了！先匯入要用的包
import
顯示程式碼
from pandas_datareader import data # pip install pandas_datareader
import matplotlib.pyplot as plt # pip install matplotlib
import pandas as pd # pip install pandas
%matplotlib inline然後：get data
顯示程式碼
data = data.DataReader("^TWII", "yahoo", "2000-01-01","2018-01-01")
c = data['Close']
c.plot()
就這樣，真的超簡單吧！假如你之前不會…現在跟你講了，別打我 XDD
這個方法爬到的資料真的比較不齊全啦！
用 pandas 計算 60日收盤價格
如何用 pandas 快速算出平均線呢？ get data
顯示程式碼
# 近60日收盤
c60 = c.rolling(60, min_periods=1).mean()
# 畫圖
c['2015':].plot()
c60['2015':].plot()
第二行的 c 就是收盤價 close 的簡稱，是一個 series ，代表每一天收盤價的時間序列，可以上 pandas 官網上查詢 相關的用法，其中有一個好用的 function 叫做 rolling 其實它的含意就是隨時間移動窗格，將窗格中的收盤價取：
- 60天最大值（
c.rolling(60).max()） - 60天平均（
c.rolling(60).mean()） - 60天最小值（
c.rolling(60).min()）
那為何我們還需要一個 min_periods=1 這個參數呢？因為照原本的設定，60天內只要有一個值是 NaN，則平均值就是 NaN，只要一筆資料有問題，你就有60天算不出平均值，所以 min_periods=1 就是在說，只要60天裡面有一天不是 NaN 就強制算的意思。
第五行跟第六行是畫圖，因為我們不想畫整整18年的圖，畫最近三年就好了，所以利用 [start:end] 來選擇時間，我們希望從 2015 年到此資料的最後一筆，所以 end 放空白（跟 python array 一樣的選取方式，只是改用日期）。
用 pandas 算出買入訊號
假如當日收盤 > 近60日收盤，則當日收盤瞬間買，不然則空手
這樣子的回測要怎麼寫呢？三行解決，有沒有比 multichart 還簡單！？
backtest
顯示程式碼
# 進60日收盤
c60 = c.rolling(60, min_periods=1).mean()
# 買入訊號
signal = (c > c60)
# 回測並跟大盤比較
(c.shift(-1) / c)[signal].cumprod().plot(color='red')
(c.shift(-1) / c).cumprod().plot(color='blue')
- 買入訊號（line 5）是如何建立的呢？原本的
c和c60都是float series，然而這邊的signal是一個boolean series，代表當天的c比c60還要大，每一天都會有一個布林值，True代表要在收盤價買入，而False代表在收盤價空手 - 為何我們用一行（line 8）就可以回測呢？首先，我們將數值變成成長率
c.shift(-1)/c，其中c.shift(-1)代表明天的收盤價，而c代表今天的收盤價。這個成長率是一個近似於 1 的數值，大於1代表明天漲，小於1代表明天跌。我們將所有的成長率照著時間乘起來，就會還原成原本的大盤c，然而我們只有在signal = True的時候持有大盤，資產才會隨著增長率變動。xx[signal]的意思就是選取一個sub-series，將signal = False的天給去除。所以我們只選signal = True的每一天相對應的成長率乘起來（cumprod()），就會是回測結果了！ - 最後一行（line 9）是做什麼的？用來畫出大盤的，假設我們沒有用
xx[signal]篩選，等於每天都買入的狀況，利用cumprod把每一天的成長率都乘起來。其實這行也可以寫成(c/c[0]).plot(color='blue')都是互通的，各位可以試試看。
這邊比較複雜，建議把 c、(c.shift(-1)/c)、signal，這些數值都 print 出來比較一番吧！
get data
顯示程式碼
pd.DataFrame({'c':c, 'c60':c60, '增長率':c.shift(-1)/c, 'signal':signal}).head()
小總結
- 我沒有考慮手續費喔！考慮了以後，這個方法應該不會太好，這篇主要是帶大家練習 pandas！
- 利用 Pandas 來攝取資料 1 行
- 利用 Pandas 簡易回測 3 行
- 學習
series的操作
第一次看，應該會覺得 pandas 怎麼這麼厲害，但又很無奈自己無法玩轉操弄它。不用擔心，只要常常看這個系列，就會慢慢對 pandas 有感覺囉！