Python的tushare库实现沪深300 指数数据分析——CAMP模型

（1）筛选
使用作业1的程序

1. 完成对沪深300指数成分股过去2015年1月-2018年1月三年的数据分析
2. 按alpha从大到小，选择出30只alpha最高的股票形成股票池1，以备进一步分析

（2）预测

1. 对沪深300指数成分股2018年1月-2021年1月三年的数据分析
2. 选择出30只alpha最高的股票形成股票池2
3. 观察股票池1和股票池2的重合度
4. 分别计算股票池1在2015-2018时间段和2018-2021时间段的Alpha均值，观察Alpha均值的变化
5. 对观察结果进行思考与分析

股票基础信息获取网站

将沪深300的成分股的基础信息整合到txt文件中

将获取的股票基础信息整理成csv文件便于在Python中读取

使用tushare库爬取股票交易数据，建立CAMP模型，进行分析，废话不多话，直接上代码！

"""
python3.7
-*- coding: UTF-8 -*-
@Project -> File   ：Code -> CAMP
@IDE    ：PyCharm
@Author ：YangShouWei
@USER: 296714435
@Date   ：2021/4/6 15:41:37
@LastEditor:
"""

import pandas as pd
import tushare as ts
import matplotlib.pyplot as plt
import statsmodels.api as sm
import re
import numpy as np


def modelCAMP(code,name, starttime, endtime):
    # 资本资产进价模型(CAPM)
    # Ri -Rf = β*(Rm-Rf) + ε
    # 载入股指数据
    sh = ts.get_k_data('sh', start=starttime,end=endtime, autype='qfq')  # 获取上证数据
    sh["p_change"] = (sh["close"] / sh["close"].shift(1) - 1) * 100  # 利用今日收盘价和前日收盘价计算股价波动，新增一列
    try:
        gzmt = ts.get_k_data(code, start=starttime,end=endtime, autype='qfq')  # 获取股票数据
        # 一些企业在2018年之前还未上市，作为特殊情况处理，返回0
        if len(gzmt.date) == 0:
            return [0]
        gzmt["p_change"] = (gzmt["close"] / gzmt["close"].shift(1) - 1) * 100
    except:
        return [0]

    # print(code)
    ret_merge = pd.merge(pd.DataFrame(sh.p_change), pd.DataFrame(gzmt.p_change), left_index = True, right_index = True