前言

上一节给大家分享了Tushare提供的免费数据接口，可以获取金融数据，本节给大家分享其更多的指标数据。不过有些接口数据Tushare需要积分才能使用，估计是Tushare服务器压力太大，才出此策略。今天我为了使用一些接口数据，一口气注册了4个邮箱，不过这个不是太大问题。废话不多说，下面就让我们来以大A股上证指数为例做一些分析吧。
import tushare as ts
import pandas as pd
from sqlalchemy import create_engine
import matplotlib.pyplot as plt
import seaborn as sns

#设置token，只需要在第一次调用或者token失效时设置
#设置完成后，之后就不再需要这一个命令了
#ts.set_token('*******')

pro = ts.pro_api()
stock_daily = pro.index_daily(ts_code="000001.SH")#获取交易数据
print(stock_daily)
stock_daily_basic = pro.index_dailybasic(ts_code='000001.SH')
print(stock_daily_basic)#获取指标数据

#导入mysql，储存以备后用
engine = create_engine("mysql+pymysql://{}:{}@{}/{}?charset={}".format('root', 'root', 
'localhost', 'feng','utf8'))

con = engine.connect()#创建连接  

stock_daily.to_sql("stock_daily",con=engine,index=False,if_exists="append",chunksize=100000)
stock_daily_basic.to_sql("stock_daily_basic",con=engine,index=False,if_exists="append",chunksize=100000)
con.close()

可以看到mysql已经储存有我们的数据了
（1）交易数据：stock_daily

image.png

字段解释：

image.png

（2）指标数据：stock_daily_basic

image.png

字段解释：

image.png

2、数据处理

stock_daily.index = pd.to_datetime(stock_daily['trade_date'])#时间格式处理

3、绘制历史收盘价曲线

df.plot(y="close")

image.png

4、绘制均线

下面以60日均线为例

df_daily = df_daily.sort_index(ascending=True)
plt.figure(figsize=(12, 6))
df_daily.close['20150101':].plot()
df_daily.close.rolling(60).mean()['20150101':].plot()

image.png

5、计算估值水平

plt.figure(figsize=(12, 6))
sns.distplot(stock_daily_basic.pe_ttm, bins=100) 
plt.axvline(x=stock_daily_basic.pe_ttm[0],color='red')

image.png

可以看到，目前的动态市盈率处于比较低水平，当然也可以看到有很多天的动态市盈率低于目前水平，我们再看下更低水平都出现在哪些时期：

stock_daily_basic.index = pd.to_datetime(stock_daily_basic["trade_date"])
plt.figure(figsize=(12, 6))
plt.plot(stock_daily_basic.pe_ttm)
plt.axhline(y=stock_daily_basic.pe_ttm[0], color="red")

image.png

可以看出，14、15年为底部期间，上证的估值水平比现在还要低。我们来估算一下达到那个位置的跌幅：

now = stock_daily_basic.pe_ttm[0]
min = stock_daily_basic.pe_ttm.min()
ratio = (now - min) / nowprint("ratio:{0:.2f}%".format(ratio * 100))

输出结果：

ratio: 31.38%