量化交易实战04 - 机器学习在交易中的基本应用（三）基于机器学习的简单的交易策略（获取股票数据）

时间：2025-10-15 16:15|来源：369期货网|作者：369期货网|点击：次

通过前面三章的演示，相信朋友们对KNN分类和回归的有了基本的了解，当然还有很多算法可以选择，例如决策树、支持向量机、线性回归、逻辑回归等。

接下来呢，西西给大家演示一下用KNN算法，基于真实的股票数据集来制定交易策略，并计算收益。

一、获取股票数据

这边西西使用baostock来获取股票数据，数据库可以用 Tushare 的 Token ，也可以用Akshare，我的token一直有误，所以换成了baotock。

这里需要导入一些必要的库，代码如下：

#导入数据库Baostockimport baostock as bs#导入数据库pandasimport pandas as pdimport pickle

运行代码，如果程序没有报错，就说明导入成功。接下来，我们可以定义一个获取股票数据的函数，以便未来还可以复用。代码如下:

def load_stock(start_date, end_date, output_file):    """    加载股票数据并保存为Pickle文件    :param start_date: 开始日期 (字符串格式，YYYY-MM-DD)    :param end_date: 结束日期 (字符串格式，YYYY-MM-DD)    :param output_file: 输出文件名    """    try:        # 尝试读取已存在的 Pickle 文件        df = pd.read_pickle(output_file)        print("载入股票数据文件完毕")    except FileNotFoundError:        print("文件未找到，重新下载中")        # 登录 Baostock        lg = bs.login()        rs = bs.query_history_k_data_plus("sh.601318",            "date,code,open,high,low,close,preclose,volume",            start_date=start_date, end_date=end_date,            frequency="d", adjustflag="3")        data_list = []        while (rs.error_code == '0') & rs.next():            data_list.append(rs.get_row_data())        bs.logout()        df = pd.DataFrame(data_list, columns=rs.fields)        df.to_pickle(output_file)        print("数据下载完成并保存为 Pickle 文件")    return df

运行代码之后，就完成了函数的定义。下面就可以使用这个函数来获取数据。输入代码如下:

# 调用函数zgpa = load_stock(start_date='2017-03-09',  # Baostock 的日期格式为 YYYY-MM-DD                  end_date='2020-03-05',                  output_file='601318.pkl')

运行代码，会提示未找到，重新下载，下载完毕。

因为我们是首次使用，就会出现这种提示，下载好了，可以使用下面这个代码查看数据：

import pandas as pd# 加载数据df = pd.read_pickle('601318.pkl')# 查看数据的前五行print("数据的前五行：")print(df.head())

运行代码：

从运行结果中可以看到,股票数据已经成功加载,包括的字段有Date(日期)、High(最高价)、Low(最低价)、Open(开盘价)、Close(收盘价)、Wolume(成交量)，和preclose(上一日收盘价)。

大家也可以尝试用其他的形式查看，西西这边随便举例演示一下：

上一篇：量化交易实战03 - 机器学习在交易中的基本应用（二）机器学习工具的基本使用方法（KNN算法用于回归）下一篇：量化交易实战05 - 机器学习在交易中的基本应用（三）基于机器学习的简单的交易策略（创造交易条件）

热门导读

编辑推荐