计算股票收益率的程序主要有以下几部分构成：
1、获取股票接口数据函数：pro_daily_stock（）
2、计算收益率函数：cal_stock（），里面有两种计算式，
你可以根据自己字典写入建仓价格做差计算，也可以像我一样用收盘价-当天开盘价计算
3、可视化函数：画柱状图def draw_bar_stock（）
4、最后对象实例化，调用函数
里面有一个嵌套字典需要你手动填写的stock_sum={}
只填写股票代码和股票名称就够了，也可以填写你的买入价格。
以今天炒股机构给我推荐的10支股票为示例，
效果如下：
代码如下：
#! /usr/bin/env python
#-*- encoding: utf-8 -*-
"""
作者：廖超铭-量化交易员
仅用于教学目的，严禁转发和用于盈利目的，违者必究，若要引用，请注明出处
日期：2021-7-19
功能：股票收益可视化
"""
#导入模块
import matplotlib.pyplot as plt
import pandas as pd
import tushare as ts
#############参数
pd.set_option('display.expand_frame_repr',False)#False不允许换行
pd.set_option('display.max_rows', 10)#显示的最大行数
pd.set_option('display.max_columns', 6)#显示的最大列数
pd.set_option('precision', 1)#显示小数点后的位数
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
##############函数部分
#一个获取股票价格的函数
def pro_daily_stock(code_val ,start_val ,end_val):
# 获取股票日线行情数据
token = 'c3d13a70203e52cb7479f32953928b21680f94c255ff09aed868c4c4'
pro = ts.pro_api(token)
df_stock = pro.daily(ts_code=code_val,adj='qfq', start_date=start_val, end_date=end_val)#其中adj 是设置复权的接口，none：不复权 qfq：前复权 hfq：后复权
df_stock.trade_date = pd.DatetimeIndex(df_stock.trade_date)
df_stock.set_index("trade_date", drop=True, inplace=True)
df_stock.sort_index(inplace=True)
df_stock.index = df_stock.index.set_names('Date')
recon_data = {'High': df_stock.high, 'Low': df_stock.low, 'Open': df_stock.open, 'Close': df_stock.close,\
'Volume': df_stock.vol}
df_recon = pd.DataFrame(recon_data)
return df_recon
# 定义一个函数用来计算收益率
def cal_stock(dict,starttime,endtime):
#######获取字典数据部分
name_stock = []
code_stock =[]
start_value =[]
value = []
for key in dict:#最后应该组成一个表格，最后生成两个列表，index为股票名称，value为收益率
n = 0
for key2 in dict[key]:
if n ==0:#此时是打印的是股票代码，为了后面检索下载股票收盘数据用
code_stock.append(dict[key][key2])
if n ==1:#此时打印的是股票名称，用于画图的很横坐标，组合成列表
name_stock.append(dict[key][key2])
if n==4:#此时为收盘价，（单日价格-建仓价格）/建仓价格 = 收益率
start_value.append(dict[key][key2])
n+=1
# print(code_stock)
# print(index)
# print(start_value)
######获取股票数据部分
n2=0
for v in code_stock:
"""
code_stock=['002045.SZ', '000550.SZ', '600009.SH', '600189.SH', '601919.SH']
start_value =['13.681', '26.509', '43.96', '11.33', '22.37']
"""
df_stock =pro_daily_stock(v,starttime, endtime)
# value.append( round((float(df_stock.Close) - float(start_value[n2])) / float(start_value[n2]) * 100, 2)) # 建仓价格表达式
value.append(round((float(df_stock.Close)-float(df_stock.Open))/float(df_stock.Open)*100,2)) #开盘价表达式
n2+=1
dfnewdata = pd.DataFrame(name_stock)
dfnewdata[1] = value
print(dfnewdata)
return dfnewdata
#定义一个画柱状图函数
def draw_bar_stock(data,time):
plt.subplot(1,1,1)#建立坐标系
plt.figure(figsize=(12, 8))
#数据
#将数据分离成正的和负的
y_p=[]#正数
x_p =[]
y_m =[]#负数
x_m =[]
n =0 #循环开关
legend_c = 0 #标签打开开关
for yd in data[1]:
if yd >= 0:
y_p.append(yd)
x_p.append(data[0][n])
legend_c+=1
else:
y_m.append(yd)
x_m.append(data[0][n])
legend_c += 2
n+=1
#绘图函数
# 又有正数又有负数
if legend_c != len(data[0])and legend_c != 2*len(data[0]):
plt.bar(x_p,y_p,color = 'red',label = "正收益率（%）")
# 添加数据标签
for a, b in zip(x_p, y_p):
plt.text(a, b, "{}%".format(b), ha='center', va='bottom', fontsize=10)
for a, b in zip(x_m, y_m):
plt.text(a, b, "{}%".format(b), ha='center', va='bottom', fontsize=10)
plt.bar(x_m , y_m,color = 'green', label="负收益率（%）")
# 全正数的情况
elif legend_c == len(data[0]):
plt.bar(x_p,y_p,color = 'red',label = "正收益率（%）")
# 添加数据标签
for a, b in zip(x_p, y_p):
plt.text(a, b, "{}%".format(b), ha='center', va='bottom', fontsize=10)
# 全负数的情况
elif legend_c == 2*len(data[0]):
for a, b in zip(x_m, y_m):
plt.text(a, b, "{}%".format(b), ha='center', va='bottom', fontsize=10)
plt.bar(x_m , y_m,color = 'green', label="负收益率（%）")
#设置标题和图例
plt.title(str(time)+'收益情况',loc = 'center')
plt.legend()
#设置xy轴
plt.xlabel('股票')
plt.ylabel('收益率')
#设置坐标轴长度
y = data[1]
plt.ylim(y.min()-2, y.max()+5)
#保存
# plt.savefig()
plt.show()
##############调用函数部分
if __name__ == '__main__':
stock_sum = {'S1': {'股票代码': '600348.SH',
'股票名称': '紫金股份',
'持仓': '2800',
'建仓时间': '20210719',
'建仓价格': '25.80',
'收益情况': ''
},
'S2': {'股票代码': '600216.SH',
'股票名称': '浙江医药',
'持仓': '2000',
'建仓时间': '20210719',
'建仓价格': '10.75',
'收益情况': ''
},
'S3': {'股票代码': '000698.SZ',
'股票名称': '沈阳化工',
'持仓': '800',
'建仓时间': '20210715',
'建仓价格': '43.96',
'收益情况': ''
},
'S4': {'股票代码': '600328.SH',
'股票名称': '中盐化工',
'持仓': '',
'建仓时间': '',
'建仓价格': '',
'收益情况': ''},
'S5': {'股票代码': '300046.SZ',
'股票名称': '台基股份',
'持仓': '',
'建仓时间': '',
'建仓价格': '',
'收益情况': ''},
'S6': {'股票代码': '300034.SZ',
'股票名称': '钢研高纳',
'持仓': '',
'建仓时间': '',
'建仓价格': '',
'收益情况': ''},
'S7': {'股票代码': '600893.SH',
'股票名称': '航发动力',
'持仓': '',
'建仓时间': '',
'建仓价格': '',
'收益情况': ''},
'S8': {'股票代码': '002624.SZ',
'股票名称': '完美世界',
'持仓': '',
'建仓时间': '',
'建仓价格': '',
'收益情况': ''},
'S9': {'股票代码': '002151.SZ',
'股票名称': '北斗星通',
'持仓': '',
'建仓时间': '',
'建仓价格': '',
'收益情况': ''},
'S10': {'股票代码': '600316.SH',
'股票名称': '洪都航空',
'持仓': '',
'建仓时间': '',
'建仓价格': '',
'收益情况': ''}
}
data1 = cal_stock(stock_sum,'20210719','20210719')#当天时间
draw_bar_stock(data1, '20210719机构推荐')#标题名称
