［Python数据分析］新股破板买入，赚钱几率如何？

这是本人一直比较好奇的问题，网上没搜到，最近在看python数据分析，正好自己动手做一下试试。作者对于python是零基础，需要从头学起。

在写本文时，作者也没有完成这个小分析目标，边学边做吧。

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Python基础：

中国大学Mooc，南京大学，张莉老师 －《用Python玩转数据》

了解基本的语法和常用函数就行了，其他的用的时候再搜。

财经数据源：

TuShare － http://tushare.org/index.html

免费，开源Python财经数据接口包。

GitHub: https://github.com/waditu/tushare

基本的资料目前就看了这些，其他的都是网上即时搜的，以前的没保存，接下来会慢慢加。

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

既然是新股发行后破板的表现，要设一个时间段，否则没意义，所以先以半年为时间段，统计破板后的数据，时间太久了也没用，次新股一年为限，但我们可以以一个月为限，本别分析，破板买入，30个交易日内每天的盈利概率。

要做的事情可以分为以下几步：

1. 获取近半年来的新股数据

2. 拿到每支股票上市后的数据

3. 筛选出破板后三十天的数据，并汇总

4. 计算整体上每天盈利的概率

－－－－－

第一步：如何获取近半年的新股数据。

TuShare新股数据接口：

输入参数：retry_count, pause

返回数据较多，是Pandas DataFrame格式的数据，下面折叠的部分是测试输出结果，其中很多对于现在要做的没有用，需要筛选一下。

关心的返回值：code - 股票代码，name - 股票名称， issue_date - 上市日期

import tushare as ts
ts.new_stocks()

Last login: Fri Oct 28 23:50:59 on ttys001
localhost:~ shengtianhe$ python
Python 3.5.2 |Anaconda 4.2.0 (x86_64)| (default, Jul  2 2016, 17:52:12) 
[GCC 4.2.1 Compatible Apple LLVM 4.2 (clang-425.0.28)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import tushare as ts
>>> ts.new_stocks()
[Getting data:]########       code  name    ipo_date  issue_date   amount  markets  price     pe  
0    603319   湘油泵  2016-11-21         NaN   2023.0    723.0  10.46  22.98   
1    603323  吴江银行  2016-11-16         NaN  11150.0   3345.0   6.83  12.62   
2    601229  上海银行  2016-11-02         NaN  60045.0  18000.0  17.77   8.26   
3    603977  国泰集团  2016-11-01         NaN   5528.0   2028.0   0.00   0.00   
4    603556  海兴电力  2016-10-31         NaN   9334.0   3734.0  23.63  21.32   
5    603060  国检集团  2016-10-28         NaN   5500.0   2200.0  10.04  22.97   
6    002819  东方中科  2016-10-28         NaN   2834.0   1124.0   4.96  22.95   
7    603203  快克股份  2016-10-27         NaN   2300.0   2070.0  16.50  21.04   
8    300558  贝达药业  2016-10-27         NaN   4100.0   3690.0  17.57  22.99   
9    300556  丝路视觉  2016-10-26         NaN   2780.0   2502.0   5.54  22.99   
10   002818   富森美  2016-10-25         NaN   4400.0   3960.0  23.49  22.99   
11   601882  海天精工  2016-10-25         NaN   5220.0   4698.0   1.50  22.98   
12   300557  理工光科  2016-10-21         NaN   1400.0   1400.0  13.91  22.99   
13   300560   中富通  2016-10-20         NaN   1753.0   1753.0  10.26  22.99   
14   603716   塞力斯  2016-10-19  2016-10-31   1274.0   1274.0  26.91  22.98   
15   300559  佳发安泰  2016-10-19         NaN   1800.0   1800.0  17.56  22.99   
16   603888   新华网  2016-10-18  2016-10-28   5190.0   4672.0  27.69  22.99   
17   603258  电魂网络  2016-10-17  2016-10-26   6000.0   5400.0  15.62  18.16   
18   600926  杭州银行  2016-10-14  2016-10-27  26175.0  23558.0  14.39  10.23   
19   002817  黄山胶囊  2016-10-13  2016-10-25   2167.0   1950.0  13.88  22.98   
20   603667  五洲新春  2016-10-12  2016-10-25   5060.0   4554.0   8.80  22.96   
21   002816   和科达  2016-10-12  2016-10-25   2500.0   2250.0   8.29  22.98   
22   603859  能科股份  2016-10-11  2016-10-21   2839.0   2555.0   7.54  22.97   
23   300552  万集科技  2016-10-11  2016-10-21   2670.0   2403.0  12.25  20.91   
24   300553  集智股份  2016-10-10  2016-10-21   1200.0   1200.0  14.08  22.99   
25   300550  和仁科技  2016-09-30  2016-10-18   2000.0   2000.0  12.53  22.99   
26   300555  路通视信  2016-09-29  2016-10-18   2000.0   2000.0  15.40  22.99   
27   603160  汇顶科技  2016-09-28  2016-10-17   4500.0   4050.0  19.42  22.99   
28   300551  古鳌科技  2016-09-28  2016-10-18   1836.0   1836.0  12.48  22.88   
29   603816  顾家家居  2016-09-27  2016-10-14   8250.0   7425.0  24.66  22.99   
..      ...   ...         ...         ...      ...      ...    ...    ...   
270  002755  东方新星  2015-05-06  2015-05-15   2534.0   2281.0   7.49  20.49   
271  603718  海利生物  2015-05-06  2015-05-15   7000.0   6300.0   6.81  21.28   
272  603227  雪峰科技  2015-05-06  2015-05-15   8235.0   7412.0   4.98  22.95   
273  300451  创业软件  2015-05-05  2015-05-14   1700.0   1530.0  14.02  22.98   
274  002756  永兴特钢  2015-05-05  2015-05-15   5000.0   4500.0  21.74  17.97   
275  603355  莱克电气  2015-05-05  2015-05-13   4100.0   3690.0  19.08  22.99   
276  300460  惠伦晶体  2015-05-05  2015-05-15   4208.0   3787.0   6.43  22.96   
277  300457  赢合科技  2015-05-05  2015-05-14   1950.0   1755.0  12.41  20.34   
278  300452  山河药辅  2015-05-05  2015-05-15   1160.0   1044.0  14.96  22.99   
279  300414  中光防雷  2015-05-05  2015-05-13   2107.0   1896.0  14.74  13.24   
280  300452  山河药辅  2015-05-05  2015-05-15   1160.0   1044.0  14.96  22.99   
281  300414  中光防雷  2015-05-05  2015-05-13   2107.0   1896.0  14.74  13.24   
282  300442   普丽盛  2015-04-16  2015-04-24   2500.0   2250.0  19.17  22.55   
283  300434  金石东方  2015-04-16  2015-04-24   1700.0   1530.0  10.57  22.98   
284  300438  鹏辉能源  2015-04-16  2015-04-24   2100.0   1890.0  14.87  22.99   
285  002751  易尚展示  2015-04-16  2015-04-24   1756.0   1580.0  10.48  22.98   
286  300404  博济医药  2015-04-16  2015-04-24   1667.0   1500.0  12.87  22.98   
287  300446  乐凯新材  2015-04-15  2015-04-23   1540.0   1386.0   8.85   7.11   
288  300444  双杰电气  2015-04-15  2015-04-23   3449.0   3104.0  12.13  22.89   
289  603021  山东华鹏  2015-04-15  2015-04-23   2640.0   2376.0   8.73  22.97   
290  300441  鲍斯股份  2015-04-15  2015-04-23   2112.0   1901.0   9.81  22.81   
291  603315  福鞍股份  2015-04-15  2015-04-24   2500.0   2250.0  10.77  22.91   
292  600959  江苏有线  2015-04-15  2015-04-28  59700.0  53730.0   5.47  22.98   
293  300448  浩云科技  2015-04-15  2015-04-24   2000.0   1800.0  15.79  22.88   
294  300440  运达科技  2015-04-15  2015-04-23   2800.0   2520.0  21.70  22.97   
295  300437   清水源  2015-04-15  2015-04-23   1670.0   1503.0  10.53  19.30   
296  603567   珍宝岛  2015-04-14  2015-04-24   6458.0   5812.0  23.60  22.91   
297  603025  大豪科技  2015-04-14  2015-04-22   5100.0   4590.0  11.17  22.98   
298  300436   广生堂  2015-04-14  2015-04-22   1750.0   1260.0  21.47  18.67   
299  002752   NaN         NaN         NaN      NaN      NaN    NaN    NaN   

     limit    funds  ballot  
0     0.70    2.116    0.00  
1     3.30    7.615    0.00  
2    18.00  106.700    0.00  
3     0.00    3.566    0.00  
4     3.70   22.065    0.00  
5     2.20    5.522    0.00  
6     1.10    1.406    0.00  
7     0.90    3.795    0.03  
8     1.20    7.204    0.04  
9     1.10    1.540    0.03  
10    1.30   10.336    0.04  
11    1.50    4.305    0.05  
12    1.40    1.947    0.01  
13    1.75    1.799    0.02  
14    1.20    3.428    0.02  
15    1.80    3.161    0.02  
16    2.00   14.372    0.04  
17    2.40    9.372    0.05  
18    7.80   37.666    0.13  
19    0.85    3.008    0.02  
20    2.00    4.453    0.04  
21    1.00    2.072    0.03  
22    1.10    2.141    0.03  
23    1.05    3.271    0.03  
24    1.20    1.690    0.01  
25    2.00    2.506    0.02  
26    2.00    3.080    0.02  
27    1.30    8.739    0.05  
28    1.80    2.291    0.02  
29    2.40   20.345    0.06  
..     ...      ...     ...  
270   1.00    1.898    0.32  
271   2.80    4.774    0.31  
272   3.20    3.875    0.30  
273   0.65    2.384    0.20  
274   2.00   10.872    0.48  
275   1.20    7.823    0.40  
276   1.55    2.706    0.34  
277   0.75    2.421    0.33  
278   0.45    1.736    0.30  
279   0.80    3.106    0.30  
280   0.45    1.736    0.30  
281   0.80    3.106    0.30  
282   1.00    4.212    0.62  
283   0.65    1.475    0.44  
284   0.80    2.782    0.45  
285   0.65    1.550    0.34  
286   0.65    1.884    0.30  
287   0.60    1.115    0.46  
288   1.30    3.698    0.77  
289   1.00    1.934    0.47  
290   0.80    1.732    0.68  
291   1.00    2.399    0.47  
292  17.70   31.220    1.24  
293   0.80    2.841    0.46  
294   1.10    5.578    0.61  
295   0.60    1.523    0.50  
296   1.80   14.275    0.83  
297   1.50    5.183    0.62  
298   0.70    2.588    0.30  
299    NaN      NaN     NaN  

[300 rows x 11 columns]

筛选规则：

issue_date 在半年之内。

Pandas API：

http://pandas.pydata.org/pandas-docs/stable/api.html

其中pandas.DataFrame.Sort可以带参数过滤DataFrame：

http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.sort.html

但觉得这样还得进一步过滤，搜了一下，发现可以直接操作。

import tushare as ts
df=ts.new_stocks()
df=df[df['issue_date']>'2016-06-01']

（编辑：云计算网_泰州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!