Repository navigation
Expand file tree
/
Copy pathutils.py
More file actions
511 lines (417 loc) · 14 KB
/
Copy pathutils.py
File metadata and controls
511 lines (417 loc) · 14 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
"""
工具函数模块，提供各种辅助功能
"""
import os
import json
import csv
import time
from datetime import datetime, timedelta
import pandas as pd
import numpy as np
import config
from logger import get_logger
# 获取logger
logger = get_logger("utils")
def format_number(number, decimal_places=2):
"""
格式化数字，保留指定小数位
参数:
number (float): 要格式化的数字
decimal_places (int): 保留的小数位数
返回:
str: 格式化后的字符串
"""
if number is None:
return "N/A"
try:
return f"{float(number):.{decimal_places}f}"
except (ValueError, TypeError):
return "N/A"
def format_percentage(number, decimal_places=2):
"""
格式化百分比，保留指定小数位
参数:
number (float): 要格式化的数字
decimal_places (int): 保留的小数位数
返回:
str: 格式化后的字符串
"""
if number is None:
return "N/A"
try:
return f"{float(number) * 100:.{decimal_places}f}%"
except (ValueError, TypeError):
return "N/A"
def format_datetime(dt, format_str="%Y-%m-%d %H:%M:%S"):
"""
格式化日期时间
参数:
dt (datetime或str): 要格式化的日期时间
format_str (str): 格式化字符串
返回:
str: 格式化后的字符串
"""
if dt is None:
return "N/A"
try:
if isinstance(dt, str):
dt = pd.to_datetime(dt)
return dt.strftime(format_str)
except:
return "N/A"
def is_valid_stock_code(stock_code):
"""
检查股票代码是否有效
参数:
stock_code (str): 股票代码
返回:
bool: 是否有效
"""
if not stock_code:
return False
# 股票代码格式检查
parts = stock_code.split('.')
if len(parts) != 2:
return False
code, market = parts
# 检查市场代码
if market not in ['SH', 'SZ']:
return False
# 检查股票代码
if not code.isdigit():
return False
# 上交所：6开头，6位数
if market == 'SH' and (not code.startswith('6') or len(code) != 6):
return False
# 深交所：0或3开头，6位数
if market == 'SZ' and (not (code.startswith('0') or code.startswith('3')) or len(code) != 6):
return False
return True
def calculate_trade_metrics(trades_df):
"""
计算交易指标
参数:
trades_df (pandas.DataFrame): 交易记录
返回:
dict: 交易指标
"""
if trades_df.empty:
return {
'total_trades': 0,
'win_trades': 0,
'lose_trades': 0,
'win_rate': 0,
'avg_profit': 0,
'avg_loss': 0,
'profit_factor': 0,
'max_profit': 0,
'max_loss': 0,
'total_profit': 0,
'total_commission': 0
}
# 计算每笔交易的盈亏
trades_df = trades_df.sort_values('trade_time')
trades_df['profit'] = 0
# 按股票代码和交易时间分组，计算盈亏
for stock_code, group in trades_df.groupby('stock_code'):
buy_records = group[group['trade_type'] == 'BUY']
sell_records = group[group['trade_type'] == 'SELL']
if buy_records.empty or sell_records.empty:
continue
# 简单计算：假设先买后卖
avg_buy_price = buy_records['price'].mean()
avg_sell_price = sell_records['price'].mean()
sell_volume = sell_records['volume'].sum()
# 计算盈亏
profit = (avg_sell_price - avg_buy_price) * sell_volume
# 更新盈亏
for idx in sell_records.index:
trades_df.loc[idx, 'profit'] = profit * (trades_df.loc[idx, 'volume'] / sell_volume)
# 计算交易指标
win_trades = trades_df[trades_df['profit'] > 0]
lose_trades = trades_df[trades_df['profit'] < 0]
metrics = {
'total_trades': len(trades_df),
'win_trades': len(win_trades),
'lose_trades': len(lose_trades),
'win_rate': len(win_trades) / len(trades_df) if len(trades_df) > 0 else 0,
'avg_profit': win_trades['profit'].mean() if len(win_trades) > 0 else 0,
'avg_loss': lose_trades['profit'].mean() if len(lose_trades) > 0 else 0,
'profit_factor': abs(win_trades['profit'].sum() / lose_trades['profit'].sum()) if len(lose_trades) > 0 and lose_trades['profit'].sum() != 0 else 0,
'max_profit': win_trades['profit'].max() if len(win_trades) > 0 else 0,
'max_loss': lose_trades['profit'].min() if len(lose_trades) > 0 else 0,
'total_profit': trades_df['profit'].sum(),
'total_commission': trades_df['commission'].sum()
}
return metrics
def export_trades_to_csv(trades_df, filename=None):
"""
导出交易记录到CSV文件
参数:
trades_df (pandas.DataFrame): 交易记录
filename (str): 文件名，如果为None则使用日期时间生成文件名
返回:
str: 文件路径
"""
if trades_df.empty:
logger.warning("没有交易记录可导出")
return None
# 创建导出目录
export_dir = os.path.join(config.DATA_DIR, 'exports')
if not os.path.exists(export_dir):
os.makedirs(export_dir)
# 生成文件名
if filename is None:
filename = f"trades_{datetime.now().strftime('%Y%m%d_%H%M%S')}.csv"
file_path = os.path.join(export_dir, filename)
try:
# 导出到CSV
trades_df.to_csv(file_path, index=False, encoding='utf-8-sig')
logger.info(f"交易记录已导出到 {file_path}")
return file_path
except Exception as e:
logger.error(f"导出交易记录到CSV时出错: {str(e)}")
return None
def export_positions_to_csv(positions_df, filename=None):
"""
导出持仓记录到CSV文件
参数:
positions_df (pandas.DataFrame): 持仓记录
filename (str): 文件名，如果为None则使用日期时间生成文件名
返回:
str: 文件路径
"""
if positions_df.empty:
logger.warning("没有持仓记录可导出")
return None
# 创建导出目录
export_dir = os.path.join(config.DATA_DIR, 'exports')
if not os.path.exists(export_dir):
os.makedirs(export_dir)
# 生成文件名
if filename is None:
filename = f"positions_{datetime.now().strftime('%Y%m%d_%H%M%S')}.csv"
file_path = os.path.join(export_dir, filename)
try:
# 导出到CSV
positions_df.to_csv(file_path, index=False, encoding='utf-8-sig')
logger.info(f"持仓记录已导出到 {file_path}")
return file_path
except Exception as e:
logger.error(f"导出持仓记录到CSV时出错: {str(e)}")
return None
def load_stock_pool_from_csv(file_path):
"""
从CSV文件加载股票池
参数:
file_path (str): CSV文件路径
返回:
list: 股票代码列表
"""
if not os.path.exists(file_path):
logger.error(f"文件 {file_path} 不存在")
return []
try:
stock_codes = []
with open(file_path, 'r', encoding='utf-8-sig') as f:
csv_reader = csv.reader(f)
for row in csv_reader:
if row and row[0]:
stoc
8000
k_code = row[0].strip()
if is_valid_stock_code(stock_code):
stock_codes.append(stock_code)
logger.info(f"从 {file_path} 加载了 {len(stock_codes)} 只股票")
return stock_codes
except Exception as e:
logger.error(f"从CSV加载股票池时出错: {str(e)}")
return []
def save_stock_pool_to_json(stock_codes, file_path=None):
"""
保存股票池到JSON文件
参数:
stock_codes (list): 股票代码列表
file_path (str): JSON文件路径，如果为None则使用默认路径
返回:
bool: 是否保存成功
"""
if file_path is None:
file_path = "stock_pool.json"
try:
with open(file_path, 'w') as f:
json.dump(stock_codes, f)
logger.info(f"股票池已保存到 {file_path}")
return True
except Exception as e:
logger.error(f"保存股票池到JSON时出错: {str(e)}")
return False
def calculate_position_metrics(positions_df):
"""
计算持仓指标
参数:
positions_df (pandas.DataFrame): 持仓记录
返回:
dict: 持仓指标
"""
if positions_df.empty:
return {
'total_positions': 0,
'total_market_value': 0,
'total_cost': 0,
'total_profit': 0,
'profit_ratio': 0,
'win_positions': 0,
'lose_positions': 0,
'win_ratio': 0,
'max_profit_ratio': 0,
'max_loss_ratio': 0
}
# 计算总市值和总成本
total_market_value = positions_df['market_value'].sum()
total_cost = (positions_df['cost_price'] * positions_df['volume']).sum()
# 计算总盈亏
total_profit = total_market_value - total_cost
profit_ratio = total_profit / total_cost if total_cost > 0 else 0
# 计算盈亏持仓数量
win_positions = positions_df[positions_df['profit_ratio'] > 0]
lose_positions = positions_df[positions_df['profit_ratio'] < 0]
metrics = {
'total_positions': len(positions_df),
'total_market_value': total_market_value,
'total_cost': total_cost,
'total_profit': total_profit,
'profit_ratio': profit_ratio,
'win_positions': len(win_positions),
'lose_positions': len(lose_positions),
'win_ratio': len(win_positions) / len(positions_df) if len(positions_df) > 0 else 0,
'max_profit_ratio': positions_df['profit_ratio'].max() if len(positions_df) > 0 else 0,
'max_loss_ratio': positions_df['profit_ratio'].min() if len(positions_df) > 0 else 0
}
return metrics
def convert_volume_to_chinese(volume):
"""
将数量转换为中文表示（万、亿）
参数:
volume (float): 数量
返回:
str: 中文表示
"""
if volume is None:
return "N/A"
try:
volume = float(volume)
if volume >= 100000000: # 亿
return f"{volume / 100000000:.2f}亿"
elif volume >= 10000: # 万
return f"{volume / 10000:.2f}万"
else:
return f"{volume:.0f}"
except (ValueError, TypeError):
return "N/A"
def convert_amount_to_chinese(amount):
"""
将金额转换为中文表示（万、亿）
参数:
amount (float): 金额
返回:
str: 中文表示
"""
if amount is None:
return "N/A"
try:
amount = float(amount)
if amount >= 100000000: # 亿
return f"{amount / 100000000:.2f}亿"
elif amount >= 10000: # 万
return f"{amount / 10000:.2f}万"
else:
return f"{amount:.2f}"
except (ValueError, TypeError):
return "N/A"
def get_trading_days(start_date, end_date=None):
"""
获取交易日列表
参数:
start_date (str): 开始日期，格式 'YYYY-MM-DD'
end_date (str): 结束日期，格式 'YYYY-MM-DD'，如果为None则使用当前日期
返回:
list: 交易日列表
"""
# 由于迅投API没有提供交易日历接口，这里简单处理，忽略了节假日
if end_date is None:
end_date = datetime.now().strftime('%Y-%m-%d')
start = pd.to_datetime(start_date)
end = pd.to_datetime(end_date)
all_days = pd.date_range(start=start, end=end)
# 周末过滤
trading_days = [day.strftime('%Y-%m-%d') for day in all_days if day.weekday() < 5]
return trading_days
def memory_usage():
"""
获取当前进程的内存使用情况
返回:
dict: 内存使用情况
"""
try:
import psutil
process = psutil.Process(os.getpid())
memory_info = process.memory_info()
return {
'rss': memory_info.rss, # 常驻内存
'vms': memory_info.vms, # 虚拟内存
'rss_mb': memory_info.rss / (1024 * 1024), # MB
'vms_mb': memory_info.vms / (1024 * 1024) # MB
}
except ImportError:
logger.warning("未安装psutil模块，无法获取内存使用情况")
return None
except Exception as e:
logger.error(f"获取内存使用情况时出错: {str(e)}")
return None
def disk_usage(path=None):
"""
获取磁盘使用情况
参数:
path (str): 路径，如果为None则使用当前目录
返回:
dict: 磁盘使用情况
"""
if path is None:
path = '.'
try:
import psutil
usage = psutil.disk_usage(path)
return {
'total': usage.total,
'used': usage.used,
'free': usage.free,
'percent': usage.percent,
'total_gb': usage.total / (1024 * 1024 * 1024), # GB
'used_gb': usage.used / (1024 * 1024 * 1024), # GB
'free_gb': usage.free / (1024 * 1024 * 1024) # GB
}
except ImportError:
logger.warning("未安装psutil模块，无法获取磁盘使用情况")
return None
except Exception as e:
logger.error(f"获取磁盘使用情况时出错: {str(e)}")
return None
def system_info():
"""
获取系统信息
返回:
dict: 系统信息
"""
try:
import platform
return {
'system': platform.system(),
'node': platform.node(),
'release': platform.release(),
'version': platform.version(),
'machine': platform.machine(),
'processor': platform.processor(),
'python_version': platform.python_version()
}
except Exception as e:
logger.error(f"获取系统信息时出错: {str(e)}")
return None