08. If条件语句-制作交易条件单

# =============================================================================
# 题目:If条件语句的基本语法演示
# =============================================================================
# 本代码块展示了Python中if语句的三种基本结构:
# 1. 简单if语句 - 单分支条件判断
# 2. if-else结构 - 双分支条件判断
# 3. if-elif-else结构 - 多分支条件判断
# 这些结构是金融交易决策系统的基础,用于根据市场价格做出不同的操作决策

# ==================== 示例1:简单的if语句 ====================
price = 15.50  # 定义当前股票价格为15.50元

if price > 15.0:  # 判断价格是否高于15元
    print("价格高于15元")  # 如果条件为真,输出提示信息
    # 注意:缩进表示代码块 - Python使用4个空格缩进来表示代码块的层次
    print("考虑买入")  # 这是if语句块的第二个操作

# ==================== 示例2:if-else结构 ====================
if price > 20.0:  # 判断价格是否高于20元
    action = "卖出"  # 如果高于20元,建议卖出
else:  # 否则(价格不高于20元)
    action = "持有"  # 建议持有

print(f"建议操作: {action}")  # 输出最终的操作建议

# ==================== 示例3:if-elif-else结构(多重条件) ====================
if price > 20.0:  # 第一个条件:价格高于20元
    level = "高估"  # 给出估值水平
elif price > 15.0:  # 第二个条件:价格高于15元但不高于20元(elif=else if)
    level = "合理"  # 估值合理
elif price > 10.0:  # 第三个条件:价格高于10元但不高于15元
    level = "低估"  # 估值偏低
else:  # 最后的情况:价格不高于10元
    level = "严重低估"  # 估值严重偏低

print(f"估值水平: {level}")  # 输出估值判断结果

# =============================================================================
# 题目:比较运算符在交易决策中的应用
# =============================================================================
# 本代码演示如何在金融场景中使用比较运算符构建交易条件:
# - 使用>=判断是否达到止盈目标价
# - 使用<=判断是否触发止损
# - 结合多个比较运算符制定仓位管理策略
# 输出将展示基于当前价格的操作建议

# ==================== 定义交易参数 ====================
price = 18.50  # 当前股票价格
target_price = 20.00  # 目标止盈价格
stop_loss = 15.00  # 止损价格

# ==================== 基本比较:止盈判断 ====================
if price >= target_price:  # 判断当前价是否达到或超过目标价
    print("达到目标价,考虑止盈")  # 提示投资者考虑卖出获利

# ==================== 基本比较:止损判断 ====================
if price <= stop_loss:  # 判断当前价是否触及或跌破止损价
    print("触及止损位,必须平仓")  # 提示强制平仓以控制风险

# ==================== 多重条件:仓位管理 ====================
if price < stop_loss:  # 如果价格低于止损价
    position = "空仓"  # 建议空仓,避免进一步损失
elif price < target_price:  # 如果价格在止损价和目标价之间
    position = "持仓"  # 建议继续持有,等待价格回升
else:  # 如果价格高于或等于目标价
    position = "部分减仓"  # 建议卖出部分仓位锁定利润

print(f"当前建议: {position}")  # 输出最终的仓位管理建议
# 输出示例: "当前建议: 持仓" (因为18.50在15.00和20.00之间)

# =============================================================================
# 题目:使用逻辑运算符构建复合交易条件
# =============================================================================
# 本代码演示如何使用and、or、not逻辑运算符组合多个技术指标:
# - and运算符:所有条件同时满足时触发(严谨的交易信号)
# - or运算符:任一条件满足时触发(风险预警场景)
# - not运算符:对条件取反(排除特定情况)
# 这种多条件组合是量化交易策略的核心技术

# ==================== 定义市场数据 ====================
price = 18.50  # 当前股价
volume = 1500000  # 成交量(单位:手)
ma20 = 18.00  # 20日均线价格
rsi = 65  # RSI相对强弱指标(范围0-100)
stop_loss = 15.00  # 止损价格

# ==================== 复合条件1:价格突破且放量 ====================
if price > ma20 and volume > 1000000:  # 价格站上均线且成交量放大
    print("买入信号:放量突破均线")  # 这种技术形态被认为是强烈的看涨信号
    # and运算符确保两个条件必须同时为真,提高了信号的可靠性

# ==================== 复合条件2:超买或超卖预警 ====================
if rsi > 70 or rsi < 30:  # RSI超买(>70)或超卖(<30)
    print("警示:RSI进入极端区域")  # 提示市场可能即将反转
    # or运算符在任一条件满足时就触发,适合预警场景

# ==================== 复合条件3:严格的买入条件 ====================
# 价格在均线之上 AND RSI不超买 AND 成交量放大
buy_condition = (price > ma20) and (rsi < 70) and (volume > 1000000)
if buy_condition:  # 三个条件必须同时满足
    print("强烈买入信号")  # 这种多重确认的策略可以减少假信号

# ==================== 使用not运算符 ====================
if not (price < stop_loss):  # 等价于:price >= stop_loss
    print("未触发止损,继续持有")  # not运算符对条件取反
    # 在这个场景中,not使得代码逻辑更符合自然语言表达

# =============================================================================
# 题目:利用短路求值避免访问不存在的数据
# =============================================================================
# 本代码演示Python逻辑运算符的短路求值特性:
# - and运算符:第一个表达式为False时,第二个表达式不会被计算
# - or运算符:第一个表达式为True时,第二个表达式不会被计算
# 在金融数据处理中,这可以防止访问None对象或空数据引发的错误
# 这是防御性编程的重要技巧,在实际开发中经常使用

# ==================== 场景设置 ====================
data = None  # 数据可能缺失(模拟API返回数据为空的情况)

# ==================== 安全的检查:利用短路求值 ====================
if data is not None and data.price > 100:  # 先检查data不为None
    print("价格高于100")  # 只有data不为None时才会访问data.price
    # 短路求值机制:如果data is not None为False,
    # Python不会计算and后面的data.price > 100,
    # 从而避免AttributeError错误

# ==================== 危险的写法(会报错) ====================
# if data.price > 100 and data is not None:
#     print("价格高于100")
# 上面这行代码会导致错误: AttributeError: 'NoneType' object has no attribute 'price'
# 原因:当data为None时,Python会尝试计算data.price,立即报错
# 教训:必须先判断对象存在性,再访问其属性

# ⚠️ 平台原始代码 - 请原样输入至教学平台（注释除外），平台才会判定答案正确
price=14.88  # 设置当前股价为14.88元
if price>=17:  # 判断股价是否达到止盈线(17元)
  print("卖出股票，止盈")  # 股价达到止盈线,输出卖出建议
elif price<=13:  # 判断股价是否跌破止损线(13元)
  print("卖出股票，止损")  # 股价跌破止损线,输出止损建议
else:  # 股价在13-17元区间内
  print("继续持有")  # 股价处于合理区间,输出继续持有建议

# =============================================================================
# 题目:多因子量化交易策略系统
# =============================================================================
# 本代码实现一个基于多个技术指标的复合交易策略:
# 1. 均线系统 - 判断趋势方向
# 2. 成交量分析 - 验证价格走势的可靠性
# 3. RSI指标 - 判断超买超卖状态
# 综合三个指标给出交易建议,提高决策的准确性
# 这种多因子模型是量化基金的常用方法,可以过滤假信号

# ==================== 导入数值计算库 ====================
import numpy as np  # 导入NumPy库用于数值计算

# ==================== 模拟市场数据 ====================
price = 28.50  # 当前股价
ma20 = 28.00  # 20日移动平均线(短期趋势)
ma60 = 27.50  # 60日移动平均线(长期趋势)
volume = 2500000  # 今日成交量(手)
avg_volume = 2000000  # 平均成交量(手)
rsi = 58  # RSI相对强弱指标(0-100范围)

# ==================== 交易策略:多因子模型 ====================
buy_signals = 0  # 买入信号计数器
sell_signals = 0  # 卖出信号计数器

# ==================== 条件1:均线系统分析 ====================
if ma20 > ma60:  # 判断短期均线是否在长期均线之上
    print("✓ 均线多头排列")  # 多头排列表示上升趋势
    buy_signals += 1  # 买入信号加1
else:  # 短期均线在长期均线之下
    print("✗ 均线空头排列")  # 空头排列表示下降趋势
    sell_signals += 1  # 卖出信号加1
# 均线系统是趋势跟踪的基础技术指标

# ==================== 条件2:成交量分析 ====================
if volume > avg_volume * 1.2:  # 成交量比平均值高20%
    print("✓ 放量上涨")  # 放量上涨表明资金流入,趋势可靠
    buy_signals += 1  # 买入信号加1
elif volume < avg_volume * 0.8:  # 成交量比平均值低20%
    print("✗ 缩量下跌")  # 缩量下跌表明市场缺乏承接
    sell_signals += 1  # 卖出信号加1
# 成交量是价格走势的验证指标,量价配合更可靠

# ==================== 条件3:RSI指标分析 ====================
if 40 <= rsi <= 60:  # RSI在40-60的中性区域
    print("✓ RSI处于中性区域")  # 中性区域适合建仓
    buy_signals += 1  # 买入信号加1
elif rsi > 70:  # RSI超过70,进入超买区
    print("✗ RSI超买")  # 超买可能预示回调
    sell_signals += 1  # 卖出信号加1
elif rsi < 30:  # RSI低于30,进入超卖区
    print("✗ RSI超卖")  # 超卖可能预示反弹
    buy_signals += 1  # 买入信号加1(超卖反而是买入机会)
# RSI用于判断市场的超买超卖状态,避免追涨杀跌

# ==================== 综合决策输出 ====================
print(f"\n买入信号数: {buy_signals}")  # 显示累计买入信号数量
print(f"卖出信号数: {sell_signals}")  # 显示累计卖出信号数量

# ==================== 最终交易建议 ====================
if buy_signals >= 2 and sell_signals == 0:  # 至少2个买入信号且无卖出信号
    print("\n建议: 建仓")  # 多个指标共振,强烈建议买入
elif sell_signals >= 2:  # 至少2个卖出信号
    print("\n建议: 平仓")  # 多个指标看空,建议清仓
else:  # 信号不明确或买卖信号混杂
    print("\n建议: 观望")  # 信号不明确,建议等待更好时机
# 这种多因子决策体系可以显著提高交易胜率

# =============================================================================
# 题目:条件表达式(三元运算符)的金融应用
# =============================================================================
# 本代码演示Python的条件表达式语法:
# - 传统if-else语句:适合多行代码块
# - 条件表达式:适合简单的单行赋值,代码更简洁
# 条件表达式在金融计算中广泛使用,特别是费率计算、状态判断等场景
# 掌握这个语法可以让代码更加Pythonic(符合Python风格)

# ==================== 定义变量 ====================
price = 18.50  # 当前股价

# ==================== 传统写法(if-else语句) ====================
if price > 20.0:  # 判断价格是否高于20元
    status = "高"  # 条件为真时赋值
else:  # 价格不高于20元
    status = "低"  # 条件为假时赋值
# 这种写法需要5行代码,逻辑分散

# ==================== 条件表达式(简洁写法) ====================
status = "高" if price > 20.0 else "低"  # 一行完成相同逻辑
# 语法结构: 值1 if 条件 else 值2
# 如果条件为True返回值1,否则返回值2

print(f"价格水平: {status}")  # 输出: "价格水平: 低"

# ==================== 嵌套条件表达式 ====================
level = "高" if price > 20 else ("中" if price > 15 else "低")
# 这个嵌套结构等价于:
# if price > 20:
#     level = "高"
# elif price > 15:
#     level = "中"
# else:
#     level = "低"

print(f"详细分级: {level}")  # 输出: "详细分级: 中"

# ==================== 金融应用:计算手续费 ====================
amount = 15000  # 交易金额(元)
# 根据交易金额选择不同的费率
commission_rate = 0.0003 if amount > 10000 else 0.0005
# 金额超过1万元,费率0.03%;否则费率0.05%

commission = amount * commission_rate  # 计算手续费
print(f"手续费: {commission:.2f}元")  # 输出: "手续费: 4.50元"
# 条件表达式使得费率选择逻辑清晰且在一行内完成

# =============================================================================
# 题目:嵌套条件语句实现分层交易决策
# =============================================================================
# 本代码演示如何使用嵌套if语句处理复杂的分层决策:
# 外层判断市场趋势,中层判断波动率,内层判断价格位置
# 这种分层决策结构模仿了人类交易员的思维过程
# 适合处理需要多个维度综合判断的金融决策场景

# ==================== 定义市场状态变量 ====================
price = 18.50  # 当前股价
market_trend = "up"  # 市场趋势: up(上涨), down(下跌), sideways(震荡)
volatility = "high"  # 波动率: low(低), medium(中), high(高)

# ==================== 外层:判断市场趋势 ====================
if market_trend == "up":  # 如果市场处于上涨趋势
    # ==================== 中层:判断波动率 ====================
    if volatility == "low":  # 低波动环境
        # ==================== 内层:判断价格位置 ====================
        if price > 20:  # 价格已经较高
            action = "谨慎追涨"  # 建议谨慎,避免高位接盘
        else:  # 价格适中
            action = "积极买入"  # 建议买入,趋势稳健
    elif volatility == "medium":  # 中等波动
        action = "分批建仓"  # 建议分批买入,控制风险
    else:  # 高波动(volatility == "high")
        action = "观望为主"  # 建议观望,等待市场稳定

elif market_trend == "down":  # 如果市场处于下跌趋势
    if volatility == "low":  # 低波动下跌
        action = "轻仓试探"  # 可以少量仓位试探
    else:  # 中高波动下跌
        action = "空仓观望"  # 建议空仓,避免损失

else:  # market_trend == "sideways",震荡市场
    action = "高抛低吸"  # 建议波段操作

# ==================== 输出决策报告 ====================
print(f"市场趋势: {market_trend}")  # 显示市场趋势
print(f"波动率: {volatility}")  # 显示波动率水平
print(f"当前价格: {price:.2f}元")  # 显示当前价格
print(f"建议操作: {action}")  # 显示最终决策
# 输出示例: "建议操作: 观望为主" (上涨趋势+高波动+价格18.50)

# =============================================================================
# 题目:真值测试在金融数据验证中的应用
# =============================================================================
# 本代码演示Python的真值测试机制:
# 在if语句中,任何对象都可以被隐式转换为布尔值
# 空容器、0、None等被视为False,非空和非零值被视为True
# 这种特性使得代码非常简洁,是Pythonic编程风格的重要体现
# 在金融数据处理中,常用于快速验证数据是否存在或有效

# ==================== 场景1:检查投资组合是否为空 ====================
portfolio = []  # 定义一个空的投资组合列表

if portfolio:  # 直接使用列表作为条件(等价于 len(portfolio) > 0)
    print("投资组合不为空")  # 列表非空时执行
else:  # 列表为空
    print("投资组合为空")  # 列表为空时执行
# 输出: "投资组合为空"
# 这种写法比 if len(portfolio) == 0: 更Pythonic

# ==================== 场景2:检查价格是否有效 ====================
price = 0  # 定义价格为0

if price:  # 数值0在布尔测试中为False
    print("有效价格")  # 非零价格时执行
else:  # 价格为0
    print("无效价格")  # 零价格时执行
# 输出: "无效价格"
# 在金融数据中,0可能表示数据缺失或停牌

# ==================== 场景3:检查股票代码是否存在 ====================
stock_code = ""  # 定义空字符串

if stock_code:  # 空字符串在布尔测试中为False
    print(f"股票代码: {stock_code}")  # 有代码时输出
else:  # 字符串为空
    print("股票代码缺失")  # 无代码时输出
# 输出: "股票代码缺失"
# 这种写法比 if stock_code == "": 更简洁

# ==================== 场景4:检查数据是否为None ====================
data = None  # 定义None对象(表示数据缺失)

if data is not None:  # 必须使用 is not None 来判断
    print("处理数据")  # 数据存在时执行
else:  # 数据为None
    print("数据缺失")  # 数据缺失时执行
# 输出: "数据缺失"
# 注意:判断None必须用 is 或 is not,不能用 == 或 !=
# 这是因为None是Python的单例对象,使用is判断更准确