Mirror 0.9 version issues.

src/accountAnalysis.py

@@ -0,0 +1,12 @@
+#!/usr/bin/python
+#-*- coding: utf-8 -*-
+
+
+'''
+该文件用于对账户进行分析
+'''
+
+class accountAnalysis:
+	def __init__(self):
+		#需求待定义
+		pass

src/constant.py

@@ -9,11 +9,11 @@
 UPPER_LIMIT = 1.1 #涨停
 LOWER_LIMIT = 0.9 #跌停
 BIAS_UPPER_LIMIT = 1.0	#偏移上限值
-BIAS_LOWER_LIMIT = -1.0	#偏移下限值
+BIAS_LOWER_LIMIT = 0	#偏移下限值
 DATA_PATH = "..\\data\\dataForExp.xlsx"
-INIT_PRICE = "initPrice1"	#初始价格表名
-PURCHASE_PROB = "purchaseProb2"	#购买概率表名
-SHARE_NUMBER = "initFund2"	#初始股票数量
+INIT_PRICE = "initPrice"	#初始价格表名
+PURCHASE_PROB = "purchaseProb"	#购买概率表名
+SHARE_NUMBER = "initFund"	#初始股票数量
 MIN_BUY_QUA = 100	#最小买入数量
 LOSS_VALUE = 1e-10	#适当损失，用于在归一化时进一步收窄，避免触发涨跌停
 ONE_FOURTH_PERIOD = 0.1	#允许连续增长或下跌的周期（价格增长或降幅），超过该值则冷却值变号

src/detailTransInfo.py

@@ -0,0 +1,11 @@
+#!/usr/bin/python
+#-*- coding: utf-8 -*-
+
+'''
+该文件详细记录每日交易
+'''
+
+class detailTranInfo:
+	def __init__(self):
+		#需求待定义
+		pass

src/main.py

@@ -28,12 +28,12 @@
 from dict2Excel import *
 
 #常量部分
-INIT_TRANS_DAYS = 20 #初始化天数 
-LAST_YEARS = 20	# 持续调查20年
-USERS_NUM = 100	#参与账户数量
-SHARES_NUM = 10	#参与的股票数量
-DAYS_IN_1_YEAR = 48 #239	#一年平均有239天交易日
-DAYS_IN_1_MONTH = list(range(4, 49, 4))#[19, 35, 57, 77, 95, 115, 137, 159, 179, 196, 217, 239] 	#每月最后一个交易日
+INIT_TRANS_DAYS = 100 #初始化天数 
+LAST_YEARS = 19	# 持续调查20年
+USERS_NUM = 500	#参与账户数量
+SHARES_NUM = 50	#参与的股票数量
+DAYS_IN_1_YEAR = 239	#一年平均有239天交易日
+DAYS_IN_1_MONTH = [19, 35, 57, 77, 95, 115, 137, 159, 179, 196, 217, 239] 	#每月最后一个交易日
 SALE_PROBABILITY = 0.5	#想出售的概率
 #需要读取的数据文件们, 例如股票的信息, 年报的信息
 
@@ -207,7 +207,7 @@ def run(self):
 		nowMonth = 1	#当前月份
 		#信息记录字典
 		infoDict = dict()	#键是月份，值是当月所有股票的收盘价，每年重置一次
-		while nowYear <= 2:
+		while nowYear <= LAST_YEARS:
 			#每年开始，先记录当年的初始价格
 			for share in self.sharesList:
 				share.setNewYearPrice(share.getPrice())

src/makeDeals.py

@@ -46,7 +46,7 @@ def getNormalListBias(_low, _high, _loc, _bias, _coolingValue, _handCountValue):
 	_bias = _bias * _coolingValue #* _handCountValue
 	sigma = _loc * 0.2 / 6
 	sigma = sigma if sigma < SIGMA else SIGMA
-	meanValue = _loc + _bias * sigma * 0.5
+	meanValue = _loc + _bias * sigma
 	if meanValue > _high:
 		meanValue = _high
 	if meanValue < _low:

src/normalization.py

@@ -24,6 +24,7 @@ def normalization(_list, _highLimit, _lowLimit):
 	for index, value in enumerate(_list):
 		try:
 			resultList[index] = (((value - minValue) / (maxValue - minValue)) * _highLimit + ((value - maxValue) / (minValue - maxValue)) * _lowLimit)
+			resultList[index] -= 0.5
 		except ZeroDivisionError:
 			#对除0错误进行处理
 			resultList[index] = 1.0