UVXY股票历史月度最佳买卖日期计算与非交易日问题求解

• 固定日期（10号、20号）大概率不属于交易日，导致买卖价格数组长度不匹配、统计逻辑失效
• 原代码存在变量名拼写错误（openPriceOftrades和定义的openPriceOfTrades大小写不一致）、硬切字符串位置易出错、difference在循环内重复初始化的问题，本身也无法正常输出结果

处理逻辑：

• 先把原始文本解析为结构化的行情数据，日期转为可操作的时间格式
• 按年月分组，直接统计每月的最高/最低点对应日期，无需硬绑定固定日期
• 如果仍需要固定日期附近的交易日，可按月份筛选最接近指定日期的交易记录

from bs4 import BeautifulSoup
import pandas as pd
from datetime import datetime

content = """
<pre style="word-wrap: break-word; white-space: pre-wrap;">
Fri 09-24-2021      22.22     22.27     20.38      20.49    47101392 
Thu 09-23-2021      22.52      22.63      21.32      21.48    48145436 
Wed 09-22-2021      24.88      25.37      22.88      23.68    59917888 
Tue 09-21-2021      26.03      28.18      25.20      25.86    73069928 
Mon 09-20-2021      26.26      30.81      25.36      27.31   104578920 
Fri 09-17-2021      21.56      23.58      21.33      23.48    61526336 
Thu 09-16-2021      21.91      22.66      21.04      21.38    42485960 
Wed 12-07-2016    9150.00    9390.00    8780.00    9270.00       37485 
Tue 12-06-2016    9530.00    9660.00    9130.00    9210.00       27220
</pre>""" 

# 解析原始数据
soup = BeautifulSoup(content, "html.parser")
raw_text = soup.find('pre').text.strip()
lines = [l for l in raw_text.split("\n") if l.strip()]

# 结构化处理
data = []
for line in lines:
    parts = list(filter(None, line.split()))
    date_str = parts[1]
    dt = datetime.strptime(date_str, "%m-%d-%Y")
    open_p = float(parts[2])
    high_p = float(parts[3])
    low_p = float(parts[4])
    close_p = float(parts[5])
    volume = int(parts[6])
    data.append([dt, open_p, high_p, low_p, close_p, volume])

# 转DataFrame设置时间索引
df = pd.DataFrame(data, columns=['date', 'open', 'high', 'low', 'close', 'volume'])
df = df.set_index('date').sort_index()

# 按月度分组找高低点
monthly_stats = []
for ym, group in df.groupby([df.index.year, df.index.month]):
    year, month = ym
    # 月度最低点对应日期
    min_row = group[group['low'] == group['low'].min()].iloc[0]
    min_day = min_row.name.day
    # 月度最高点对应日期
    max_row = group[group['high'] == group['high'].max()].iloc[0]
    max_day = max_row.name.day
    monthly_stats.append({
        'year': year,
        'month': month,
        'low_day': min_day,
        'high_day': max_day,
        'low_price': min_row['low'],
        'high_price': max_row['high']
    })

stats_df = pd.DataFrame(monthly_stats)
# 计算平均高低点日期
avg_low_day = round(stats_df['low_day'].mean(), 1)
avg_high_day = round(stats_df['high_day'].mean(), 1)
print(f"历史月度低点平均出现日期：每月{avg_low_day}号")
print(f"历史月度高点平均出现日期：每月{avg_high_day}号")

# 如果需要统计指定日期附近的交易收益，比如每月10号附近买，20号附近卖
def get_nearest_trade_day(group, target_day):
    # 计算日期差的绝对值，找最小的
    group['day_diff'] = abs(group.index.day - target_day)
    return group[group['day_diff'] == group['day_diff'].min()].iloc[0]

trade_profit = []
for ym, group in df.groupby([df.index.year, df.index.month]):
    buy_row = get_nearest_trade_day(group, 10)
    sell_row = get_nearest_trade_day(group, 20)
    # 仅当卖的日期在买之后有效
    if sell_row.name > buy_row.name:
        profit = (sell_row['close'] - buy_row['open']) / buy_row['open']
        trade_profit.append(profit)

avg_profit = round(sum(trade_profit)/len(trade_profit)*100, 2)
print(f"10号附近买20号附近卖的历史平均收益率：{avg_profit}%")

处理逻辑：

• 直接调用yfinance拉取UVXY全部历史行情，无需自行维护文本数据
• 后续统计逻辑和方案1完全一致

import yfinance as yf
import pandas as pd

# 拉取UVXY全部历史日线数据
uvxy = yf.Ticker("UVXY")
df = uvxy.history(period="max")
# 清理不需要的列
df = df[['Open', 'High', 'Low', 'Close', 'Volume']]
df.columns = df.columns.str.lower()

# 后续高低点统计、固定日期交易统计逻辑和方案1完全一致，直接复用即可

内容的提问来源于stack exchange，提问作者Roy Lee