工具选择

选择工具主要看工具后边对应的生态如何。是否能够支持获取股票收，是否能够提供底层的数据计算功能，让数据分析关注在逻辑上，而不是一些基础的算法处理上。比如均线的计算，如果框架本身就提供了相关的底层计算功能，就可以大大降低数据分析的复杂程度以及对应的工作量。

通过搜索相关的信息，以及简单的尝试。最终选定了Python技术栈来进行数据分析的工作。

目前选定了两款开源工具：Tushare 和 Pyalgotrade

Tushare ——解决数据来源

因为我的目标是分析国内 A 股的数据，所以，选择了 Tushare 。这是一个Python编写的数据获取工具。将网易财经等接口进行了封装，方便使用。可以通过它获取A股的各类数据，以便于后期的数据分析。

Tushare 的GitHub 项目地址如下
https://github.com/waditu/tushare

使用 Tushare 获取 A 股的历史数据十分的便捷：

tushare.get_h_data('000001',start='2016-01-01',end='2017-12-31')

上述的语句就完成对代码为“000001”的股票，获取2016年全年历史数据的功能。对我们来说 Tushare 已经尽可能的减轻了我们的工作。具体请求哪个财经网站、请求失败重试等这些处理细节我们都不需要关心。当然如果我们需要定制请求具体的参数，如重试等待时间，它也是支持的。

get_h_data函数返回的是一个 pandas 的 dataframe 对象。利用它提供的方法，我们可以简便的发数据转换成我们需要的格式。如CSV文件、Json、或存入数据库等。

Pyalgotrade ——分析工具

分析工具选择了 Pyalgotrade 这也是一个Python写的开源工具。主要用于策略回测。也就是说一旦自己想出了一个策略，就可以通过Pyalgotrade 编写这个策略的逻辑，然后在历史数据中进行策略的验证。

Pyalgotrade的GitHub地址如下
https://github.com/gbeced/pyalgotrade

使用 Pyalgotrade 可以方便的进行基于历史数据的回测。Pyalgotrade 本身已经提供了股票指标计算的基本功能，如计算均线、检测均线交叉、模拟交易等基本功能，我们要做的就是定制自己的策略，然后放到 A 股的历史数据上跑，找到最优的策略。

其他的TIPS

为了方便的使用Python，需要学习并配置以下的工具：
1.pip 使用pip能够方便的安装Python开发的各类模块。Python强大的地方也在于具有很多成熟的模块，覆盖了很多你能想到的领域。
2.pyenv 一个 Python 的虚拟环境。有了它，就可以在同一个机器上边安装不同版本的Python，并且根据需要进行灵活的切换。这个在你安装了3.5却发现，你急需的某个包只支持2.7的时候，非常的有用。