我觉得，可以有一个相似度判定指标

wangjia

一段时期内，庄家风格是相似的，如果他操作多支票，那手法就会很想，但是会有时间差，这样能不能成为下一步的指导？

欧几里得距离是一种常用的衡量空间中两点之间距离的方法。对于两条日 K 曲线，我们可以将其视为多维空间中的两个向量，每个维度对应一个特征（如开盘价、收盘价、最高价、最低价、成交量等）。假设两条曲线分别为A=(a1​,a2​,⋯,an​)和B=(b1​,b2​,⋯,bn​)，则它们之间的欧几里得距离d(A,B)为：

d(A,B)=∑i=1n​(ai​−bi​)2​

import pandas as pd
import pandas_datareader.data as web
import datetime
from scipy.stats import pearsonr


def get_stock_data(ticker, start_date, end_date):
    try:
        data = web.DataReader(ticker, 'yahoo', start_date, end_date)
        return data['Close']
    except Exception as e:
        print(f"获取 {ticker} 数据时出错: {e}")
        return None


def calculate_similarity(stock1, stock2):
    if stock1 is None or stock2 is None:
        return None
    # 合并两个股票的收盘价数据
    combined = pd.concat([stock1, stock2], axis=1)
    combined.columns = ['Stock1', 'Stock2']
    # 去除缺失值
    combined = combined.dropna()
    if len(combined) < 2:
        return None
    # 计算皮尔逊相关系数和 p 值
    corr, p_value = pearsonr(combined['Stock1'], combined['Stock2'])
    return corr


if __name__ == "__main__":
    # 设置日期范围
    start_date = datetime.datetime(2024, 1, 1)
    end_date = datetime.datetime(2024, 12, 31)

    # 股票代码，这里以苹果和微软为例
    ticker1 = 'AAPL'
    ticker2 = 'MSFT'

    # 获取股票数据
    stock1_data = get_stock_data(ticker1, start_date, end_date)
    stock2_data = get_stock_data(ticker2, start_date, end_date)

    # 计算相似度
    similarity = calculate_similarity(stock1_data, stock2_data)

    if similarity is not None:
        print(f"{ticker1} 和 {ticker2} 的相似度（皮尔逊相关系数）: {similarity}")
    else:
        print("无法计算相似度，请检查数据获取情况。")
    复制代码距离越近，说明两条曲线越相似。欧几里得距离简单直观，但对异常值较为敏感。