编写程序对所有股票数据进行分析，挑选出符合一种底部启动的所有股票，并分析其成功率。
写出你对形态和成功率的定义，并把程序复制过来。

我的想法是，将每一个股票的数据读取出来，放进一个个列表，画出曲线，找到最低点以及最低点左右的两个最高点，将两个最高点之间的曲线与圆弧曲线进行数据拟合，

上图为示例
找到拟合优度较高的曲线，以文件名为键，数据存放的列表为值，组成字典的键值对写入json文件

import struct
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
import numpy as np
import os
import json

def readDayFile(filename, dict):
    alist = []
    with open(filename, 'rb') as fp:
        buffer = fp.read()  # 读取数据到缓存
        size = len(buffer)
        rowSize = 32  # day数据，每32个字节一组数据
        for i in range(0, size, rowSize):  # 步长为32遍历buffer
            row = list(struct.unpack('iiiiifii', buffer[i:i + rowSize]))
            row[2] = row[2] / 100
            row.pop()  # 移除最后无意义字段
            alist.append(row[2])
    filework = mathan(alist)
    filename = filename.rstrip('.day')
    filename = filename.strip('.\\z\\')
    if filework > 0.75:
        dict[filename] = alist

def mathan(alist):
    minnum = min(alist)
    bottom = alist.index(minnum)
    if bottom == len(alist) or bottom == 0:
        return None
    maxnum = max(alist[:bottom])
    maxindex1 = alist.index(maxnum)
    maxnum = max(alist[bottom:])
    maxindex2 = alist.index(maxnum, bottom)
    #print(len(alist),bottom,maxindex1,maxindex2)
    return task(alist, alist[maxindex1:maxindex2], maxindex1, maxindex2)

def func(x, a, b, c):#拟合函数
    return a*x**2+b*x+c

def task(alist, calist, maxindex1, maxindex2):
    x = np.arange(maxindex1, maxindex2)
    y = np.array(calist)
    popt, pcov = curve_fit(func, x, y)
    # popt数组中，三个值分别是待求参数a,b,c
    y2 = [func(i, popt[0], popt[1], popt[2]) for i in x]
    '''绘制原曲线和拟合曲线'''
    '''plot1 = plt.plot(x, y, '*', label='original values')
    plot2 = plt.plot(x, y2, 'r', label='curve_fit values')
    plt.xlabel('x axis')
    plt.ylabel('y axis')
    plt.legend(loc=4)  # 指定legend的位置
    plt.title('curve_fit')
    plt.show()
    plt.savefig('p2.png')
    '''
    if popt[0]<0:
        return None
    return mathnum(calist, y2)
'''简单计算并返回图线拟合度'''
def mathnum(alist,yi):
    avg = np.mean(alist)
    sy = syi = 0
    for i in alist:
        sy += (i-avg)**2
        j = 0
        syi += (yi[j] - i) ** 2
        j+=1
    E = 1 - (sy/syi)
    return E
'''json文件数据写入操作'''
def writejson(json_data):
    json_data = json.dumps(json_data, indent=4, ensure_ascii=False)
    with open('test.json', 'a+', encoding="utf-8") as fp:
        fp.write(json_data)

'''文件写入操作'''
def writefile(data,param = True):
    with open('test.txt', 'a+', encoding="utf-8") as fp:
        fp.write(data)
        fp.write('\n')
        if param == False:
            fp.close()

def main():
    dict = {}
    rootdir = os.curdir
    rootdir = os.path.join(rootdir, 'z')
    list = os.listdir(rootdir)
    for i in range(0, len(list)):
        path = os.path.join(rootdir, list[i])
        if os.path.isfile(path):
            try:
                readDayFile(path, dict)
            except Exception:
                writefile(path)
    print('all is done')
    writejson(dict)
main()

然后读取json文件的字典，以底部启动过程中的时间与一个月后的数值进行比较，判断底部启动的成功率，以此进行分析

import json
def caljson():
    with open('test.json', 'r', encoding="utf-8") as fp:
        data = json.load(fp)
    #设定一个月的时间
    for i in data.keys():
        alist = data[i]
        minnum = min(alist)
        bottom = alist.index(minnum)
        maxnum = max(alist[bottom:])
        top = alist.index(maxnum,bottom)
        n = 0
        for j in range(bottom, top):
            if j+30 >= top:
                break
            if(alist[j] <= alist[j+30]):
                n+=1
        data[i] = str(n/len(alist))+'%'
    writejson(data)
    '''json文件数据写入操作'''
def writejson(json_data):
    json_data = json.dumps(json_data, indent=4, ensure_ascii=False)
    with open('tey.json', 'a+', encoding="utf-8") as fp:
        fp.write(json_data)
caljson()

理论上，我觉得这个图线拟合判断底部启动会比较简单，但是事实上，我发现，没有一条曲线拟合优度大于0.9，可能是我选取曲线函数产生了问题，亦可能本身股票数据有太多的复杂性，不容置疑的是，我的实验产生了较大的误差，尽管我认为我的想法具有很大的可行性。