76、C++项目实战：股票数据分析工具

股票数据分析，听起来挺高大上的。其实说白了，就是让计算机帮我们从一堆数字里找出规律。我当年刚入行时，觉得这东西得用Python，后来发现C++做高频数据处理，那速度是真的快。今天我们就手撸一个轻量级的股票分析工具。

项目背景与目标

这个项目要做什么？很简单：读取CSV格式的股票历史数据，计算一些常用指标，比如移动平均线、波动率，最后把结果输出成报表。嗯，这里要注意，我们不做预测，只做历史数据的统计分析。

我个人习惯把这类工具拆成三个模块：

• 数据加载模块：负责读文件、解析、清洗
• 计算引擎模块：各种指标的计算逻辑
• 输出模块：生成报表或可视化数据

这样一拆，每个模块都能单独测试，后期加新指标也方便。

数据加载：别小看CSV解析

CSV文件看起来简单，但坑不少。我曾经遇到过一个CSV文件，里面某列数据居然带了逗号，结果整个解析全乱了。所以写解析器时，一定要考虑引号转义。

先看一个基础版本：

struct StockRecord {
    std::string date;      // 日期，格式 YYYY-MM-DD
    double      open;      // 开盘价
    double      high;      // 最高价
    double      low;       // 最低价
    double      close;     // 收盘价
    uint64_t    volume;    // 成交量
};

std::vector<StockRecord> loadCSV(const std::string& filepath) {
    std::vector<StockRecord> records;
    std::ifstream file(filepath);
    if (!file.is_open()) {
        throw std::runtime_error("无法打开文件: " + filepath);
    }

    std::string line;
    // 跳过表头
    std::getline(file, line);

    while (std::getline(file, line)) {
        if (line.empty()) continue;

        std::stringstream ss(line);
        StockRecord rec;
        std::string token;

        // 按逗号分割，共6列
        std::getline(ss, rec.date, ',');
        std::getline(ss, token, ','); rec.open   = std::stod(token);
        std::getline(ss, token, ','); rec.high   = std::stod(token);
        std::getline(ss, token, ','); rec.low    = std::stod(token);
        std::getline(ss, token, ','); rec.close  = std::stod(token);
        std::getline(ss, token, ','); rec.volume = std::stoull(token);

        records.push_back(rec);
    }

    return records;
}

你想想看，如果文件里有空行或者格式不对，程序直接崩了。所以实际项目中，我会加一个try-catch包裹std::stod，遇到坏数据就跳过或记录日志。

计算引擎：移动平均线

移动平均线（MA）是最基础的指标。说白了就是把最近N天的收盘价取个平均值。为什么用这个？因为单日价格波动太大，平滑一下才能看出趋势。

实现思路很简单：维护一个滑动窗口，每次移动一步，计算窗口内数据的均值。

std::vector<double> calcMovingAverage(
    const std::vector<StockRecord>& records,
    int windowSize
) {
    std::vector<double> ma;
    if (records.size() < windowSize) return ma;

    double sum = 0.0;
    // 先计算第一个窗口
    for (int i = 0; i < windowSize; ++i) {
        sum += records[i].close;
    }
    ma.push_back(sum / windowSize);

    // 滑动窗口
    for (size_t i = windowSize; i < records.size(); ++i) {
        sum += records[i].close;
        sum -= records[i - windowSize].close;
        ma.push_back(sum / windowSize);
    }

    return ma;
}

这里有个细节：返回的ma向量长度比原始数据少windowSize - 1个。我在项目中习惯把前几个空位填成NaN或者直接对齐索引，这样后续画图时不会错位。

波动率计算：标准差的应用

波动率衡量的是价格波动的剧烈程度。我一般用20日波动率，也就是过去20天收益率的标准差，再年化一下。

先算每日收益率：

std::vector<double> calcDailyReturns(const std::vector<StockRecord>& records) {
    std::vector<double> returns;
    for (size_t i = 1; i < records.size(); ++i) {
        double ret = (records[i].close - records[i-1].close) / records[i-1].close;
        returns.push_back(ret);
    }
    return returns;
}

然后算标准差：

double calcStdDev(const std::vector<double>& data) {
    double mean = std::accumulate(data.begin(), data.end(), 0.0) / data.size();
    double sq_sum = std::inner_product(
        data.begin(), data.end(), data.begin(), 0.0,
        std::plus<>(),
        [mean](double x, double y) { return (x - mean) * (y - mean); }
    );
    return std::sqrt(sq_sum / data.size());
}

年化波动率就是 stdDev * sqrt(252)，因为A股一年大约252个交易日。嗯，这里要注意，如果数据是日线，就用252；如果是周线，用52。

输出报表：格式化与排序

计算完了，总得给人看吧。我习惯输出成表格形式，方便粘贴到Excel里。

void printReport(const std::vector<StockRecord>& records,
                 const std::vector<double>& ma20,
                 double annualVol) {
    std::cout << "日期\t\t收盘价\tMA20\t波动率\n";
    std::cout << "----------------------------------------\n";

    for (size_t i = 0; i < records.size(); ++i) {
        std::cout << records[i].date << "\t"
                  << std::fixed << std::setprecision(2)
                  << records[i].close << "\t";
        if (i >= 19) {  // MA20从第20个数据开始有值
            std::cout << ma20[i - 19] << "\t";
        } else {
            std::cout << "N/A\t";
        }
        std::cout << annualVol << "\n";
    }
}

这里用了std::setprecision控制小数位数。我个人习惯保留两位小数，股票价格精确到分就够了。

整体流程与架构

把上面几个模块串起来，主函数大概长这样：

int main() {
    try {
        auto records = loadCSV("stock_data.csv");
        if (records.empty()) {
            std::cerr << "数据为空，退出\n";
            return 1;
        }

        auto ma20 = calcMovingAverage(records, 20);
        auto returns = calcDailyReturns(records);
        double vol = calcStdDev(returns) * std::sqrt(252.0);

        printReport(records, ma20, vol);

    } catch (const std::exception& e) {
        std::cerr << "错误: " << e.what() << "\n";
        return 1;
    }

    return 0;
}

你看，整个流程很清晰：加载 → 计算 → 输出。每个步骤都独立，想加新指标？再写一个函数就行。

知识体系图

下面这张图展示了本章的核心逻辑：

扩展思路

这个工具虽然简单，但扩展性很好。你可以：

• 加入更多技术指标：MACD、RSI、布林带
• 支持多只股票同时分析，输出对比报表
• 把结果导出为JSON，供前端展示
• 用多线程加速计算，特别是当数据量达到几十万行时

我记得有一次帮朋友分析美股数据，CSV文件有50万行，单线程算MACD花了快10秒。改成并行后，直接降到2秒。所以性能优化这块，C++的优势就体现出来了。

---

公众号:蓝海资料掘金营，微信deep3321