Python - 深夜数据结构与算法之股票问题大全

最新推荐文章于 2025-01-20 08:11:31 发布

BIT_666

最新推荐文章于 2025-01-20 08:11:31 发布

阅读量874

点赞数 20

分类专栏：夜深人静写算法 Python 文章标签： python DP 股票

本文链接：https://blog.csdn.net/BIT_666/article/details/135611497

版权

Python 同时被 2 个专栏收录

90 篇文章

订阅专栏

夜深人静写算法

27 篇文章

订阅专栏

一.引言

给定一定日期内的股票价格，求交易 1 次、2 次、K 次、带冷冻期、带交易费等衍生出多道股票买卖的问题，今天通过一个模版搞定所有股票问题。

二.股票问题通式

1.股票买卖分析

股票买卖的本质就是三种状态，买 buy、卖 sell 以及保持 rest:

- rest 情况下，可以保持持有股票、可以保持没有股票

- buy 情况下，必须是在未拥有股票的情况下

- sell 情况下，必须是在拥有股票的情况下

基于天数 i、交易次数 k 以及是否持有股票 [0, 1]，我们可以得到总状态数:

2.股票买卖状态转移

基于上面的总状态数，我们可以计算第 i 天第 k 次交易时我们手中的最大收益。

三.股票问题全解

1.股票交易 - 交易 1 次

链接: https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock/

class Solution(object):
    def maxProfit(self, prices):
        """
        :type prices: List[int]
        :rtype: int
        """

        # dp[i] = max(dp[i] - pre_min, dp[i-1])

        dp = [0] * len(prices)
        pre_min = prices[0]

        for i in range(1, len(prices)):
            dp[i] = max(prices[i] - pre_min, dp[i-1])
            if pre_min > prices[i]:
                pre_min = prices[i]

        return dp[-1]

2.股票交易 - 交易多次

链接: https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-ii/description/

class Solution(object):
    def maxProfit(self, prices):
        """
        :type prices: List[int]
        :rtype: int
        """

        # 天数 i = len(prices) 交易次数 k = 1 状态 0/1 拥有，不拥有
        dp = [[0, 0] for _ in range(len(prices))]

        # 初始状态
        dp[0][0] = 0
        dp[0][1] = -1 * prices[0]

        # 递推
        for i in range(1, len(prices)):
            # 不持有 = 保持昨天状态 or 昨天有股票且今天卖了
            dp[i][0] = max(dp[i-1][0], dp[i-1][1] + prices[i])
            # 持有 = 保持昨天状态 or 昨天没股票且今天买了
            dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i])
        
        return max(dp[-1][0], dp[-1][1])

3.股票交易 - 交易 2 次

class Solution(object):
    def maxProfit(self, prices):
        """
        :type prices: List[int]
        :rtype: int
        """

        # 天数 i = len(prices) 交易次数 k = 2 状态 0/1 拥有，不拥有
        dp = [[0, 0, 0, 0] for _ in range(len(prices))]

        # 初始化状态 分别代表第 i 次买、卖股票时手里最大收益 Profit
        dp[0][0] = -1 * prices[0]
        dp[0][1] = 0
        dp[0][2] = -1 * prices[0]
        dp[0][3] = 0

        for i in range(1, len(prices)):
            # 第一次买票 - Rest 或者 买今天更便宜的
            dp[i][0] = max(dp[i-1][0], -prices[i])
            # 第一次卖票 - Rest 或者 今天把昨天的卖了
            dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i])
            # 第二次买票 - Rest 或者 上一次卖完再买现在的
            dp[i][2] = max(dp[i-1][2], dp[i-1][1] - prices[i])
            # 第二次卖票 - Rest 或者 卖了第二次买的
            dp[i][3] = max(dp[i-1][3], dp[i-1][2] + prices[i])
        
        return dp[-1][-1]

4.股票交易 - 交易 K 次

链接: https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-iv/

class Solution(object):
    def maxProfit(self, k, prices):
        """
        :type k: int
        :type prices: List[int]
        :rtype: int
        """

        if len(prices) <= 1:
            return 0

        k = min(k, len(prices) // 2)

        # 天数 i = len(prices) 交易次数 k = 2 状态 0/1 拥有，不拥有
        dp = [[0, 0] * k for _ in range(len(prices))]

        # 初始化状态 分别代表第 i 次买、卖股票时手里最大收益 Profit
        for i in range(len(dp[0])):
            dp[0][i] = -1 * prices[0] * ((i + 1) % 2)

        for i in range(1, len(prices)):
            # 第一次买票 - Rest 或者 买今天更便宜的
            dp[i][0] = max(dp[i-1][0], -prices[i])
            for j in range(1, len(dp[0])):
                dp[i][j] = max(dp[i-1][j], dp[i-1][j-1] + (-1)** (j+1) * prices[i])
        
        return dp[-1][-1]

交易 K 次我们可以模仿交易 2 次的 4 种状态进行归纳总结。

5.股票交易 - 含冷冻期

链接: https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-with-cooldown/description/

class Solution(object):
    def maxProfit(self, prices):
        
        """
            0 - 目前有一只股票对应的最大收益
            1 - 目前没有股票，处于冷冻期的最大收益
            2 - 目前没有股票，不处于冷冻期

        """

        N = len(prices)
        dp = [[0] * 3 for _ in range(N)]
        dp[0][0] = -prices[0]
        dp[0][1], dp[0][2] = 0, 0

        for i in range(1, N):
            # 第 i 天有一只股票: A.还拿着上一天的股票 dp[i-1][0] B.昨天没股票且能买 dp[i-1][2] - price
            dp[i][0] = max(dp[i-1][0], dp[i-1][2] - prices[i])
            # 第 i 天处于冷冻期 A.i-1天卖股票了 说明 i-1 天手里必须有股票 -> dp[i-1][0] + price
            dp[i][1] = dp[i-1][0] + prices[i]
            # 第 i 天没股票且非冷冻期 A.昨天也没股票也非冷冻 dp[i-1][2] B.昨天没股票冷冻 dp[i-1][1]
            dp[i][2] = max(dp[i-1][2], dp[i-1][1])
        
        return max(dp[-1])

6.股票交易 - 含交易费

链接: https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-with-transaction-fee/description/

class Solution(object):
    def maxProfit(self, prices, fee):
        """
        :type k: int
        :type prices: List[int]
        :rtype: int
        """

        if len(prices) <= 1:
            return 0

        k = len(prices) // 2

        # 天数 i = len(prices) 交易次数 k = 2 状态 0/1 拥有，不拥有
        dp = [[0, 0] * k for _ in range(len(prices))]

        # 初始化状态 分别代表第 i 次买、卖股票时手里最大收益 Profit
        for i in range(len(dp[0])):
            dp[0][i] = -1 * (prices[0] + fee) * ((i + 1) % 2)

        for i in range(1, len(prices)):
            # 第一次买票 - Rest 或者 买今天更便宜的
            dp[i][0] = max(dp[i-1][0], -prices[i] - fee)
            for j in range(1, len(dp[0])):
                action = (-1) ** (j+1)
                if action > 0:
                    profit = prices[i]
                else:
                    profit = -prices[i] - fee

                dp[i][j] = max(dp[i-1][j], dp[i-1][j-1] + profit)
        
        return dp[-1][-1]

上面的方法通式易于理解，但是随着交易次数的增加，DP 状态空间会扩大。

这里还有另一个简单的双指针考虑法，大家可以体会下，本文主要体会上面 DP 转移方程解题的，这里不多赘述：

class Solution:
    def maxProfit(self, prices, fee):

        buy, sell = -float("inf"), 0

        for p in prices:
            buy = max(buy, sell - p - fee)
            sell = max(sell, buy + p)
        
        return sell

四.总结

这里作为自己的笔记整理了 6 道股票相关的问题，主要是体会 DP 转移方程以及两种状态 [0, 1] 没股票和有股票，在冷冻期一题我们还需增加状态 2 即冷冻期。这里交易 K 次和交易多次，都可以通过交易 2 次的写法推广至 For 循环交易多次。而交易费则只需要在 buy 的时候多减去一个 fee 即可。

Tips:

这里再解释下为什么第一天买股票时 profit 为 - prices[0]，因为我们的起始收益为 0，如果我们第一天购买股票，则我们的收益是 0 - prices[0]，所以此时的收益为 - prices[0]。而多次交易时多次购买的起始收益都为 - prices[0] 这里可以理解为第一天连续买卖多次，多次买卖结束后收益为 0，因为是一天多次交易。而再下一次购买时，和初始的第一次买是一样的情况，所以初始化收益也是 - prices[0]。