第9章股票數(shù)據(jù)量化分析

本章內(nèi)容9.1股票數(shù)據(jù)量化分析背景與功能9.2程序設(shè)計(jì)思路9.3程序設(shè)計(jì)的步驟9.1股票數(shù)據(jù)量化分析背景與功能股票市場在金融投資領(lǐng)域占據(jù)越來越重要的地位。隨著人工智能及大數(shù)據(jù)時(shí)代的到來，利用先進(jìn)的計(jì)算機(jī)技術(shù)編寫程序創(chuàng)建合適的數(shù)學(xué)模型快速準(zhǔn)確地處理與分析大規(guī)模股票市場數(shù)據(jù)，從數(shù)據(jù)中洞悉更多事件，減少投資者情緒波動(dòng)影響，判斷市場走勢、風(fēng)險(xiǎn)和盈利，從而盡可能作出理性的投資決策。本案例基于Tushare平臺利用Python語言對股票市場上證指數(shù)及個(gè)股進(jìn)行數(shù)據(jù)分析、進(jìn)行盈利率計(jì)算，利用Matplotlib及seaborn庫對股票數(shù)據(jù)、走勢等進(jìn)行可視化展示，以消除量化投資技術(shù)障礙，更有效專注于市場本身。9.2程序設(shè)計(jì)思路步驟1：數(shù)據(jù)獲取

本程序數(shù)據(jù)來源于Tushare大數(shù)據(jù)開放平臺。Tushare是一個(gè)開放的，免費(fèi)的平臺。其提供的數(shù)據(jù)內(nèi)容包含股票、基金、期貨、債券、外匯、行業(yè)大數(shù)據(jù)，同時(shí)包括了數(shù)字貨幣行情等區(qū)塊鏈數(shù)據(jù)的全數(shù)據(jù)品類的金融大數(shù)據(jù)平臺。Tushare返回的數(shù)據(jù)格式絕大部分都是pandas的DataFrame類型，非常便于使用Pandas、NumPy、Matplotlib、seaborn等進(jìn)行數(shù)據(jù)分析和可視化。步驟2：大盤指數(shù)分析

本案例使用seaborn庫對上證指數(shù)及深證指數(shù)數(shù)據(jù)進(jìn)行可視化展示，直觀了解大盤“收盤價(jià)”和“成交量”走勢。步驟3：個(gè)股分析本案例選擇了“中國電信”“建業(yè)股份”“新華聯(lián)”及“南山鋁業(yè)”4支股票對其進(jìn)行收益計(jì)算、風(fēng)險(xiǎn)評估，并對各數(shù)據(jù)進(jìn)行可視化展示。9.3程序設(shè)計(jì)的步驟1．安裝tushare庫tushare庫為第三方庫，使用前必須先安裝此第三方庫，可使用pipinstalltushare命令進(jìn)行安裝。2.導(dǎo)入所需第三方庫導(dǎo)入本案例所需第三方數(shù)據(jù)庫，包括Pandas，Numpy，Matplotlib的pyplot庫，seaborn庫，日期時(shí)間datetime庫以及tushare庫，并為后續(xù)統(tǒng)計(jì)圖中能夠正確顯示中文及符號進(jìn)行相關(guān)設(shè)置。9.3程序設(shè)計(jì)的步驟3.獲取上證及深證指數(shù)數(shù)據(jù)（1）get_k_data接口本案例使用Tushare的get_k_data接口，獲取上交所及深交所自1990年開市日至2021年底的所有指數(shù)數(shù)據(jù)、展示數(shù)據(jù)、了解數(shù)據(jù)屬性。get_k_data，是一個(gè)統(tǒng)一的行情數(shù)據(jù)接口，是tushare最常用的接口之一，目的是為了獲取k線數(shù)據(jù)。get_k_data(code=None,start='',end='',ktype='D',autype='qfq',index=False,retry_count=3,pause=0.001)其常用參數(shù)說明如表9-1所示。9.3程序設(shè)計(jì)的步驟9.3程序設(shè)計(jì)的步驟3.獲取上證及深證指數(shù)數(shù)據(jù)獲取數(shù)據(jù)說明：4.保存數(shù)據(jù)集至csv文件5.大盤指數(shù)數(shù)據(jù)預(yù)處理（1）讀取數(shù)據(jù)集并查看簡要信息（2）轉(zhuǎn)換數(shù)據(jù)類型9.3程序設(shè)計(jì)的步驟9.3程序設(shè)計(jì)的步驟6.大盤指數(shù)總體分析fig=plt.figure(figsize=(12,5))#創(chuàng)建畫布，尺寸為12*5axes1=fig.add_subplot(1,2,1)#添加子圖axes1axes2=fig.add_subplot(1,2,2)#添加子圖axes2axes1.set_title('1990-2021上證-深證指數(shù)每日收盤價(jià)走勢圖')sns.lineplot(x=data.date,y=data.close,hue=data.code,ax=axes1)axes2.set_title('1990-2021上證-深證每日成交量走勢圖')sns.lineplot(x=data.date,y=data.volume,hue=data.code,ax=axes2)plt.show()9.3程序設(shè)計(jì)的步驟9.3程序設(shè)計(jì)的步驟9.3程序設(shè)計(jì)的步驟sh_2015=data[(data.date.dt.year==2015)&(data.code=='sh')]#提取2015年上證數(shù)據(jù)sh_2015.set_index(sh_2015.date,inplace=True)#將“交易日期”設(shè)為索引#對2015年數(shù)據(jù)按“月”重采樣，并對個(gè)數(shù)據(jù)進(jìn)行相應(yīng)聚合統(tǒng)計(jì)sh_2015_M=sh_2015.resample('M').agg({'open':np.mean,'close':np.mean,'high':np.max,'low':np.min,'volume':np.sum})sns.lineplot(data=sh_2015_M['volume'])#繪制2015上證月成交量走勢圖plt.title('2015年上證指數(shù)月成交量走勢圖')plt.show()sns.lineplot(data=sh_2015_M[['open','close','high','low']])#繪制2015上證其余指數(shù)走勢圖plt.title('2015年上證指數(shù)開盤價(jià)、收盤價(jià)、最高價(jià)、最低價(jià)走勢圖')plt.show()9.3程序設(shè)計(jì)的步驟7.個(gè)股分析（1）獲取股票數(shù)據(jù)stocks={'中國電信':'601728','建業(yè)股份':'603948','新華聯(lián)':'000620','南山鋁業(yè)':'600219'}df=pd.DataFrame()#創(chuàng)建DataFrame用以存儲股票數(shù)據(jù)forstock_codeinstocks.values():df_stock=ts.get_k_data(code=stock_code,start='2021-01-01')#讀取單支股票數(shù)據(jù)（2021年至代碼運(yùn)行時(shí)）df=df.append(df_stock,ignore_index=True)#將獲取的數(shù)據(jù)“追加”至dfdf.to_csv('stocks.csv')#保存股票數(shù)據(jù)至csv文件df.head()9.3程序設(shè)計(jì)的步驟（2）日收益率計(jì)算股票收益率是反映股票收益水平的指標(biāo)。股票收益率分為算術(shù)收益率和對數(shù)收益率兩種，其中算術(shù)收益率計(jì)算公式為：R=其中，Pt為t時(shí)刻的股票收盤價(jià)，Pt-1為t-1時(shí)刻的收盤價(jià)。即某股票的日收益率（算術(shù)）為其相鄰兩天的價(jià)格差除以其中前一天的價(jià)格。而在金融領(lǐng)域的實(shí)際應(yīng)用中，經(jīng)常使用對數(shù)收益率來計(jì)算收益率。其計(jì)算公式為：R=即某股票的日收益率（對數(shù)）為其相鄰兩天的價(jià)格比的對數(shù)。9.3程序設(shè)計(jì)的步驟（3）累積日收益率、平均年化收益率計(jì)算累積日收益率有助于定期確定投資價(jià)值。其計(jì)算公式為：使用每日收益率+1，并計(jì)算其累乘積。平均年化收益率可由日收益率轉(zhuǎn)化而來，（一般）假設(shè)一年有252個(gè)交易日，則平均年化收益率=（1+平均年化收益率）^252-1。9.3程序設(shè)計(jì)的步驟9.3程序設(shè)計(jì)的步驟（4）個(gè)股風(fēng)險(xiǎn)分析現(xiàn)代投資理論創(chuàng)始人Markowitz假定投資風(fēng)險(xiǎn)可視為投資收益的不確定性，這種不確定性可用統(tǒng)計(jì)學(xué)中的方差或標(biāo)準(zhǔn)差來度量，也可以通過平均差、極差、四分位差、離散系數(shù)、偏度和峰度等統(tǒng)計(jì)量來衡量。其中：平均差：是表示各個(gè)變量值之間差異程度的數(shù)值之一。指各個(gè)變量值同平均數(shù)的離差絕對值的算術(shù)平均數(shù)。平均差異大，表明各標(biāo)志值與算術(shù)平均數(shù)的差異程度越大，說明數(shù)據(jù)離散程度越大；反之，離散程度越小。極差：最大值與最小值之差，計(jì)算公式為：M=Max-Min它是標(biāo)志值變動(dòng)的最大范圍，是最基本的衡量數(shù)據(jù)離散程度的方式，受極值影響較大。四分位差：是上四分位數(shù)（Q3，75%分位）與下四分位數(shù)（Q1，25%分位）的差。計(jì)算公式為：Q=Q3-Q1。四分位差反映了中間50%數(shù)據(jù)的離散程度，其數(shù)值越小，說明中間的數(shù)據(jù)越集中；其數(shù)值越大，說明中間的數(shù)據(jù)越分散。四分位差不受極值的影響。離散系數(shù)：即變異系數(shù)，為一組數(shù)據(jù)的標(biāo)準(zhǔn)差與平均數(shù)之比。計(jì)算公式為：C=std/mean。離散系數(shù)主要用于比較不同樣本數(shù)據(jù)的離散程度。離散系數(shù)大，說明數(shù)據(jù)的離散程度也大；離散系數(shù)小，說明數(shù)據(jù)的離散程度也小。9.3程序設(shè)計(jì)的步驟defMeanDeviation(series):'''平均差計(jì)算'''d=np.abs(series-series.mean()).mean()returnddefMaxMinDeviation(series):'''極差計(jì)算'''d=series.max()-series.min()returnddefQuantileDeviation(series):'''四分位差計(jì)算'''d=series.quantile(0.75)-series.quantile(0.25)returnddefVariationCoef(series):'''離散系數(shù)計(jì)算'''d=series.std()/series.mean()returnddefSkewness(series):'''偏度系數(shù)計(jì)算'''returnseries.skew()defKurtosis(series):'''峰度系數(shù)計(jì)算'''returnseries.kurt()df.groupby('code')[['log_return_daily']].agg([np.mean,np.std,np.var,MeanDeviation,MaxMinDeviation,QuantileDeviation,Skewness,Kurtosis])9.3程序設(shè)計(jì)的步驟偏態(tài)（Skew）分布相對于“正態(tài)分布”，偏態(tài)系數(shù)一般可理解為均值相對于中位數(shù)、眾數(shù)的偏離程度，如圖9-15所示，偏態(tài)系數(shù)>0，正偏，或稱為右偏；偏態(tài)系數(shù)<0，負(fù)偏，或稱為左偏。在金融領(lǐng)域，人們更傾向于正的偏度，因?yàn)檫@意味著高盈利的概率更大，如上圖9-14運(yùn)行結(jié)果中的Skewness，“601728”負(fù)偏較大，意味著虧損的概率較大；“000620”相對于“600219”有更高概率的盈利可能。圖9-15偏態(tài)分布示意圖峰態(tài)系數(shù)/峰度（kurtosis），表征概率密度分布曲線在平均值處