「手把手教你」使用pyfinance进行证券收益分析 _生活知道

pyfinance简介
在查找如何使用Python实现滚动回归时，发现一个很有用的量化金融包——pyfinance 。顾名思义，pyfinance是为投资管理和证券收益分析而构建的Python分析包，主要是对面向定量金融的现有包进行补充，如pyfolio和pandas等。pyfinance包含六个模块，

datasets.py ：金融数据下载；
general.py：通用财务计算，例如主动份额计算，收益分配近似值和跟踪误差优化；
ols.py：回归分析，支持pandas滚动窗口回归；
options.py：期权衍生品计算和策略分析；
returns.py：通过CAPM框架对财务时间序列进行统计分析，旨在模拟FactSet Research Systems和Zephyr等软件的功能，并提高了速度和灵活性；
utils.py：基础架构。

本文主要围绕returns模块，介绍pyfinance在证券投资分析中的应用，后续将逐步介绍datasets、options、ols等模块。
returns模块应用实例
pyfinance的安装比较简单，直接在cmd上输入&34;即可。returns模块主要以TSeries类为主体，相当于对pandas的Series进行类扩展，使其实现更多功能，支持证券投资分析中基于CAMP框架的业绩评价指标计算。引用returns模块时，直接使用&34;即可。

下面以tushare为数据接口，先定义一个数据获取函数，在函数里对收益率数据使用TSeries进行转换，之后便可以直接使用TSeries类的相关函数。
importpandasaspd
importnumpyasnp
frompyfinanceimportTSeries
importtushareasts
defget_data(code,start=&39;,end=&39;):
df=ts.get_k_data(code,start,end)
df.index=pd.to_datetime(df.date)
ret=df.close/df.close.shift(1)-1
获取中国平安数据
tss=get_data(&39;)
年化收益率
anl_ret=tss.anlzd_ret()
计算周期收益率
q_ret=tss.rollup(&39;)
a_ret=tss.rollup(&39;)
print(f&39;)
print(f&39;)
39;季度收益率：{q_ret.tail().round(4)}&print(f&39;)
【「手把手教你」使用pyfinance进行证券收益分析】输出结果：
累计收益率：205.79%
年化收益率：12.24%
可视化每个季度收益率frompyechartsimportBar
attr=q_ret.index.strftime(&39;)
v1=(q_ret*100).round(2).values
bar=Bar(&39;)
bar.add(&39;,attr,v1,)
bar
frompyechartsimportBar
attr=a_ret.index.strftime(&39;)
v1=(a_ret*100).round(2).values
bar=Bar(&39;)
bar.add(&39;,attr,v1,is_label_show=True,
is_splitline_show=False)
bar
02CAPM模型相关指标
基于CAPM模型计算alpha、beta、回归决定系数R2、t统计量和残差项等。实际上主要使用了ols回归，因此如果要获得这些动态的alpha和beta值，可以进一步借助ols模块的滚动回归函数了，这将在后续推文介绍其应用。
为保证二者长度一致，以中国平安的索引为准
benchmark=get_data(&39;)
benchmark=benchmark.loc[tss.index]
alpha,beta,rsq=tss.alpha(benchmark),tss.beta(benchmark),tss.rsq(benchmark)
tstat_a,tstat_b=tss.tstat_alpha(benchmark),tss.tstat_beta(benchmark)
print(f&39;)
print(f&39;)
print(f&39;)
alpha:0.0004，t统计量：1.55
beta:1.0634 ， t统计量：60.09
回归决定系数R2：0.606
03风险指标
风险指标主要包括标准差和最大回撤。在计算标准差时，注意需要修改默认参数，打开pyfinance安装包所在路径，如果是安装了Anaconda，进入以下路径：
c:\\Anaconda3\\Lib\\site-packages\\pyfinance，打开returns源文件，找到anlzd_stdev和semi_stdev函数，将freq默认None改成250 。
下行标准差
s_std=tss.semi_stdev()
39;年化标准差：{a_std*100:.2f}%&39;下偏标准差：{s_std*100:.2f}%&39;最大回撤差：{md*100:.2f}%&39;比基准收益高的时间占比：{bat*100:.2f}%&39;上行期与基准收益比：{uc*100:.2f}%&39;下行期与基准收益比：{dc*100:.2f}%&39;上行期与下行期比：{tc*100:.2f}%&39;个股下行时间占比：{pct_neg*100:.2f}%&39;个股上行时间占比：{pct_pos*100:.2f}%&39;信息比率：{ir:.3f}&39;特雷诺指数：{tr:.3f}&39;夏普比率：{sr:.2f}&39;索提诺比率：{sor:.2f}&39;卡玛比率：{cr:.2f}&39;2011-01-01&39;&39;hs300&收益率
39;年化收益率&累积收益率
dd[&39;]=tss.cuml_ret()
39;alpha&39;beta&风险指标
39;年化标准差&下行标准差
dd[&39;]=tss.semi_stdev()
39;最大回撤&信息比率和特雷诺指数
dd[&39;]=tss.info_ratio(benchmark)
dd[&39;]=tss.treynor_ratio(benchmark)
39;夏普比率&39;索提诺比率&39;calmar比率&获取多只股票数据
df=pd.DataFrame(index=performance(&39;).index)stocks={&39;:&39;,&39;:&39;,\\&39;:&39;,&39;:&39;,\\&39;:&39;,&39;:&39;,\\&39;:&39;,&39;:&39;,\\&39;:&39;,&39;:&39;}for name,code in stocks.items():try:df[name]=performance(code).valuesexcept:continue
df
以上就是朝夕生活（www.30zx.com）关于“「手把手教你」使用pyfinance进行证券收益分析”的详细内容，希望对大家有所帮助！

「手把手教你」使用pyfinance进行证券收益分析

猜你喜欢