Python与金融量化分析-高级

金融•金融：就是对现有资源进行重新整合之后，实现价值和利润的等效流通。•金融工具：在金融市场中可交易的金融资产。•股票•期货•黄金•外汇•基金•……2020年9月16日金融分析与金融量化1股票•股票是股份公司发给出资人的一种凭证，股票的持有者就是股份公司的股东。•上市/IPO：•企业通过证券交易所公开向社会增发股票以募集资金•股票的作用：•出资证明、证明股东身份、对公司经营发表意见•公司分红、交易获利2020年9月16日算法基础2股票的分类•股票按业绩分类：•蓝筹股：资本雄厚、信誉优良的公司的股票•绩优股：业绩优良公司的股票•ST股：特别处理股票，连续两年亏损或每股净资产低于股票面值•股票按上市地区分类：•A股：中国大陆上市，人民币认购买卖（T+1，涨跌幅10%）•B股：中国大陆上市，外币认购买卖（T+1，T+3）•H股：中国香港上市（T+0，涨跌幅不设限制）•N股：美国纽约上市•S股：新加坡上市2020年9月16日算法基础3股票市场的构成•上市公司•投资者（包括机构投资者）•证监会、证券业协会、交易所•证券中介机构•交易所•上海证券交易所：只有一个主板（沪指）•深圳证券交易所：•主板：大型成熟企业（深成指）•中小板：经营规模较小•创业板：尚处于成长期的创业企业2020年9月16日算法基础4影响股价的因素•公司自身因素：股票自身价值是决定股价最基本的因素，而这主要取决于发行公司的经营业绩、资信水平以及连带而来的股息红利派发状况、发展前景、股票预期收益水平等。•行业因素：行业在国民经济中地位的变更，行业的发展前景和发展潜力，新兴行业引来的冲击等，以及上市公司在行业中所处的位置，经营业绩，经营状况，资金组合的改变及领导层人事变动等都会影响相关股票的价格。•市场因素：投资者的动向，大户的意向和操纵，公司间的合作或相互持股，信用交易和期货交易的增减，投机者的套利行为，公司的增资方式和增资额度等，均可能对股价形成较大影响。•心理因素：情绪波动，判断失误，盲目追随大户、狂抛抢购•经济因素：经济周期，国家的财政状况，金融环境，国际收支状况，行业经济地位的变化，国家汇率的调整等•政治因素2020年9月16日算法基础5股票买卖（A股）•委托买卖股票•个人不能直接买卖，需要在券商开户，进行委托购买•股票交易日：周一到周五（非法定节假日和交易所休市日）•股票交易时间：•9:15-9:25开盘集合竞价时间•9:30-11:30前市，连续竞价时间•13:00-15:00后市，连续竞价时间•14:57-15:00深交所收盘集合竞价时间•T+1交易制度：股票买入后当天不能卖出，要在买入后的下一个交易日才能卖出•涨停、跌停限制•股票购买方式：市价单、限价单2020年9月16日算法基础6金融分析•基本面分析•宏观经济面分析：国家的财政政策、货币政策等•行业分析•公司分析：财务数据、业绩报告等•技术面分析：各项技术指标•K线•MA（均线）•KDJ（随机指标）•MACD（指数平滑移动平均线）•……2020年9月16日算法基础7K线2020年9月16日算法基础8所谓K线图，就是将各种股票每日、每周、每月的开盘价、收盘价、最高价、最低价等涨跌变化状况，用图形的方式表现出来。K线又称阴阳线、棒线、红黑线或蜡烛线。一般而言，阳线表示买盘较强，卖盘较弱，这时，由于股票供不应求，会导致股价的上扬。阴线表示卖盘较强，买盘较弱。此时，由于股票的持有者急于抛出股票，致使股价下挫。同时，上影线越长，表示上档的卖压越强，即意味着股价上升时，会遇到较大的抛压；下影线越长，表示下档的承接力道越强，意味着股价下跌时，会有较多的投资者利用这一机会购进股票。K线2020年9月16日算法基础9金融量化投资•量化投资：利用计算机技术并且采用一定的数学模型去实践投资理念，实现投资策略的过程。•量化投资的优势：•避免主观情绪、人性弱点和认知偏差，选择更加客观•能同时包括多角度的观察和多层次的模型•及时跟踪市场变化，不断发现新的统计模型，寻找交易机会•在决定投资策略后，能通过回测验证其效果2020年9月16日算法基础10量化策略•量化策略：通过一套固定的逻辑来分析、判断和决策，自动化地进行股票交易。•核心内容•选股•择时•仓位管理•止盈止损•策略的周期•产生想法/学习知识•实现策略：Python•检验策略：回测/模拟交易•实盘交易•优化策略/放弃策略2020年9月16日算法基础11Python全栈班赵天宇[e-mail]2020年9月16日第二章：量化投资与Python量化投资与Python•为什么选择Python?•其他选择：Excel、SAS/SPSS、R•量化投资第三方相关模块•NumPy：数组批量计算•pandas：表计算与数据分析•Matplotlib：图表绘制•如何使用Python进行量化投资•自己编写：NumPy+pandas+Matplotlib+……•在线平台：聚宽、优矿、米筐、Quantopian、……•开源框架：RQAlpha、QUANTAXIS、……2020年9月16日算法基础13IPython基础功能•IPython:交互式的Python命令行•安装：pipinstallipython•使用：ipython•与Python解释器的使用方法一致2020年9月16日金融分析与金融量化14IPython高级功能•IPython:交互式的Python命令行•TAB键自动完成•?：内省、命名空间搜索•!：执行系统命令•丰富的快捷键2020年9月16日金融分析与金融量化15IPython快捷键2020年9月16日算法基础16IPython高级功能•魔术命令：以%开始的命令•%run：执行文件代码•%paste：执行剪贴板代码•%timeit：评估运行时间•%pdb：自动调试2020年9月16日金融分析与金融量化17IPython常用的魔术命令2020年9月16日算法基础18Python调试器命令2020年9月16日算法基础19IPython高级功能•使用命令历史•获取输入输出结果•目录标签系统•IPythonNotebook2020年9月16日金融分析与金融量化20NumPy：数组计算•NumPy是高性能科学计算和数据分析的基础包。它是pandas等其他各种工具的基础。•NumPy的主要功能：•ndarray，一个多维数组结构，高效且节省空间•无需循环对整组数据进行快速运算的数学函数•*读写磁盘数据的工具以及用于操作内存映射文件的工具•*线性代数、随机数生成和傅里叶变换功能•*用于集成C、C++等代码的工具•安装方法：pipinstallnumpy•引用方式：importnumpyasnp2020年9月16日算法基础21NumPy：ndarray-多维数组对象•为什么要使用ndarray：•例1：已知若干家跨国公司的市值（美元），将其换算为人民币•例2：已知购物车中每件商品的价格与商品件数，求总金额•创建ndarray：np.array()•ndarray是多维数组结构，与列表的区别是：•数组对象内的元素类型必须相同•数组大小不可修改•常用属性：•T数组的转置（对高维数组而言）•dtype数组元素的数据类型•size数组元素的个数•ndim数组的维数•shape数组的维度大小（以元组形式）2020年9月16日算法基础22NumPy：ndarray-数据类型•ndarray数据类型：dtype：•布尔型：bool_•整型：int_int8int16int32int64•无符号整型：uint8uint16uint32uint64•浮点型：float_float16float32float64•复数型：complex_complex64complex1282020年9月16日算法基础23NumPy：ndarray-创建•创建ndarray：•array()将列表转换为数组，可选择显式指定dtype•arange()range的numpy版，支持浮点数•linspace()类似arange()，第三个参数为数组长度•zeros()根据指定形状和dtype创建全0数组•ones()根据指定形状和dtype创建全1数组•empty()根据指定形状和dtype创建空数组（随机值）•eye()根据指定边长和dtype创建单位矩阵2020年9月16日算法基础24NumPy：索引和切片•数组和标量之间的运算•a+1a*31//aa**0.5•同样大小数组之间的运算•a+ba/ba**b•数组的索引：•一维数组：a[5]•多维数组：•列表式写法：a[2][3]•新式写法：a[2,3](推荐)•数组的切片：•一维数组：a[5:8]a[4:]a[2:10]=1•多维数组：a[1:2,3:4]a[:,3:5]a[:,1]•与列表不同，数组切片时并不会自动复制，在切片数组上的修改会影响原数组。【解决方法：copy()】2020年9月16日算法基础25NumPy：布尔型索引•问题：给一个数组，选出数组中所有大于5的数。•答案：a[a5]•原理：•a5会对a中的每一个元素进行判断，返回一个布尔数组•布尔型索引：将同样大小的布尔数组传进索引，会返回一个由所有True对应位置的元素的数组•问题2：给一个数组，选出数组中所有大于5的偶数。•问题3：给一个数组，选出数组中所有大于5的数和偶数。•答案：•a[(a5)&(a%2==0)]•a[(a5)|(a%2==0)]2020年9月16日算法基础26NumPy：花式索引*•问题1：对于一个数组，选出其第1，3，4，6，7个元素，组成新的二维数组。•答案：a[[1,3,4,6,7]]•问题2：对一个二维数组，选出其第一列和第三列，组成新的二维数组。•答案：a[:,[1,3]]2020年9月16日算法基础27NumPy：通用函数•通用函数：能同时对数组中所有元素进行运算的函数•常见通用函数：•一元函数：abs,sqrt,exp,log,ceil,floor,rint,trunc,modf,isnan,isinf,cos,sin,tan•二元函数：add,substract,multiply,divide,power,mod,maximum,mininum,2020年9月16日算法基础28补充知识：浮点数特殊值•浮点数：float•浮点数有两个特殊值：•nan(NotaNumber)：不等于任何浮点数（nan!=nan）•inf(infinity)：比任何浮点数都大•NumPy中创建特殊值：np.nannp.inf•在数据分析中，nan常被用作表示数据缺失值2020年9月16日金融分析与金融量化29NumPy：数学和统计方法•常用函数：•sum求和•cumsum求前缀和•mean求平均数•std求标准差•var求方差•min求最小值•max求最大值•argmin求最小值索引•argmax求最大值索引2020年9月16日算法基础30NumPy：随机数生成•随机数生成函数在np.random子包内•常用函数•rand给定形状产生随机数组（0到1之间的数）•randint给定形状产生随机整数•choice给定形状产生随机选择•shuffle与random.shuffle相同•uniform给定形状产生随机数组2020年9月16日算法基础31pandas：数据分析•pandas是一个强大的Python数据分析的工具包。•pandas是基于NumPy构建的。•pandas的主要功能•具备对其功能的数据结构DataFrame、Series•集成时间序列功能•提供丰富的数学运算和操作•灵活处理缺失数据•安装方法：pipinstallpandas•引用方法：importpandasaspd2020年9月16日算法基础32pandas：Series•Series是一种类似于一位数组的对象，由一组数据和一组与之相关的数据标签（索引）组成。•创建方式：•pd.Series([4,7,-5,3])•pd.Series([4,7,-5,3],index=['a','b',