利用Tushare进行股票因子计算

最新推荐文章于 2024-02-29 23:19:59 发布
最新推荐文章于 2024-02-29 23:19:59 发布
阅读量1.8k 收藏 13
点赞数 2
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Juanxx/article/details/117050135
版权

利用Tushare进行股票因子计算

开发背景

笔者tushare ID：414988

一、获取沪深300成分股

基本思路：

  1. 先获取全部股票
  2. 获取沪深300股票代码
  3. 根据沪深300股票代码，提取对应的ts代码
  4. 根据ts代码获取沪深300股票列表

1. 获取全部股票代码

stock_list = pro.stock_basic(exchange='',list_status='L', fields='ts_code,symbol,name,area,industry,market,exchange')
stock_list

ts_code	symbol	name	area	industry	market	exchange
0	000001.SZ	000001	平安银行	深圳	银行	主板	SZSE
1	000002.SZ	000002	万科A	深圳	全国地产	主板	SZSE
2	000004.SZ	000004	国华网安	深圳	软件服务	主板	SZSE
3	000005.SZ	000005	世纪星源	深圳	环境保护	主板	SZSE
4	000006.SZ	000006	深振业A	深圳	区域地产	主板	SZSE
...	...	...	...	...	...	...	...
4231	688777.SH	688777	中控技术	浙江	软件服务	科创板	SSE
4232	688788.SH	688788	科思科技	深圳	通信设备	科创板	SSE
4233	688819.SH	688819	天能股份	浙江	电气设备	科创板	SSE
4234	688981.SH	688981	中芯国际	上海	半导体	科创板	SSE
4235	689009.SH	689009	九号公司-UWD	北京	专用机械	CDR	SSE
4236 rows × 7 columns

2. 获取沪深300成分股代码

hs300s = ts.get_hs300s() 
hs300s

	date	code	name	weight
0	2021-03-31	600000	浦发银行	0.68
1	2021-03-31	600004	白云机场	0.08
2	2021-03-31	600009	上海机场	0.29
3	2021-03-31	600010	包钢股份	0.19
4	2021-03-31	600011	华能国际	0.10
...	...	...	...	...
295	2021-03-31	300498	温氏股份	0.40
296	2021-03-31	300529	健帆生物	0.16
297	2021-03-31	300601	康泰生物	0.25
298	2021-03-31	300628	亿联网络	0.10
299	2021-03-31	300676	华大基因	0.13
300 rows × 4 columns

hs300_symbols = hs300s.loc[:]['code']
hs300_symbols

0      600000
1      600004
2      600009
3      600010
4      600011
        ...  
295    300498
296    300529
297    300601
298    300628
299    300676
Name: code, Length: 300, dtype: object

3. 根据沪深300股票代码，提取对应的ts代码

# 获取沪深300的所有股票的ts代码
hs300_code_list = []

for i in range(stock_list.shape[0]):
    if stock_list.loc[i]['symbol'] in hs300_symbols.values:
        hs300_code_list.append(stock_list.loc[i]['ts_code'])

4. 根据ts代码获取沪深300股票列表

注意：tushare平台的pro.stock_basic一分钟只能访问200次，因此300只股票数据可以分为两次读取，中间间隔一分钟。

n_flag = 0
hs300_stock_list = pd.DataFrame()
for code in hs300_code_list:
    hs300_stock_list = pd.concat([hs300_stock_list, pro.stock_basic(ts_code=code)], axis=0)
    if n_flag == 99:
        n_flag = 0
        time.sleep(60)

# 重建索引
hs300_stock_list = hs300_stock_list.reset_index(drop=True)
hs300_stock_list

# 将300只股票的权重合并到对应的hs300_stock_list中
hs300_weights = np.zeros(hs300s.shape[0])
for i in range(hs300s.shape[0]):
    index = hs300_stock_list[hs300_stock_list.symbol==hs300s.loc[i]['code']].index.tolist()[0]
    hs300_weights[index] = (hs300s.loc[i]['weight'])
    
hs300_weights = pd.DataFrame(hs300_weights)
hs300_weights.columns = ['weight']
hs300_stock_list = pd.concat([hs300_stock_list, hs300_weights['weight']], axis=1)
hs300_stock_list

	ts_code	symbol	name	area	industry	market	list_date	weight
0	000001.SZ	000001	平安银行	深圳	银行	主板	19910403	1.12
1	000002.SZ	000002	万科A	深圳	全国地产	主板	19910129	1.07
2	000063.SZ	000063	中兴通讯	深圳	通信设备	主板	19971118	0.42
3	000066.SZ	000066	中国长城	深圳	IT设备	主板	19970626	0.14
4	000069.SZ	000069	华侨城A	深圳	旅游景点	主板	19970910	0.22
...	...	...	...	...	...	...	...	...
295	603993.SH	603993	洛阳钼业	河南	小金属	主板	20121009	0.2
296	688008.SH	688008	澜起科技	上海	半导体	科创板	20190722	0.15
297	688009.SH	688009	中国通号	北京	运输设备	科创板	20190722	0.08
298	688012.SH	688012	中微公司	上海	专用机械	科创板	20190722	0.12
299	688036.SH	688036	传音控股	深圳	通信设备	科创板	20190930	0.18
300 rows × 8 columns

二、计算市值对数

pro.daily_basic接口同样一分钟只允许访问200次。
采用一样的方法，在循环中sleep一分钟。
其中total_mv为总市值，circ_mv为流通市值

n_flag = 0
indi_dic = pd.DataFrame()
for code in hs300_code_list:
    indi = pro.daily_basic(ts_code=code, start_date='20060101', end_date='20210401', fields='ts_code,trade_date,turnover_rate,total_mv,circ_mv')
    indi_dic = pd.concat([indi_dic, indi], axis=0)
    if n_flag == 150:
        n_flag = 0
        time.sleep(60)

# 统计一下是否完整收集300只股票
len(indi_dic['ts_code'].unique())
3

使用apply和lambda计算市值对数

import math
indi_dic['totalmv_size_factor'] = indi_dic['total_mv'].apply(lambda x: math.log(x))
indi_dic['circmv_size_factor'] = indi_dic['circ_mv'].apply(lambda x: math.log(x))
# 改个名字
indi_dic = indi_dic.rename(columns={'totalmv_size_factor':'ln_total_capital', 'circmv_size_factor':'ln_circ_capital'})
indi_dic

	ts_code	trade_date	turnover_rate	total_mv	circ_mv	ln_total_capital	ln_circ_capital
0	000001.SZ	20210401	0.2806	4.226609e+07	4.226573e+07	17.559496	17.559487
1	000001.SZ	20210331	0.4004	4.271243e+07	4.271207e+07	17.570000	17.569992
2	000001.SZ	20210330	0.3806	4.255718e+07	4.255682e+07	17.566359	17.566351
3	000001.SZ	20210329	0.4049	4.170332e+07	4.170297e+07	17.546091	17.546083
4	000001.SZ	20210326	0.4236	4.102411e+07	4.102376e+07	17.529671	17.529662
...	...	...	...	...	...	...	...
359	688036.SH	20191011	19.1273	3.805600e+06	3.404245e+05	15.151984	12.737949
360	688036.SH	20191010	18.9791	3.980000e+06	3.560252e+05	15.196792	12.782757
361	688036.SH	20191009	21.2596	3.842400e+06	3.437164e+05	15.161608	12.747572
362	688036.SH	20191008	32.4079	4.019200e+06	3.595318e+05	15.206593	12.792558
363	688036.SH	20190930	67.9496	4.624000e+06	4.136333e+05	15.346771	12.932735
787958 rows × 7 columns

三、计算收益率

获取月线数据，每分钟最多访问该接口120次，中间sleep

n_flag = 0
monthly_line = pd.DataFrame()
for code in hs300_code_list:
    mon = pro.monthly(ts_code=code, start_date='20060101', end_date='20210331', fields='ts_code,trade_date,open,close')
    monthly_line = pd.concat([monthly_line, mon], axis=0)
    if n_flag == 99:
        n_flag = 0
        time.sleep(60)
monthly_line

	ts_code	trade_date	close	open
0	000001.SZ	20210331	22.01	21.54
1	000001.SZ	20210226	21.38	23.00
2	000001.SZ	20210129	23.09	19.10
3	000001.SZ	20201231	19.34	19.70
4	000001.SZ	20201130	19.74	17.65
...	...	...	...	...
8	300015.SZ	20200731	45.30	43.90
9	300015.SZ	20200630	43.45	39.20
10	300015.SZ	20200529	39.16	44.31
11	300015.SZ	20200430	44.39	39.25
12	300015.SZ	20200331	39.38	40.55
1300 rows × 4 columns

设置索引为日期

monthly_line0 = monthly_line
monthly_line0 = monthly_line0.set_index('trade_date')
monthly_line0.index = pd.to_datetime(monthly_line0.index,format='%Y%m%d').to_period('M')
monthly_line0

	ts_code	close	open
trade_date			
2021-03	000001.SZ	22.01	21.54
2021-02	000001.SZ	21.38	23.00
2021-01	000001.SZ	23.09	19.10
2020-12	000001.SZ	19.34	19.70
2020-11	000001.SZ	19.74	17.65
...	...	...	...
2020-07	688036.SH	100.10	70.00
2020-06	688036.SH	71.00	50.66
2020-05	688036.SH	50.00	53.50
2020-04	688036.SH	54.50	42.38
2020-03	688036.SH	42.81	58.60
3893 rows × 3 columns

用groupby分组操作

price_month = (monthly_line0.groupby(['trade_date', 'ts_code']).sum())
price_month

		close	open
trade_date	ts_code		
2020-03	000001.SZ	12.80	14.55
000002.SZ	25.65	29.90
000063.SZ	42.80	52.00
000066.SZ	11.94	14.13
000069.SZ	6.39	6.59
...	...	...	...
2021-03	603993.SH	5.28	6.72
688008.SH	61.20	75.00
688009.SH	5.67	5.93
688012.SH	107.51	126.07
688036.SH	209.38	200.57
3893 rows × 2 columns

计算收益率

price_month['return'] = (price_month['close'] - price_month['open']) / price_month['open']
price_month

		close	open	return
trade_date	ts_code			
2020-03	000001.SZ	12.80	14.55	-0.120275
000002.SZ	25.65	29.90	-0.142140
000063.SZ	42.80	52.00	-0.176923
000066.SZ	11.94	14.13	-0.154989
000069.SZ	6.39	6.59	-0.030349
...	...	...	...	...
2021-03	603993.SH	5.28	6.72	-0.214286
688008.SH	61.20	75.00	-0.184000
688009.SH	5.67	5.93	-0.043845
688012.SH	107.51	126.07	-0.147220
688036.SH	209.38	200.57	0.043925
3893 rows × 3 columns
Juanxx
关注
  • 2
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
氢气密度压缩因子计算小软件
12-06
可以计算氢气（气体）在不同温度和压力下的压缩因子和密度。 计算方便。 压缩因子Z，Z=Z(P,T) 密度rou,rou=rou(P,T) 计算准确，计算范围宽。
量化交易之回测篇 - Tushare股票接口
03-02 415
from datetime import datetime from typing import List from public_module.object import BarData from public_module.constant import Exchange from public_module.tqz_extern.tools.pandas_operator.pandas_operator import TQZPandas # noqa import tushare from p.
Tushare使用介绍——因子回测
最新发布
Benzoin666的博客
02-29 407
在金融领域，股票因子是用于预测股票收益的变量或特征。构建有效的股票因子对于投资决策和资产管理具有重要意义。TuShare作为一个提供丰富金融数据的平台，为股票因子的构建和绩效评估提供了强大的数据支持。本文将介绍如何使用TuShare构建股票因子，并选取2012年至2020年的数据计算因子的年化收益率、夏普比率等指标。
Tushare Day3——了解stock_company并与stock_basic数据规模进行比较
绒绒的Routine
02-01 1939
了解stock_company 1  stock_company的基本信息2  由于导入限制，把股票分成上交所和深交所分别导入2.1  设置fields为交易所以外的信息2.2  导入股票信息2.3  分别取出上交所和深交所的信息并以dataframe的形式保存2.4  将上交所和深交所的信息纵向合并并储存2.5  查看共有有多少支不重复的股票2.6 &nbs
量化交易全流程（七）
mnwl12_0的博客
10-08 566
均值﹣方差理论的核心思想是同时考察资产组合的预期收益和风险。研究当我们有一系列可选资产的时候，应如何对其配置资金权重，从而可以得到最好的收益风险比？现代资产组合理论（Modern Portfolio Theory,MPT）是金融理论的重要基础。这一理论是由马克威茨（Harry Markowitz）首先提出的，因为这一理论，马克威茨荣获了1990年的诺贝尔经济学奖。当然，这里介绍的模型是最基础的模型，现实实践中往往并不能直接使用。□假设资产的风险可以用资产收益率的方差（标准差）进行估计。
超全的英语短句汇集
热门推荐
08-21 7万+
English 900 英语九百句常用职位英文译名超级短句成语集锦打开话匣子PC电脑词汇一百个绝佳句型李阳英语365句托福听力常用短语校园英语迷你惯用语洋话连篇至理名言English 900 英语九百句第一册一、 Greetings 问候语 1. hello! / hi! 你好！ 2. good morning / afternoon / evening! 早晨（下午/晚上）好！ 3. i
使用tushare大数据平台对几种股票因子进行计算
ZYM66的博客
03-20 1万+
写在前面 去年七月，笔者开始接触买入股票，近一年下来，投入的的钱亏了一半，股票市场不是基金市场，其中的残酷给我这个初来乍到的年轻人上了一课。当时，我就在想，买卖股票是否能够赚钱，关键就在一个信息。内部的人有内部的消息，总是能赚大量的钱。我作为一个学生，家里边也没有背景，不可能获取到公司内部的消息。在我计算机水平还一般的时候，我一直想做一个东西，把市面上公开的股票信息进行合理的分析，获得一些我们原先看不出来的信息，这样，在我们掌握信息之后，就可以在一定程度上减少我们的损失。 几个有趣的因子 原先，我所了
股票量化交易策略：多因子筛选练习
黑马程序员官方博客
08-10 2477
基本面数据因子(特征)如此之多，那么如何去找到对应的对股票收益率比较好的。并且能在未来一段时间给我们的选股收益率提供帮助。某一期的IC指的是该期因子暴露值和股票下期的实际回报值在横截面上的相关系数1.1 什么是因子暴露度指的就是因子本身的值1.2 计算方式斯皮尔曼相关系数(Rank IC)斯皮尔曼相关系数表明 X (独立变量) 和 Y (依赖变量)的相关方向。如果当X增加时， Y 趋向于增加, 斯皮尔曼相关系数则为正与之前的皮尔逊相关系数大小性质一样，取值 [-1, 1]之间。...
基于短周期价量特征的多因子选股体系的实现（三）----因子计算
night_core的博客
03-10 6396
接下来就写一个循环去计算每个因子，并且计算收益，最后将数据存储： def calculate_returns(excel_columns,stock_name,data): #创建新的一行 excel=pd.DataFrame([[np.nan]*118],columns=excel_columns).iloc[0] #将股票信息与收益放入表格 for x in['...
Tushare介绍和入门级实践（2）——使用tushare接口获取沪深300成分股的财报数据并输出到本地
weixin_43569913的博客
05-23 6082
Tushare介绍和入门级实践2——使用tushare接口获取沪深300成分股的财报数据 这篇文章会介绍到的内容： Python基础操作 Tushare中关于财报数据的function 规避调用次数的小技巧
Python获取股票数据——以沪深300成分股为例
对流层的酱猪肘~的博客
07-25 4132
需求是下载比如从2020-01-01到2022-12-31区间的沪深300成分股每支股票的日K线数据，没错这是个面板数据，原本以为直接通过Python接口可以直接下载到，因为之前找的上证综指啥的用R的pedquant都是直接获取的（看来因为是单支）。捣鼓了半天，还是我想的简单了……试过Akshare、Tushare、Baostock以及聚宽量化平台下载，下面总结一下下载心得 o_0。
综合因子得分计算.pdf
03-30
综合因子得分计算.pdf综合因子得分计算.pdf综合因子得分计算.pdf综合因子得分计算.pdf综合因子得分计算.pdf
天然气压缩因子计算软件-基于摩尔成分
11-13
基于21中摩尔成分进行操作状态下天然气压缩因子的计算。
氦气压缩因子计算小软件.exe
02-26
氦气压缩因子计算小软件.exe 氦气热物理性质计算程序包括：输入压力，温度，可以得到压缩因子
AGA8天然气压缩因子计算
01-31
AGA8天然气压缩因子计算
大数据毕业论文：基于大数据的金融量化分析2021-07
weixin_44083023的博客
07-08 1万+
大数据毕业论文：基于大数据的金融量化分析 已毕业，留念，仅供参考。 效果图： 3 运行设计 3.1用户界面 图3-1 运行界面 Finanical.py 获取股票基础数据 view.py 股票价格走势可视化 viewR.py 股票日收益率可视化 viewend.py 股票收益率密度正态分布可视化 analysis_data.py 股票数据分析 analysis_end_data.py 优化组合个股票权重分析计算及可视化 Analysis_view_one.py 股票优化组合模拟收益情况可视化
Tushare Day2——了解stock_basic数据并根据行业和地区进行统计
绒绒的Routine
01-30 1933
了解stock_basic数据 1  stock_basic基础信息2  导入包和stock_basic数据、查看基本信息3  根据行业列进行统计3.1  1.先把不同行业列举出来，看一下一共有多少种行业3.2  2.统计每个行业分别有多少家公司3.3  3.把行业从array的二维数组形式变成list形式3.4  4.把行业从list形式转换成文本形式3.5&nbsp
Tushare股票分析笔记-第一节-获取股票基本信息2021-02-15
weixin_44193062的博客
02-15 390
Tushare股票分析笔记-第一节 来自钢小伙 今天是辛丑年正月初四，终于下定决心，开始写一个股票分析系统。从后台到前端，全部一个人完成。由于是机械专业出身，代码写的实在水平有限，但是我会慢慢努力，我会把相应的写好的代码，分享到我的CSDN博客。希望有志同道合的朋友们，能够一起交流。 先介绍下这个系统打算用的软件如下： 数据平台：Tushare 数据库：Mysql 后台语言：Python3.5及以上版本 后台框架：Flask 前端框架：Vue3.0 第一节先通过一个简单的案例，分享一下获取股票基本信息的内容
谷粒商城-10-p193-p247
weixin_45041878的博客
05-13 2705
193、商城业务-异步-异步复习 线程基础百度吧 异步编排参考网上链接即可：https://blog.csdn.net/weixin_45762031/article/details/103519459 线程回顾 初始化线程的4种方式： 1、继承Thread 2、实现Runnable接口 3、实现Callable接口 + FutureTask （可以拿到返回结果，可以处理异常） 4、线程池 方式1和方式2：主进程无法获取线程的运算结果。不适合当前场景 方式3：主进程可以获取线程的运算结果，并设置给ite
利用tushare的pro版本进行股票数据的获取并给出一套alpha因子选取的python代码
03-30
以下是一个示例python代码，用于利用tushare的pro版本获取股票数据并执行alpha因子选取： ```python import tushare as ts import pandas as pd import numpy as np # 设置tushare的token ts.set_token('your_token_here') # 初始化tushare的pro api pro = ts.pro_api() # 获取股票列表 stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,industry') # 准备alpha因子选取所需的数据 start_date = '20200101' end_date = '20211231' benchmark = '000300.SH' factor_list = ['pe', 'pb', 'roe'] # 获取股票因子数据 def get_stock_factors(code): # 获取股票的日线数据 daily_data = pro.daily(ts_code=code, start_date=start_date, end_date=end_date) # 获取股票的财务数据 financial_data = pro.fina_indicator(ts_code=code, start_date=start_date, end_date=end_date) # 合并数据 merged_data = pd.merge(daily_data, financial_data, on='trade_date', how='inner') # 计算因子值 pe = merged_data['close'] / merged_data['eps_basic'] pb = merged_data['close'] / merged_data['bvps'] roe = merged_data['roe'] # 返回因子值 return pd.DataFrame({'pe': pe, 'pb': pb, 'roe': roe}) # 计算alpha因子 def calc_alpha(stock_factors): # 计算每个因子的z-score pe_z = (stock_factors['pe'] - stock_factors['pe'].mean()) / stock_factors['pe'].std() pb_z = (stock_factors['pb'] - stock_factors['pb'].mean()) / stock_factors['pb'].std() roe_z = (stock_factors['roe'] - stock_factors['roe'].mean()) / stock_factors['roe'].std() # 计算alpha因子 alpha = pe_z * 0.3 + pb_z * 0.3 + roe_z * 0.4 return alpha # 获取股票因子数据和alpha因子 def get_stock_alpha(code): # 获取股票因子数据 stock_factors = get_stock_factors(code) # 计算alpha因子 alpha = calc_alpha(stock_factors) # 返回因子数据和alpha因子 return stock_factors, alpha # 获取股票alpha因子数据 stock_alpha_data = {} for code in stock_list['ts_code']: try: stock_factors, alpha = get_stock_alpha(code) stock_alpha_data[code] = {'factors': stock_factors, 'alpha': alpha} except: pass # 将alpha因子转换为DataFrame alpha_data = pd.DataFrame({code: data['alpha'] for code, data in stock_alpha_data.items()}) # 计算每支股票的alpha因子得分 alpha_score = (alpha_data - alpha_data.mean()) / alpha_data.std() # 获取市场指数数据 index_data = pro.index_daily(ts_code=benchmark, start_date=start_date, end_date=end_date) index_data = index_data.set_index('trade_date').sort_index() # 计算市场指数收益率 index_return = index_data['close'] / index_data['close'].shift(1) - 1 # 计算每支股票的超额收益率 excess_return = alpha_score * index_return # 计算每日的投资组合收益率 portfolio_return = excess_return.mean(axis=1) # 计算投资组合的夏普比率 sharpe_ratio = np.sqrt(252) * portfolio_return.mean() / portfolio_return.std() # 输出结果 print('Sharpe Ratio:', sharpe_ratio) ``` 该代码的基本思路是首先获取股票列表，然后循环遍历每支股票，获取其日线数据和财务数据，计算出其对应的pe、pb和roe因子值，然后根据这些因子值计算出该股票的alpha因子。接下来，将每支股票的alpha因子转换为DataFrame，并计算每支股票的alpha因子得分。然后获取市场指数数据，计算出市场指数收益率，再根据每支股票的alpha因子得分和市场指数收益率计算出每支股票的超额收益率，最后计算投资组合的夏普比率。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值