关注
分享
小粉桥反手王
这个作者很懒，什么都没留下…
展开
-
（六十七）神经网络——MLP
MLP模型使用sklearn.neural_network.MLPClassifier来实现。模型的复杂程度调节，可以通过修改隐藏层上的节点数、隐藏层的层数、activation的方式和alpha值来完成。原创 2021-01-04 23:43:06 · 50707 阅读 · 1 评论 -
（六十六）支持向量机
SVM可分为SVC和SVR，建模重点是核函数的选择（首选RBF）、核函数参数和正则化参数C的选择，RBF内核的gamma和C一起控制模型的复杂度，数值越大模型越复杂。数据标准化可以提升高斯核SVM的表现。原创 2020-12-29 18:14:39 · 1276 阅读 · 0 评论 -
（六十五）基于决策树的信用评级
度量决策树结点的"纯度"指标有信息增益、增益率和基尼系数；连续属性划分思路是二分法；决策树分类使用sklearn.tree.DecisionTreeClassifier；graphviz库对决策树可视化；GridSearchCV搜索模型的最优超参数。原创 2020-12-28 11:32:38 · 2234 阅读 · 2 评论 -
（六十四）朴素贝叶斯算法
贝努利朴素贝叶斯适合于二项式分布的数据集，高斯朴素贝叶斯适用于任何连续数值型的数据集，多项式朴素贝叶斯适合非负、离散数值的数据集。使用的类为sklearn.naive_bayes.BernoulliNB,GaussianNB,MultinomialNB。原创 2020-12-24 13:56:23 · 1383 阅读 · 1 评论 -
（六十三）KNN算法
KNN算法的思路是新数据点离谁最近，就和谁属于同一类。可使用KNeighborsClassifier和KNeighborsRegressor进行分类和回归，增大n_neighbors参数可以提高模型得分。原创 2020-12-23 13:54:47 · 391 阅读 · 0 评论 -
（六十二）基于logistic回归的信用评级和分类模型评估
本文基于汽车贷款案例介绍了逻辑回归的原理和常用的两个函数LogisticRegression和LogisticRegressionCV，以及分类模型通用的评估方法（查准率、查全率、F1值、ROC和AUC等）。原创 2020-12-21 14:16:56 · 3948 阅读 · 2 评论 -
（六十一）线性模型：线性回归、岭回归和套索回归
线性回归难以控制模型的复杂度；如果特征过多且只有一小部分是重要的，那么套索回归更好，alpha降低，欠拟合降低；如果特征不多且每一个都有重要作用，那么就应该使用岭回归，alpha增加，过拟合降低。原创 2020-12-18 23:41:37 · 3216 阅读 · 0 评论 -
（五十一）时间序列分析二：平稳时间序列分析（ARMA）
本文介绍了给平稳时间序列建立ARMA模型的过程。步骤为平稳性检验→模型定阶→ARMA建模→模型预测→残差白噪声检验，用到的方法主要为statsmodels.api中的各种模块与函数。原创 2020-06-27 19:20:31 · 20020 阅读 · 2 评论 -
（五十）时间序列分析一：效应分解法
本文介绍了时间序列的效应分解方法，主要是对趋势和周期进行建模并预测。用到的库为fbprophet，其只能处理加法效应，如果出现季节效应随着趋势增加（乘法效应），就需要对数据取对数处理再建模。原创 2020-06-27 12:35:19 · 2128 阅读 · 0 评论 -
（五十七）方差分析与相关分析
单因素方差分析适用于连续变量与一个多分类变量，主要用到的函数为stats.f_oneway()；多因素方差分析可以检验多个分类变量与一个连续变量的关系，函数为sm.stats.anova_lm(smf.ols().fit())；相关分析可用相关系数corr和散点矩阵图sns.pairplot()。原创 2020-06-20 12:15:19 · 7652 阅读 · 0 评论 -
（五十六）假设检验（t检验、卡方检验）
对总体均值的单样本t检验用到的函数为sm.stats.DescrStatsW(列).ttest_mean()；双样本t检验用于检验两个样本均值的差异是否显著，使用stats.levene()函数和stats.stats.ttest_ind()函数；两个分类变量之间的相关关系可用列联表和卡方检验，函数为pd.crosstab和stats.chi2_contingency()。原创 2020-06-19 22:54:47 · 8337 阅读 · 1 评论 -
（五十五）数据查询、整合、清理进阶与数据探索
本文介绍了pandas库下的数据查询、整合与清理进阶方法（按条件读取文件，用between、isin和str.contains条件查询和条件赋值方法）、异常值处理的盖帽法和分箱法以及toad.detector.detect函数探索数据。原创 2020-06-09 22:48:05 · 487 阅读 · 0 评论 -
（五十四）Merton模型与KMV模型预测违约概率
Merton模型将违约概率与期权定价公式结合，PD=N(-d2)；KMV模型在Merton模型的基础上提出了违约距离dd的概念，并且将债务价值改进为违约实施点，期望违约概率EDF=N(-dd)，dd是一个很好的相对指标。原创 2020-05-07 16:15:29 · 46120 阅读 · 11 评论 -
（四十二）利率互换与货币互换的定价
利率互换的价值为固定利率债券与浮动利率债券价值之差，注意支付日要找准；求互换的固定利率时要根据利率的期限结构求出远期利率，令互换价值为零求解；货币互换的价值也是根据本国和外国的债券价值之差来确定。原创 2020-04-21 17:54:47 · 12562 阅读 · 1 评论 -
（一）Python基础知识复习
1、字符串的截取与替换；2、列表的添加、修改、删除、排序和计数；3、集合的添加和删除；4、字典的添加、修改、访问和删除；5、金融领域常用内置函数；6、自定义函数；7、循环控制语句复习；8、math模块；9、try…except…结构。原创 2020-01-03 22:57:33 · 1194 阅读 · 1 评论 -
（二）NumPy的N维数组与数组的索引、切片和排序
1、数组的结构（创建、维度转换等）；2、数组的生成（整数、等差数列、全0/1、单位矩阵）；3、数组的索引（简单索引与条件索引）、切片与排序。原创 2020-01-03 22:57:22 · 718 阅读 · 0 评论 -
（三）NumPy数组的运算
1、数组内的运算（求和、求积、描述性指标、开平方、求幂与对数）；2、数组间的运算（基本运算符、取最大生成新数组）；3、矩阵（相关系数、转置、内积、linalg）。原创 2020-01-04 12:17:50 · 457 阅读 · 0 评论 -
（四）用random模块生成各种分布的随机数
random模块中金融领域常用分布函数（β分布、卡方分布、F分布、对数正态分布、正态分布与标准正态分布、t分布、均匀分布）。原创 2020-01-04 18:25:05 · 3788 阅读 · 0 评论 -
（五）Pandas的数据结构及可视化
1、序列（Series）的生成（array、字典）；2、数据框（DataFrame）的建立和导出、外部数据导入生成数据框、数据框的可视化“x.plot()”。原创 2020-01-04 23:46:59 · 737 阅读 · 0 评论 -
（六）DataFrame的操作
1、基本性质（描述、索引名、列名）；2、索引与切片（loc与iloc、条件筛选）；3、排序（sort_index、sort_values）；4、修改和删除（改列名，删除列或行）；5、缺失值和重复值（isnull、dropna、fillna、duplicated、drop_duplicates）；6、数据框的合并（concat、merge、join）；7、reduce函数。原创 2020-01-07 17:29:22 · 1318 阅读 · 0 评论 -
（七）Pandas的统计函数
1、静态统计函数（如df.pct_change()、df.corr()等）；2、动态统计函数（移动平均、移动波动率、移动相关系数，用rolling函数）。原创 2020-01-08 21:46:44 · 895 阅读 · 0 评论 -
（八）用Matplotlib画曲线图
1、准备工作（过滤警告、显示中文、引入pyplot模块）；2、绘制单个曲线图（plot函数、添加注释）；3、绘制多个曲线图（增加subplot函数）。原创 2020-01-17 19:30:47 · 1754 阅读 · 0 评论 -
（九）用Matplotlib画直方图和条形图
1、根据不同分布的随机数绘制直方图（hist函数）；2、同一坐标系下比较不同分布的直方图（基于array数组）；3、垂直条形图（bar函数）。原创 2020-01-17 22:38:19 · 448 阅读 · 1 评论 -
（十）用Matplotlib画散点图、饼图及绘图函数总结
1、散点图（scatter函数）；2、饼图（pie函数）；3、pyplot绘图函数总结（五种图及其附属函数）。原创 2020-01-18 16:44:12 · 530 阅读 · 0 评论 -
（十一）用SciPy模块求积分、插值与解方程组
1、integrate子模块求积分（quad）；2、interpolate子模块插值运算（interp1d）；3、求解方程组（linalg.solve、optimize.fsolve）。原创 2020-01-19 19:45:00 · 1063 阅读 · 0 评论 -
（十二）用SciPy模块求解最优化问题
运用子模块optimize中的minimize函数求解最优化，给出两个示例：1、多参数最优化求极值问题；2、最大化投资组合收益率求每个资产配置权重的问题。原创 2020-01-20 16:22:26 · 3522 阅读 · 0 评论 -
（十三）用SciPy模块进行概率分析和正态性检验
使用scipy中的统计分析子模块stats分析描述性统计函数describe、概率分析函数（rvs、pdf、cdf、ppf）以及分布函数（主要是正态性）检验（normaltest、shapiro、anderson、kstest）。原创 2020-01-21 12:45:06 · 1850 阅读 · 0 评论 -
（十四）用StatsModels模块建立线性回归模型
使用StatsModels中的api子模块建立OLS模型，以螺纹钢期货和现货收益率数据为例。主要函数是api.OLS(y,x).fit()，可视化时取参数用x.params[i]函数。原创 2020-01-22 13:39:29 · 1788 阅读 · 0 评论 -
（十五）从外部网站导入金融数据
导入金融数据的方法有：1、使用quandl包，格式为quandl.get()；2、使用pandas_datareader.data里的DataReader函数，格式为DataReader(name,data_source,start,end)；3、Tushare包，完全免费数据丰富；4、其他方法如baostock、akshare等。原创 2020-01-23 15:08:12 · 2456 阅读 · 1 评论 -
（十六）股票数据的正态性检验、QQ图的绘制
本文介绍了股票收益率数据的生成以及正态性检验，通过QQ图来验证，主要使用的函数有：stats.norm.ppf()生成分位点，plt.scatter()画样本数据分位点图，stats.probplot(x,dist='norm',plot=plt)画QQ图。原创 2020-01-23 23:09:11 · 4597 阅读 · 0 评论 -
（十七）权益证券估值模型：股息/现金流折现法、市盈率法
普通股的估值方法主要有：1、股息/现金流折现模型（统称为现值法，有零增长模型、稳定增长模型、多阶段增长模型和现金流定价模型）；2、市盈率法。原创 2020-01-27 18:27:54 · 5570 阅读 · 0 评论 -
（十八）利率的度量
利率的python应用：1、单利或复利计息的终值和现值；2、复利频次与多期复利终值、现值（年实际利率与每年复利n次的名义利率之间的换算）；3、连续复利以及其与一般复利的关系。原创 2020-01-28 12:57:07 · 1086 阅读 · 0 评论 -
（十九）债券定价与债券收益率的计算
债券的定价和YTM的计算：1、基于单一贴现率和不同贴现率下求债券价格（后者要先用scipy.optimize中的fsolve函数算零息利率，缺少的插值，定价多一个append函数）；2、YTM的计算，fsolve函数。原创 2020-01-29 19:05:26 · 10195 阅读 · 1 评论 -
（二十）久期与凸性
1、久期：麦考利久期、修正久期、美元久期和有效久期的计算；2、凸性的计算以及久期、凸性和债券价格波动关系；注意付息频率的影响和单位换算。原创 2020-01-30 20:40:49 · 11676 阅读 · 1 评论 -
（二十一）资产（组合）的预期收益率和风险
资产组合的收益率：对各资产收益率加权平均；资产组合的方差需要知道协方差矩阵v和权重矩阵x，根据x.T*v*x来算。注意列的命名格式、收益率序列的生成方法和数据的年化处理。原创 2020-01-31 14:32:09 · 7009 阅读 · 0 评论 -
（二十二）资产组合的有效边界、CML与最优配置
本文介绍了投资组合理论的可行集、有效边界和资本市场线的绘制，以及根据效用函数求解最优资产配置，主要使用scipy.optimize中的minimize函数，以及绘图函数。搞清楚求最值的函数、约束条件以及各变量之间的关系是关键。原创 2020-02-01 17:53:56 · 17580 阅读 · 5 评论 -
（二十三）用几何布朗运动模拟股价走势
几何布朗运动认为股价的变化可分为非随机部分和随机部分。python应用时先根据历史数据计算年收益率和收益率的年波动率，然后在n次for循环中代入GBM公式进行模拟。注意pandas的DatetimeIndex函数的使用。原创 2020-02-02 19:59:08 · 14181 阅读 · 9 评论 -
（二十四）资本资产定价模型
介绍了系统性风险与非系统性风险，演示了分散化对降低非系统性风险的好处；CAPM表达式的简单应用与SML的绘制；CAPM的实证检验（估计β）。注意多个矩阵的乘法以及statsmodels.api模块的使用。原创 2020-02-03 18:11:41 · 2135 阅读 · 0 评论 -
（二十五）套利定价理论（APT）
套利定价理论的介绍——单因素模型和多因素模型，并通过一个例子来分析套利机会，构建套利组合。本节引入了scipy.optimize的linprog函数来求解线性规划问题，适用于线性方程的最优化求解。原创 2020-02-05 20:01:54 · 6111 阅读 · 3 评论 -
（二十六）Fama-French三因素模型及应用
建立Fama-French三因素模型的思路是根据某区间所有股票数据分为6组，然后加权平均求得SMB和HML，最后挑选合适的市场指数计算Rf，与研究对象的Ri一起回归即可。注意df.query()、df.map()、df.apply()函数的使用。原创 2020-02-06 23:09:37 · 11976 阅读 · 0 评论