企业责任因子（ESG）
ESG带来的贡献不光是带动股价的上涨，还可以降低这家公司投资上的风险，使得投资的夏普比率相对更高。ESG因子选股表现：沪深300内有一定选股能力和“排雷”能力，就已有的综合ESG得分结果来看，ESG在沪深300内具有比较稳定的选股能力和“排雷”能力。
残差风险：ESG得分高的公司具有较低的尾部风险。用CAPM模型的残差波动率来衡量个股的尾部风险。行业中性后按照ESG总分分五组，第五组的残差波动率（Res_Vol）最低，且显著低于其它组别。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import scipy.stats as st
import time
import statsmodels.api as sm
from datetime import datetime, timedelta
from scipy.stats import ttest_ind
pd.set_option('display.max_columns', None)
sns.set_style('white')
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['font.family'] = 'sans-serif'
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
读取数据
esg = pd.read_excel('ESG指标.xlsx',sheet_name='指标',skiprows=3)
closeprice_adj = pd.read_excel('ESG指标.xlsx',sheet_name='收盘价',skiprows=3)
构建ESG因子
由于我们获取的ESG因子是分级数据，因此为了方便处理，我们按照分级标准将其处理为0-1之间,此外由于很多公司缺失指标，对于缺失的公司采取不处理的方式
填补数据，对于缺失的数据使用上一个时间段的数据进行填补
esg.head()
| Date | 000001.SZ | 000002.SZ | 000063.SZ | 000066.SZ | 000069.SZ | 000100.SZ | 000157.SZ | 000166.SZ | 000333.SZ | 000338.SZ | 000425.SZ | 000538.SZ | 000568.SZ | 000596.SZ | 000625.SZ | 000651.SZ | 000656.SZ | 000661.SZ | 000703.SZ | 000708.SZ | 000725.SZ | 000728.SZ | 000768.SZ | 000776.SZ | 000783.SZ | 000786.SZ | 000800.SZ | 000858.SZ | 000860.SZ | 000876.SZ | 000895.SZ | 000938.SZ | 000963.SZ | 000977.SZ | 001979.SZ | 002001.SZ | 002007.SZ | 002008.SZ | 002024.SZ | 002027.SZ | 002032.SZ | 002044.SZ | 002049.SZ | 002050.SZ | 002120.SZ | 002129.SZ | 002142.SZ | 002153.SZ | 002157.SZ | 002179.SZ | 002202.SZ | 002230.SZ | 002236.SZ | 002241.SZ | 002252.SZ | 002271.SZ | 002304.SZ | 002311.SZ | 002352.SZ | 002371.SZ | 002384.SZ | 002410.SZ | 002414.SZ | 002415.SZ | 002456.SZ | 002460.SZ | 002463.SZ | 002475.SZ | 002493.SZ | 002508.SZ | 002555.SZ | 002558.SZ | 002594.SZ | 002600.SZ | 002601.SZ | 002602.SZ | 002607.SZ | 002624.SZ | 002673.SZ | 002714.SZ | 002736.SZ | 002739.SZ | 002773.SZ | 002812.SZ | 002821.SZ | 002841.SZ | 002916.SZ | 002938.SZ | 002939.SZ | 002945.SZ | 003816.SZ | 300003.SZ | 300014.SZ | 300015.SZ | 300033.SZ | 300059.SZ | 300122.SZ | 300124.SZ | 300136.SZ | 300142.SZ | 300144.SZ | 300274.SZ | 300347.SZ | 300408.SZ | 300413.SZ | 300433.SZ | 300450.SZ | 300498.SZ | 300529.SZ | 300558.SZ | 300595.SZ | 300601.SZ | 300628.SZ | 300676.SZ | 300677.SZ | 600000.SH | 600009.SH | 600010.SH | 600011.SH | 600015.SH | 600016.SH | 600018.SH | 600019.SH | 600025.SH | 600028.SH | 600029.SH | 600030.SH | 600031.SH | 600036.SH | 600048.SH | 600050.SH | 600061.SH | 600079.SH | 600085.SH | 600104.SH | 600109.SH | 600111.SH | 600115.SH | 600118.SH | 600132.SH | 600143.SH | 600150.SH | 600161.SH | 600176.SH | 600183.SH | 600196.SH | 600233.SH | 600276.SH | 600299.SH | 600309.SH | 600332.SH | 600340.SH | 600346.SH | 600352.SH | 600362.SH | 600383.SH | 600406.SH | 600426.SH | 600436.SH | 600438.SH | 600482.SH | 600489.SH | 600519.SH | 600521.SH | 600522.SH | 600547.SH | 600570.SH | 600584.SH | 600585.SH | 600588.SH | 600600.SH | 600606.SH | 600655.SH | 600660.SH | 600690.SH | 600703.SH | 600705.SH | 600741.SH | 600745.SH | 600760.SH | 600763.SH | 600795.SH | 600809.SH | 600837.SH | 600845.SH | 600848.SH | 600872.SH | 600886.SH | 600887.SH | 600893.SH | 600900.SH | 600918.SH | 600919.SH | 600926.SH | 600958.SH | 600989.SH | 600999.SH | 601006.SH | 601009.SH | 601012.SH | 601021.SH | 601066.SH | 601077.SH | 601088.SH | 601100.SH | 601108.SH | 601111.SH | 601138.SH | 601155.SH | 601162.SH | 601166.SH | 601169.SH | 601186.SH | 601211.SH | 601216.SH | 601225.SH | 601229.SH | 601231.SH | 601236.SH | 601238.SH | 601288.SH | 601318.SH | 601319.SH | 601328.SH | 601336.SH | 601360.SH | 601377.SH | 601390.SH | 601398.SH | 601555.SH | 601600.SH | 601601.SH | 601607.SH | 601618.SH | 601628.SH | 601633.SH | 601658.SH | 601668.SH | 601669.SH | 601688.SH | 601696.SH | 601698.SH | 601727.SH | 601766.SH | 601788.SH | 601799.SH | 601800.SH | 601808.SH | 601816.SH | 601818.SH | 601838.SH | 601857.SH | 601872.SH | 601877.SH | 601878.SH | 601881.SH | 601888.SH | 601899.SH | 601901.SH | 601916.SH | 601919.SH | 601933.SH | 601939.SH | 601985.SH | 601988.SH | 601989.SH | 601990.SH | 601995.SH | 601998.SH | 603019.SH | 603087.SH | 603160.SH | 603195.SH | 603233.SH | 603259.SH | 603288.SH | 603338.SH | 603369.SH | 603392.SH | 603501.SH | 603517.SH | 603658.SH | 603659.SH | 603799.SH | 603806.SH | 603833.SH | 603882.SH | 603899.SH | 603939.SH | 603986.SH | 603993.SH | 688008.SH | 688009.SH | 688012.SH | 688036.SH | 688111.SH | 688126.SH | 688169.SH | 688363.SH | 688396.SH | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2008-02-29 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 1 | 2008-03-31 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 2 | 2008-04-30 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 3 | 2008-05-30 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 4 | 2008-06-30 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
df_test = pd.DataFrame(data=[[1,2,3],[4,5,np.nan]],columns=['A','B','C'])
df_test.fillna(0)
| A | B | C | |
|---|---|---|---|
| 0 | 1 | 2 | 3.0 |
| 1 | 4 | 5 | 0.0 |
esg = esg.fillna(method='ffill')
esg.head()
| Date | 000001.SZ | 000002.SZ | 000063.SZ | 000066.SZ | 000069.SZ | 000100.SZ | 000157.SZ | 000166.SZ | 000333.SZ | 000338.SZ | 000425.SZ | 000538.SZ | 000568.SZ | 000596.SZ | 000625.SZ | 000651.SZ | 000656.SZ | 000661.SZ | 000703.SZ | 000708.SZ | 000725.SZ | 000728.SZ | 000768.SZ | 000776.SZ | 000783.SZ | 000786.SZ | 000800.SZ | 000858.SZ | 000860.SZ | 000876.SZ | 000895.SZ | 000938.SZ | 000963.SZ | 000977.SZ | 001979.SZ | 002001.SZ | 002007.SZ | 002008.SZ | 002024.SZ | 002027.SZ | 002032.SZ | 002044.SZ | 002049.SZ | 002050.SZ | 002120.SZ | 002129.SZ | 002142.SZ | 002153.SZ | 002157.SZ | 002179.SZ | 002202.SZ | 002230.SZ | 002236.SZ | 002241.SZ | 002252.SZ | 002271.SZ | 002304.SZ | 002311.SZ | 002352.SZ | 002371.SZ | 002384.SZ | 002410.SZ | 002414.SZ | 002415.SZ | 002456.SZ | 002460.SZ | 002463.SZ | 002475.SZ | 002493.SZ | 002508.SZ | 002555.SZ | 002558.SZ | 002594.SZ | 002600.SZ | 002601.SZ | 002602.SZ | 002607.SZ | 002624.SZ | 002673.SZ | 002714.SZ | 002736.SZ | 002739.SZ | 002773.SZ | 002812.SZ | 002821.SZ | 002841.SZ | 002916.SZ | 002938.SZ | 002939.SZ | 002945.SZ | 003816.SZ | 300003.SZ | 300014.SZ | 300015.SZ | 300033.SZ | 300059.SZ | 300122.SZ | 300124.SZ | 300136.SZ | 300142.SZ | 300144.SZ | 300274.SZ | 300347.SZ | 300408.SZ | 300413.SZ | 300433.SZ | 300450.SZ | 300498.SZ | 300529.SZ | 300558.SZ | 300595.SZ | 300601.SZ | 300628.SZ | 300676.SZ | 300677.SZ | 600000.SH | 600009.SH | 600010.SH | 600011.SH | 600015.SH | 600016.SH | 600018.SH | 600019.SH | 600025.SH | 600028.SH | 600029.SH | 600030.SH | 600031.SH | 600036.SH | 600048.SH | 600050.SH | 600061.SH | 600079.SH | 600085.SH | 600104.SH | 600109.SH | 600111.SH | 600115.SH | 600118.SH | 600132.SH | 600143.SH | 600150.SH | 600161.SH | 600176.SH | 600183.SH | 600196.SH | 600233.SH | 600276.SH | 600299.SH | 600309.SH | 600332.SH | 600340.SH | 600346.SH | 600352.SH | 600362.SH | 600383.SH | 600406.SH | 600426.SH | 600436.SH | 600438.SH | 600482.SH | 600489.SH | 600519.SH | 600521.SH | 600522.SH | 600547.SH | 600570.SH | 600584.SH | 600585.SH | 600588.SH | 600600.SH | 600606.SH | 600655.SH | 600660.SH | 600690.SH | 600703.SH | 600705.SH | 600741.SH | 600745.SH | 600760.SH | 600763.SH | 600795.SH | 600809.SH | 600837.SH | 600845.SH | 600848.SH | 600872.SH | 600886.SH | 600887.SH | 600893.SH | 600900.SH | 600918.SH | 600919.SH | 600926.SH | 600958.SH | 600989.SH | 600999.SH | 601006.SH | 601009.SH | 601012.SH | 601021.SH | 601066.SH | 601077.SH | 601088.SH | 601100.SH | 601108.SH | 601111.SH | 601138.SH | 601155.SH | 601162.SH | 601166.SH | 601169.SH | 601186.SH | 601211.SH | 601216.SH | 601225.SH | 601229.SH | 601231.SH | 601236.SH | 601238.SH | 601288.SH | 601318.SH | 601319.SH | 601328.SH | 601336.SH | 601360.SH | 601377.SH | 601390.SH | 601398.SH | 601555.SH | 601600.SH | 601601.SH | 601607.SH | 601618.SH | 601628.SH | 601633.SH | 601658.SH | 601668.SH | 601669.SH | 601688.SH | 601696.SH | 601698.SH | 601727.SH | 601766.SH | 601788.SH | 601799.SH | 601800.SH | 601808.SH | 601816.SH | 601818.SH | 601838.SH | 601857.SH | 601872.SH | 601877.SH | 601878.SH | 601881.SH | 601888.SH | 601899.SH | 601901.SH | 601916.SH | 601919.SH | 601933.SH | 601939.SH | 601985.SH | 601988.SH | 601989.SH | 601990.SH | 601995.SH | 601998.SH | 603019.SH | 603087.SH | 603160.SH | 603195.SH | 603233.SH | 603259.SH | 603288.SH | 603338.SH | 603369.SH | 603392.SH | 603501.SH | 603517.SH | 603658.SH | 603659.SH | 603799.SH | 603806.SH | 603833.SH | 603882.SH | 603899.SH | 603939.SH | 603986.SH | 603993.SH | 688008.SH | 688009.SH | 688012.SH | 688036.SH | 688111.SH | 688126.SH | 688169.SH | 688363.SH | 688396.SH | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2008-02-29 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 1 | 2008-03-31 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 2 | 2008-04-30 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 3 | 2008-05-30 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 4 | 2008-06-30 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
查看数据的缺失占比
sorted(list(set(esg['Date'].dt.year)))
[2008,
2009,
2010,
2011,
2012,
2013,
2014,
2015,
2016,
2017,
2018,
2019,
2020,
2021]
esg['Date'].dt.year
0 2008
1 2008
2 2008
3 2008
4 2008
...
159 2021
160 2021
161 2021
162 2021
163 2021
Name: Date, Length: 164, dtype: int64
df_cal = pd.DataFrame()
for i in sorted(list(set(esg['Date'].dt.year))):
print(df_cal[str(i)]==((esg[esg['Date'].dt.year==i].isnull().sum())/esg[esg['Date'].dt.year==i].shape[0]).sort_values(ascending=False))
---------------------------------------------------------------------------
KeyError Traceback (most recent call last)
~\Anaconda3\lib\site-packages\pandas\core\indexes\base.py in get_loc(self, key, method, tolerance)
2894 try:
-> 2895 return self._engine.get_loc(casted_key)
2896 except KeyError as err:
pandas\_libs\index.pyx in pandas._libs.index.IndexEngine.get_loc()
pandas\_libs\index.pyx in pandas._libs.index.IndexEngine.get_loc()
pandas\_libs\hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item()
pandas\_libs\hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item()
KeyError: '2008'
The above exception was the direct cause of the following exception:
KeyError Traceback (most recent call last)
<ipython-input-16-63fe351d39a2> in <module>
1 for i in sorted(list(set(esg['Date'].dt.year))):
----> 2 print(df_cal[str(i)]==((esg[esg['Date'].dt.year==i].isnull().sum())/esg[esg['Date'].dt.year==i].shape[0]).sort_values(ascending=False))
~\Anaconda3\lib\site-packages\pandas\core\frame.py in __getitem__(self, key)
2900 if self.columns.nlevels > 1:
2901 return self._getitem_multilevel(key)
-> 2902 indexer = self.columns.get_loc(key)
2903 if is_integer(indexer):
2904 indexer = [indexer]
~\Anaconda3\lib\site-packages\pandas\core\indexes\base.py in get_loc(self, key, method, tolerance)
2895 return self._engine.get_loc(casted_key)
2896 except KeyError as err:
-> 2897 raise KeyError(key) from err
2898
2899 if tolerance is not None:
KeyError: '2008'
import import_ipynb # 导入另外一个ipynb的工具包 pip install 一下
import lib_fun as fun #工具函数
importing Jupyter notebook from lib_fun.ipynb
对于ESG评级转换为浮点数指标
esg_map={
'AAA':1,
'AA':0.8,
'A':0.6,
'BBB':0.4,
'BB':0.2,
'B':0,
'CCC':-0.2,
'CC':-0.4
}
esg = esg.replace(esg_map)
考虑到前期数据为空的比较多，因此从2015年开始使用数据
esg = esg.set_index('Date').stack()
#esg.values.astype(float) #数据结果变换
array([0.6, 0.6, 0.4, ..., 0.4, 0.8, 0.8])
esg.head()
Date
2009-02-27 000001.SZ 0.6
000002.SZ 0.6
000063.SZ 0.4
000066.SZ 0.4
000069.SZ 0.6
dtype: float64
pd.Series(esg.values).hist(figsize=(20,16), bins=100, label='factor_distribution')
plt.legend()
<matplotlib.legend.Legend at 0x21c17170e50>
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Z8ch2Iyp-1632908049939)(output_23_1.png)]
ESG因子的行业分析
因子值分布
从下图可以看到，因子值的分布集中在 0 至 1 内，在-0.4 和-0.2上留下了大片空白，出现这种情况的原因是：因子存在少量的离群值，我们不能从图中看到它们，为了更好地利用因子对整体股票的预测信息，有必要消除离群值的干扰，后续我们需要对因子进行去极值处理
# 读取行业数据
IND = pd.read_excel('ESG指标.xlsx',sheet_name='行业分类')
IND.head()
| Date | 000001.SZ | 000002.SZ | 000063.SZ | 000066.SZ | 000069.SZ | 000100.SZ | 000157.SZ | 000166.SZ | 000333.SZ | 000338.SZ | 000425.SZ | 000538.SZ | 000568.SZ | 000596.SZ | 000625.SZ | 000651.SZ | 000656.SZ | 000661.SZ | 000703.SZ | 000708.SZ | 000725.SZ | 000728.SZ | 000768.SZ | 000776.SZ | 000783.SZ | 000786.SZ | 000800.SZ | 000858.SZ | 000860.SZ | 000876.SZ | 000895.SZ | 000938.SZ | 000963.SZ | 000977.SZ | 001979.SZ | 002001.SZ | 002007.SZ | 002008.SZ | 002024.SZ | 002027.SZ | 002032.SZ | 002044.SZ | 002049.SZ | 002050.SZ | 002120.SZ | 002129.SZ | 002142.SZ | 002153.SZ | 002157.SZ | 002179.SZ | 002202.SZ | 002230.SZ | 002236.SZ | 002241.SZ | 002252.SZ | 002271.SZ | 002304.SZ | 002311.SZ | 002352.SZ | 002371.SZ | 002384.SZ | 002410.SZ | 002414.SZ | 002415.SZ | 002456.SZ | 002460.SZ | 002463.SZ | 002475.SZ | 002493.SZ | 002508.SZ | 002555.SZ | 002558.SZ | 002594.SZ | 002600.SZ | 002601.SZ | 002602.SZ | 002607.SZ | 002624.SZ | 002673.SZ | 002714.SZ | 002736.SZ | 002739.SZ | 002773.SZ | 002812.SZ | 002821.SZ | 002841.SZ | 002916.SZ | 002938.SZ | 002939.SZ | 002945.SZ | 003816.SZ | 300003.SZ | 300014.SZ | 300015.SZ | 300033.SZ | 300059.SZ | 300122.SZ | 300124.SZ | 300136.SZ | 300142.SZ | 300144.SZ | 300274.SZ | 300347.SZ | 300408.SZ | 300413.SZ | 300433.SZ | 300450.SZ | 300498.SZ | 300529.SZ | 300558.SZ | 300595.SZ | 300601.SZ | 300628.SZ | 300676.SZ | 300677.SZ | 600000.SH | 600009.SH | 600010.SH | 600011.SH | 600015.SH | 600016.SH | 600018.SH | 600019.SH | 600025.SH | 600028.SH | 600029.SH | 600030.SH | 600031.SH | 600036.SH | 600048.SH | 600050.SH | 600061.SH | 600079.SH | 600085.SH | 600104.SH | 600109.SH | 600111.SH | 600115.SH | 600118.SH | 600132.SH | 600143.SH | 600150.SH | 600161.SH | 600176.SH | 600183.SH | 600196.SH | 600233.SH | 600276.SH | 600299.SH | 600309.SH | 600332.SH | 600340.SH | 600346.SH | 600352.SH | 600362.SH | 600383.SH | 600406.SH | 600426.SH | 600436.SH | 600438.SH | 600482.SH | 600489.SH | 600519.SH | 600521.SH | 600522.SH | 600547.SH | 600570.SH | 600584.SH | 600585.SH | 600588.SH | 600600.SH | 600606.SH | 600655.SH | 600660.SH | 600690.SH | 600703.SH | 600705.SH | 600741.SH | 600745.SH | 600760.SH | 600763.SH | 600795.SH | 600809.SH | 600837.SH | 600845.SH | 600848.SH | 600872.SH | 600886.SH | 600887.SH | 600893.SH | 600900.SH | 600918.SH | 600919.SH | 600926.SH | 600958.SH | 600989.SH | 600999.SH | 601006.SH | 601009.SH | 601012.SH | 601021.SH | 601066.SH | 601077.SH | 601088.SH | 601100.SH | 601108.SH | 601111.SH | 601138.SH | 601155.SH | 601162.SH | 601166.SH | 601169.SH | 601186.SH | 601211.SH | 601216.SH | 601225.SH | 601229.SH | 601231.SH | 601236.SH | 601238.SH | 601288.SH | 601318.SH | 601319.SH | 601328.SH | 601336.SH | 601360.SH | 601377.SH | 601390.SH | 601398.SH | 601555.SH | 601600.SH | 601601.SH | 601607.SH | 601618.SH | 601628.SH | 601633.SH | 601658.SH | 601668.SH | 601669.SH | 601688.SH | 601696.SH | 601698.SH | 601727.SH | 601766.SH | 601788.SH | 601799.SH | 601800.SH | 601808.SH | 601816.SH | 601818.SH | 601838.SH | 601857.SH | 601872.SH | 601877.SH | 601878.SH | 601881.SH | 601888.SH | 601899.SH | 601901.SH | 601916.SH | 601919.SH | 601933.SH | 601939.SH | 601985.SH | 601988.SH | 601989.SH | 601990.SH | 601995.SH | 601998.SH | 603019.SH | 603087.SH | 603160.SH | 603195.SH | 603233.SH | 603259.SH | 603288.SH | 603338.SH | 603369.SH | 603392.SH | 603501.SH | 603517.SH | 603658.SH | 603659.SH | 603799.SH | 603806.SH | 603833.SH | 603882.SH | 603899.SH | 603939.SH | 603986.SH | 603993.SH | 688008.SH | 688009.SH | 688012.SH | 688036.SH | 688111.SH | 688126.SH | 688169.SH | 688363.SH | 688396.SH | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2008-02-29 | 银行 | 房地产 | 通信 | 计算机 | 房地产 | 电子 | 机械设备 | 非银金融 | 家用电器 | 汽车 | 机械设备 | 医药生物 | 食品饮料 | 食品饮料 | 汽车 | 家用电器 | 房地产 | 医药生物 | 化工 | 钢铁 | 电子 | 非银金融 | 国防军工 | 非银金融 | 非银金融 | 建筑材料 | 汽车 | 食品饮料 | 食品饮料 | 农林牧渔 | 食品饮料 | 计算机 | 医药生物 | 计算机 | 房地产 | 医药生物 | 医药生物 | 电子 | 商业贸易 | 传媒 | 家用电器 | 医药生物 | 电子 | 家用电器 | 交通运输 | 电气设备 | 银行 | 计算机 | 农林牧渔 | 国防军工 | 电气设备 | 计算机 | 电子 | 电子 | 医药生物 | 建筑材料 | 食品饮料 | 农林牧渔 | 交通运输 | 电子 | 电子 | 计算机 | 电子 | 电子 | 电子 | 有色金属 | 电子 | 电子 | 化工 | 家用电器 | 传媒 | 传媒 | 汽车 | 电子 | 化工 | 传媒 | 传媒 | 传媒 | 非银金融 | 农林牧渔 | 非银金融 | 传媒 | 医药生物 | 化工 | 医药生物 | 电子 | 电子 | 电子 | 非银金融 | 非银金融 | 公用事业 | 医药生物 | 电气设备 | 医药生物 | 计算机 | 非银金融 | 医药生物 | 电气设备 | 电子 | 医药生物 | 休闲服务 | 电气设备 | 医药生物 | 电子 | 传媒 | 电子 | 机械设备 | 农林牧渔 | 医药生物 | 医药生物 | 医药生物 | 医药生物 | 通信 | 医药生物 | 医药生物 | 银行 | 交通运输 | 钢铁 | 公用事业 | 银行 | 银行 | 交通运输 | 钢铁 | 公用事业 | 化工 | 交通运输 | 非银金融 | 机械设备 | 银行 | 房地产 | 通信 | 非银金融 | 医药生物 | 医药生物 | 汽车 | 非银金融 | 有色金属 | 交通运输 | 国防军工 | 食品饮料 | 化工 | 国防军工 | 医药生物 | 化工 | 电子 | 医药生物 | 交通运输 | 医药生物 | 化工 | 化工 | 医药生物 | 房地产 | 化工 | 化工 | 有色金属 | 房地产 | 电气设备 | 化工 | 医药生物 | 电气设备 | 国防军工 | 有色金属 | 食品饮料 | 医药生物 | 通信 | 有色金属 | 计算机 | 电子 | 建筑材料 | 计算机 | 食品饮料 | 房地产 | 商业贸易 | 汽车 | 家用电器 | 电子 | 非银金融 | 汽车 | 电子 | 国防军工 | 医药生物 | 公用事业 | 食品饮料 | 非银金融 | 计算机 | 房地产 | 食品饮料 | 公用事业 | 食品饮料 | 国防军工 | 公用事业 | 非银金融 | 银行 | 银行 | 非银金融 | 化工 | 非银金融 | 交通运输 | 银行 | 电气设备 | 交通运输 | 非银金融 | 银行 | 采掘 | 机械设备 | 非银金融 | 交通运输 | 电子 | 房地产 | 非银金融 | 银行 | 银行 | 建筑装饰 | 非银金融 | 化工 | 采掘 | 银行 | 电子 | 非银金融 | 汽车 | 银行 | 非银金融 | 非银金融 | 银行 | 非银金融 | 计算机 | 非银金融 | 建筑装饰 | 银行 | 非银金融 | 有色金属 | 非银金融 | 医药生物 | 建筑装饰 | 非银金融 | 汽车 | 银行 | 建筑装饰 | 建筑装饰 | 非银金融 | 非银金融 | 国防军工 | 电气设备 | 机械设备 | 非银金融 | 汽车 | 建筑装饰 | 采掘 | 交通运输 | 银行 | 银行 | 采掘 | 交通运输 | 电气设备 | 非银金融 | 非银金融 | 休闲服务 | 有色金属 | 非银金融 | 银行 | 交通运输 | 商业贸易 | 银行 | 公用事业 | 银行 | 国防军工 | 非银金融 | 非银金融 | 银行 | 计算机 | 医药生物 | 电子 | 轻工制造 | 医药生物 | 医药生物 | 食品饮料 | 机械设备 | 食品饮料 | 医药生物 | 电子 | 食品饮料 | 医药生物 | 电气设备 | 有色金属 | 电气设备 | 轻工制造 | 医药生物 | 轻工制造 | 医药生物 | 电子 | 有色金属 | 电子 | 机械设备 | 机械设备 | 电子 | 计算机 | 电子 | 机械设备 | 医药生物 | 电子 |
| 1 | 2008-03-31 | 银行 | 房地产 | 通信 | 计算机 | 房地产 | 电子 | 机械设备 | 非银金融 | 家用电器 | 汽车 | 机械设备 | 医药生物 | 食品饮料 | 食品饮料 | 汽车 | 家用电器 | 房地产 | 医药生物 | 化工 | 钢铁 | 电子 | 非银金融 | 国防军工 | 非银金融 | 非银金融 | 建筑材料 | 汽车 | 食品饮料 | 食品饮料 | 农林牧渔 | 食品饮料 | 计算机 | 医药生物 | 计算机 | 房地产 | 医药生物 | 医药生物 | 电子 | 商业贸易 | 传媒 | 家用电器 | 医药生物 | 电子 | 家用电器 | 交通运输 | 电气设备 | 银行 | 计算机 | 农林牧渔 | 国防军工 | 电气设备 | 计算机 | 电子 | 电子 | 医药生物 | 建筑材料 | 食品饮料 | 农林牧渔 | 交通运输 | 电子 | 电子 | 计算机 | 电子 | 电子 | 电子 | 有色金属 | 电子 | 电子 | 化工 | 家用电器 | 传媒 | 传媒 | 汽车 | 电子 | 化工 | 传媒 | 传媒 | 传媒 | 非银金融 | 农林牧渔 | 非银金融 | 传媒 | 医药生物 | 化工 | 医药生物 | 电子 | 电子 | 电子 | 非银金融 | 非银金融 | 公用事业 | 医药生物 | 电气设备 | 医药生物 | 计算机 | 非银金融 | 医药生物 | 电气设备 | 电子 | 医药生物 | 休闲服务 | 电气设备 | 医药生物 | 电子 | 传媒 | 电子 | 机械设备 | 农林牧渔 | 医药生物 | 医药生物 | 医药生物 | 医药生物 | 通信 | 医药生物 | 医药生物 | 银行 | 交通运输 | 钢铁 | 公用事业 | 银行 | 银行 | 交通运输 | 钢铁 | 公用事业 | 化工 | 交通运输 | 非银金融 | 机械设备 | 银行 | 房地产 | 通信 | 非银金融 | 医药生物 | 医药生物 | 汽车 | 非银金融 | 有色金属 | 交通运输 | 国防军工 | 食品饮料 | 化工 | 国防军工 | 医药生物 | 化工 | 电子 | 医药生物 | 交通运输 | 医药生物 | 化工 | 化工 | 医药生物 | 房地产 | 化工 | 化工 | 有色金属 | 房地产 | 电气设备 | 化工 | 医药生物 | 电气设备 | 国防军工 | 有色金属 | 食品饮料 | 医药生物 | 通信 | 有色金属 | 计算机 | 电子 | 建筑材料 | 计算机 | 食品饮料 | 房地产 | 商业贸易 | 汽车 | 家用电器 | 电子 | 非银金融 | 汽车 | 电子 | 国防军工 | 医药生物 | 公用事业 | 食品饮料 | 非银金融 | 计算机 | 房地产 | 食品饮料 | 公用事业 | 食品饮料 | 国防军工 | 公用事业 | 非银金融 | 银行 | 银行 | 非银金融 | 化工 | 非银金融 | 交通运输 | 银行 | 电气设备 | 交通运输 | 非银金融 | 银行 | 采掘 | 机械设备 | 非银金融 | 交通运输 | 电子 | 房地产 | 非银金融 | 银行 | 银行 | 建筑装饰 | 非银金融 | 化工 | 采掘 | 银行 | 电子 | 非银金融 | 汽车 | 银行 | 非银金融 | 非银金融 | 银行 | 非银金融 | 计算机 | 非银金融 | 建筑装饰 | 银行 | 非银金融 | 有色金属 | 非银金融 | 医药生物 | 建筑装饰 | 非银金融 | 汽车 | 银行 | 建筑装饰 | 建筑装饰 | 非银金融 | 非银金融 | 国防军工 | 电气设备 | 机械设备 | 非银金融 | 汽车 | 建筑装饰 | 采掘 | 交通运输 | 银行 | 银行 | 采掘 | 交通运输 | 电气设备 | 非银金融 | 非银金融 | 休闲服务 | 有色金属 | 非银金融 | 银行 | 交通运输 | 商业贸易 | 银行 | 公用事业 | 银行 | 国防军工 | 非银金融 | 非银金融 | 银行 | 计算机 | 医药生物 | 电子 | 轻工制造 | 医药生物 | 医药生物 | 食品饮料 | 机械设备 | 食品饮料 | 医药生物 | 电子 | 食品饮料 | 医药生物 | 电气设备 | 有色金属 | 电气设备 | 轻工制造 | 医药生物 | 轻工制造 | 医药生物 | 电子 | 有色金属 | 电子 | 机械设备 | 机械设备 | 电子 | 计算机 | 电子 | 机械设备 | 医药生物 | 电子 |
| 2 | 2008-04-30 | 银行 | 房地产 | 通信 | 计算机 | 房地产 | 电子 | 机械设备 | 非银金融 | 家用电器 | 汽车 | 机械设备 | 医药生物 | 食品饮料 | 食品饮料 | 汽车 | 家用电器 | 房地产 | 医药生物 | 化工 | 钢铁 | 电子 | 非银金融 | 国防军工 | 非银金融 | 非银金融 | 建筑材料 | 汽车 | 食品饮料 | 食品饮料 | 农林牧渔 | 食品饮料 | 计算机 | 医药生物 | 计算机 | 房地产 | 医药生物 | 医药生物 | 电子 | 商业贸易 | 传媒 | 家用电器 | 医药生物 | 电子 | 家用电器 | 交通运输 | 电气设备 | 银行 | 计算机 | 农林牧渔 | 国防军工 | 电气设备 | 计算机 | 电子 | 电子 | 医药生物 | 建筑材料 | 食品饮料 | 农林牧渔 | 交通运输 | 电子 | 电子 | 计算机 | 电子 | 电子 | 电子 | 有色金属 | 电子 | 电子 | 化工 | 家用电器 | 传媒 | 传媒 | 汽车 | 电子 | 化工 | 传媒 | 传媒 | 传媒 | 非银金融 | 农林牧渔 | 非银金融 | 传媒 | 医药生物 | 化工 | 医药生物 | 电子 | 电子 | 电子 | 非银金融 | 非银金融 | 公用事业 | 医药生物 | 电气设备 | 医药生物 | 计算机 | 非银金融 | 医药生物 | 电气设备 | 电子 | 医药生物 | 休闲服务 | 电气设备 | 医药生物 | 电子 | 传媒 | 电子 | 机械设备 | 农林牧渔 | 医药生物 | 医药生物 | 医药生物 | 医药生物 | 通信 | 医药生物 | 医药生物 | 银行 | 交通运输 | 钢铁 | 公用事业 | 银行 | 银行 | 交通运输 | 钢铁 | 公用事业 | 化工 | 交通运输 | 非银金融 | 机械设备 | 银行 | 房地产 | 通信 | 非银金融 | 医药生物 | 医药生物 | 汽车 | 非银金融 | 有色金属 | 交通运输 | 国防军工 | 食品饮料 | 化工 | 国防军工 | 医药生物 | 化工 | 电子 | 医药生物 | 交通运输 | 医药生物 | 化工 | 化工 | 医药生物 | 房地产 | 化工 | 化工 | 有色金属 | 房地产 | 电气设备 | 化工 | 医药生物 | 电气设备 | 国防军工 | 有色金属 | 食品饮料 | 医药生物 | 通信 | 有色金属 | 计算机 | 电子 | 建筑材料 | 计算机 | 食品饮料 | 房地产 | 商业贸易 | 汽车 | 家用电器 | 电子 | 非银金融 | 汽车 | 电子 | 国防军工 | 医药生物 | 公用事业 | 食品饮料 | 非银金融 | 计算机 | 房地产 | 食品饮料 | 公用事业 | 食品饮料 | 国防军工 | 公用事业 | 非银金融 | 银行 | 银行 | 非银金融 | 化工 | 非银金融 | 交通运输 | 银行 | 电气设备 | 交通运输 | 非银金融 | 银行 | 采掘 | 机械设备 | 非银金融 | 交通运输 | 电子 | 房地产 | 非银金融 | 银行 | 银行 | 建筑装饰 | 非银金融 | 化工 | 采掘 | 银行 | 电子 | 非银金融 | 汽车 | 银行 | 非银金融 | 非银金融 | 银行 | 非银金融 | 计算机 | 非银金融 | 建筑装饰 | 银行 | 非银金融 | 有色金属 | 非银金融 | 医药生物 | 建筑装饰 | 非银金融 | 汽车 | 银行 | 建筑装饰 | 建筑装饰 | 非银金融 | 非银金融 | 国防军工 | 电气设备 | 机械设备 | 非银金融 | 汽车 | 建筑装饰 | 采掘 | 交通运输 | 银行 | 银行 | 采掘 | 交通运输 | 电气设备 | 非银金融 | 非银金融 | 休闲服务 | 有色金属 | 非银金融 | 银行 | 交通运输 | 商业贸易 | 银行 | 公用事业 | 银行 | 国防军工 | 非银金融 | 非银金融 | 银行 | 计算机 | 医药生物 | 电子 | 轻工制造 | 医药生物 | 医药生物 | 食品饮料 | 机械设备 | 食品饮料 | 医药生物 | 电子 | 食品饮料 | 医药生物 | 电气设备 | 有色金属 | 电气设备 | 轻工制造 | 医药生物 | 轻工制造 | 医药生物 | 电子 | 有色金属 | 电子 | 机械设备 | 机械设备 | 电子 | 计算机 | 电子 | 机械设备 | 医药生物 | 电子 |
| 3 | 2008-05-30 | 银行 | 房地产 | 通信 | 计算机 | 房地产 | 电子 | 机械设备 | 非银金融 | 家用电器 | 汽车 | 机械设备 | 医药生物 | 食品饮料 | 食品饮料 | 汽车 | 家用电器 | 房地产 | 医药生物 | 化工 | 钢铁 | 电子 | 非银金融 | 国防军工 | 非银金融 | 非银金融 | 建筑材料 | 汽车 | 食品饮料 | 食品饮料 | 农林牧渔 | 食品饮料 | 计算机 | 医药生物 | 计算机 | 房地产 | 医药生物 | 医药生物 | 电子 | 商业贸易 | 传媒 | 家用电器 | 医药生物 | 电子 | 家用电器 | 交通运输 | 电气设备 | 银行 | 计算机 | 农林牧渔 | 国防军工 | 电气设备 | 计算机 | 电子 | 电子 | 医药生物 | 建筑材料 | 食品饮料 | 农林牧渔 | 交通运输 | 电子 | 电子 | 计算机 | 电子 | 电子 | 电子 | 有色金属 | 电子 | 电子 | 化工 | 家用电器 | 传媒 | 传媒 | 汽车 | 电子 | 化工 | 传媒 | 传媒 | 传媒 | 非银金融 | 农林牧渔 | 非银金融 | 传媒 | 医药生物 | 化工 | 医药生物 | 电子 | 电子 | 电子 | 非银金融 | 非银金融 | 公用事业 | 医药生物 | 电气设备 | 医药生物 | 计算机 | 非银金融 | 医药生物 | 电气设备 | 电子 | 医药生物 | 休闲服务 | 电气设备 | 医药生物 | 电子 | 传媒 | 电子 | 机械设备 | 农林牧渔 | 医药生物 | 医药生物 | 医药生物 | 医药生物 | 通信 | 医药生物 | 医药生物 | 银行 | 交通运输 | 钢铁 | 公用事业 | 银行 | 银行 | 交通运输 | 钢铁 | 公用事业 | 化工 | 交通运输 | 非银金融 | 机械设备 | 银行 | 房地产 | 通信 | 非银金融 | 医药生物 | 医药生物 | 汽车 | 非银金融 | 有色金属 | 交通运输 | 国防军工 | 食品饮料 | 化工 | 国防军工 | 医药生物 | 化工 | 电子 | 医药生物 | 交通运输 | 医药生物 | 化工 | 化工 | 医药生物 | 房地产 | 化工 | 化工 | 有色金属 | 房地产 | 电气设备 | 化工 | 医药生物 | 电气设备 | 国防军工 | 有色金属 | 食品饮料 | 医药生物 | 通信 | 有色金属 | 计算机 | 电子 | 建筑材料 | 计算机 | 食品饮料 | 房地产 | 商业贸易 | 汽车 | 家用电器 | 电子 | 非银金融 | 汽车 | 电子 | 国防军工 | 医药生物 | 公用事业 | 食品饮料 | 非银金融 | 计算机 | 房地产 | 食品饮料 | 公用事业 | 食品饮料 | 国防军工 | 公用事业 | 非银金融 | 银行 | 银行 | 非银金融 | 化工 | 非银金融 | 交通运输 | 银行 | 电气设备 | 交通运输 | 非银金融 | 银行 | 采掘 | 机械设备 | 非银金融 | 交通运输 | 电子 | 房地产 | 非银金融 | 银行 | 银行 | 建筑装饰 | 非银金融 | 化工 | 采掘 | 银行 | 电子 | 非银金融 | 汽车 | 银行 | 非银金融 | 非银金融 | 银行 | 非银金融 | 计算机 | 非银金融 | 建筑装饰 | 银行 | 非银金融 | 有色金属 | 非银金融 | 医药生物 | 建筑装饰 | 非银金融 | 汽车 | 银行 | 建筑装饰 | 建筑装饰 | 非银金融 | 非银金融 | 国防军工 | 电气设备 | 机械设备 | 非银金融 | 汽车 | 建筑装饰 | 采掘 | 交通运输 | 银行 | 银行 | 采掘 | 交通运输 | 电气设备 | 非银金融 | 非银金融 | 休闲服务 | 有色金属 | 非银金融 | 银行 | 交通运输 | 商业贸易 | 银行 | 公用事业 | 银行 | 国防军工 | 非银金融 | 非银金融 | 银行 | 计算机 | 医药生物 | 电子 | 轻工制造 | 医药生物 | 医药生物 | 食品饮料 | 机械设备 | 食品饮料 | 医药生物 | 电子 | 食品饮料 | 医药生物 | 电气设备 | 有色金属 | 电气设备 | 轻工制造 | 医药生物 | 轻工制造 | 医药生物 | 电子 | 有色金属 | 电子 | 机械设备 | 机械设备 | 电子 | 计算机 | 电子 | 机械设备 | 医药生物 | 电子 |
| 4 | 2008-06-30 | 银行 | 房地产 | 通信 | 计算机 | 房地产 | 电子 | 机械设备 | 非银金融 | 家用电器 | 汽车 | 机械设备 | 医药生物 | 食品饮料 | 食品饮料 | 汽车 | 家用电器 | 房地产 | 医药生物 | 化工 | 钢铁 | 电子 | 非银金融 | 国防军工 | 非银金融 | 非银金融 | 建筑材料 | 汽车 | 食品饮料 | 食品饮料 | 农林牧渔 | 食品饮料 | 计算机 | 医药生物 | 计算机 | 房地产 | 医药生物 | 医药生物 | 电子 | 商业贸易 | 传媒 | 家用电器 | 医药生物 | 电子 | 家用电器 | 交通运输 | 电气设备 | 银行 | 计算机 | 农林牧渔 | 国防军工 | 电气设备 | 计算机 | 电子 | 电子 | 医药生物 | 建筑材料 | 食品饮料 | 农林牧渔 | 交通运输 | 电子 | 电子 | 计算机 | 电子 | 电子 | 电子 | 有色金属 | 电子 | 电子 | 化工 | 家用电器 | 传媒 | 传媒 | 汽车 | 电子 | 化工 | 传媒 | 传媒 | 传媒 | 非银金融 | 农林牧渔 | 非银金融 | 传媒 | 医药生物 | 化工 | 医药生物 | 电子 | 电子 | 电子 | 非银金融 | 非银金融 | 公用事业 | 医药生物 | 电气设备 | 医药生物 | 计算机 | 非银金融 | 医药生物 | 电气设备 | 电子 | 医药生物 | 休闲服务 | 电气设备 | 医药生物 | 电子 | 传媒 | 电子 | 机械设备 | 农林牧渔 | 医药生物 | 医药生物 | 医药生物 | 医药生物 | 通信 | 医药生物 | 医药生物 | 银行 | 交通运输 | 钢铁 | 公用事业 | 银行 | 银行 | 交通运输 | 钢铁 | 公用事业 | 化工 | 交通运输 | 非银金融 | 机械设备 | 银行 | 房地产 | 通信 | 非银金融 | 医药生物 | 医药生物 | 汽车 | 非银金融 | 有色金属 | 交通运输 | 国防军工 | 食品饮料 | 化工 | 国防军工 | 医药生物 | 化工 | 电子 | 医药生物 | 交通运输 | 医药生物 | 化工 | 化工 | 医药生物 | 房地产 | 化工 | 化工 | 有色金属 | 房地产 | 电气设备 | 化工 | 医药生物 | 电气设备 | 国防军工 | 有色金属 | 食品饮料 | 医药生物 | 通信 | 有色金属 | 计算机 | 电子 | 建筑材料 | 计算机 | 食品饮料 | 房地产 | 商业贸易 | 汽车 | 家用电器 | 电子 | 非银金融 | 汽车 | 电子 | 国防军工 | 医药生物 | 公用事业 | 食品饮料 | 非银金融 | 计算机 | 房地产 | 食品饮料 | 公用事业 | 食品饮料 | 国防军工 | 公用事业 | 非银金融 | 银行 | 银行 | 非银金融 | 化工 | 非银金融 | 交通运输 | 银行 | 电气设备 | 交通运输 | 非银金融 | 银行 | 采掘 | 机械设备 | 非银金融 | 交通运输 | 电子 | 房地产 | 非银金融 | 银行 | 银行 | 建筑装饰 | 非银金融 | 化工 | 采掘 | 银行 | 电子 | 非银金融 | 汽车 | 银行 | 非银金融 | 非银金融 | 银行 | 非银金融 | 计算机 | 非银金融 | 建筑装饰 | 银行 | 非银金融 | 有色金属 | 非银金融 | 医药生物 | 建筑装饰 | 非银金融 | 汽车 | 银行 | 建筑装饰 | 建筑装饰 | 非银金融 | 非银金融 | 国防军工 | 电气设备 | 机械设备 | 非银金融 | 汽车 | 建筑装饰 | 采掘 | 交通运输 | 银行 | 银行 | 采掘 | 交通运输 | 电气设备 | 非银金融 | 非银金融 | 休闲服务 | 有色金属 | 非银金融 | 银行 | 交通运输 | 商业贸易 | 银行 | 公用事业 | 银行 | 国防军工 | 非银金融 | 非银金融 | 银行 | 计算机 | 医药生物 | 电子 | 轻工制造 | 医药生物 | 医药生物 | 食品饮料 | 机械设备 | 食品饮料 | 医药生物 | 电子 | 食品饮料 | 医药生物 | 电气设备 | 有色金属 | 电气设备 | 轻工制造 | 医药生物 | 轻工制造 | 医药生物 | 电子 | 有色金属 | 电子 | 机械设备 | 机械设备 | 电子 | 计算机 | 电子 | 机械设备 | 医药生物 | 电子 |
IND = IND.set_index('Date').stack()
IND_df = pd.concat([IND, esg], axis=1)
IND_df.head()
| 0 | 1 | ||
|---|---|---|---|
| Date | |||
| 2008-02-29 | 000001.SZ | 银行 | NaN |
| 000002.SZ | 房地产 | NaN | |
| 000063.SZ | 通信 | NaN | |
| 000066.SZ | 计算机 | NaN | |
| 000069.SZ | 房地产 | NaN |
IND_df.columns=['industry','ESG']
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
ESG因子的行业分布
从下图可以看到，不同行业的因子数据可比性较差，商业贸易的因子值明显高于其他的行业，除此之外，剩余行业大概分布在0.8，0.6和0.4的位置上，所以我们需要对因子进行行业中性化处理，消除行业间的差异对因子值的影响（行业中性化的具体做法下文介绍）
IND_median = IND_df.groupby('industry').median()
plt.rc("font",family="SimHei",size="12")
IND_median.plot(kind='bar', figsize=(13, 4), grid=True)
<AxesSubplot:xlabel='industry'>
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tF49h539-1632908049958)(output_33_1.png)]
ESG因子在行业时间序列上的变化
（X轴：时间轴，Y轴：行业）
从热力图可以看出各行业的ESG因子在时间上的变化（颜色越深代表ESG越高，颜色越浅代表ESG越低）：
- 钢铁和化工行业的ESG指标一直处于很低的位置，这可能与行业的特性，对于碳排放比较多有关
- 房地产的ESG指标近期处于相对较高的位置，这可能与行业治理效果获得成效有关
IND_df.head()
| industry | ESG | ||
|---|---|---|---|
| Date | |||
| 2008-02-29 | 000001.SZ | 银行 | NaN |
| 000002.SZ | 房地产 | NaN | |
| 000063.SZ | 通信 | NaN | |
| 000066.SZ | 计算机 | NaN | |
| 000069.SZ | 房地产 | NaN |
industry_map={
'银行':'bank',
}
IND_df = IND_df.replace(industry_map)
pd.to_datetime(['19900304','19900204','19900304','19900306'])
DatetimeIndex(['1990-03-04', '1990-02-04', '1990-03-04', '1990-03-06'], dtype='datetime64[ns]', freq=None)
IND_df.index.get_level_values(level=0).month
Int64Index([2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
...
9, 9, 9, 9, 9, 9, 9, 9, 9, 9],
dtype='int64', name='Date', length=49200)
IND_case.groupby(['Date', 'industry']
)['ESG'].median()
Date industry
2015-01-30 bank 0.8
交通运输 0.4
休闲服务 0.5
传媒 0.4
公用事业 0.8
...
2021-09-24 通信 0.8
采掘 0.8
钢铁 0.8
非银金融 0.8
食品饮料 0.8
Name: ESG, Length: 2106, dtype: float64
IND_case.groupby(['Date', 'industry']
)['ESG'].median().unstack('industry')
| industry | bank | 交通运输 | 休闲服务 | 传媒 | 公用事业 | 农林牧渔 | 化工 | 医药生物 | 商业贸易 | 国防军工 | 家用电器 | 建筑材料 | 建筑装饰 | 房地产 | 有色金属 | 机械设备 | 汽车 | 电子 | 电气设备 | 计算机 | 轻工制造 | 通信 | 采掘 | 钢铁 | 非银金融 | 食品饮料 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Date | ||||||||||||||||||||||||||
| 2015-01-30 | 0.8 | 0.4 | 0.5 | 0.4 | 0.8 | 0.5 | 0.4 | 0.8 | 1.0 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.6 | 0.8 | 0.8 | 0.5 | 0.6 | 0.6 | NaN | 0.8 | 0.5 | 0.4 | 0.8 | 0.6 |
| 2015-02-27 | 0.8 | 0.4 | 0.5 | 0.4 | 0.8 | 0.5 | 0.4 | 0.7 | 1.0 | 0.8 | 0.8 | 0.8 | 0.7 | 0.8 | 0.6 | 0.8 | 0.8 | 0.4 | 0.4 | 0.6 | 0.4 | 0.8 | 0.6 | 0.4 | 0.8 | 0.6 |
| 2015-03-31 | 0.8 | 0.4 | 0.5 | 0.4 | 0.8 | 0.5 | 0.4 | 0.7 | 1.0 | 0.8 | 0.8 | 0.8 | 0.7 | 0.8 | 0.6 | 0.8 | 0.8 | 0.4 | 0.4 | 0.6 | 0.4 | 0.8 | 0.6 | 0.4 | 0.8 | 0.6 |
| 2015-04-30 | 0.8 | 0.6 | 0.5 | 0.4 | 0.8 | 0.5 | 0.4 | 0.8 | 1.0 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.6 | 0.8 | 0.8 | 0.6 | 0.4 | 0.7 | 0.6 | 0.8 | 0.7 | 0.4 | 0.8 | 0.8 |
| 2015-05-29 | 0.8 | 0.6 | 0.5 | 0.4 | 0.8 | 0.5 | 0.4 | 0.8 | 1.0 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.6 | 0.8 | 0.8 | 0.6 | 0.4 | 0.7 | 0.6 | 0.8 | 0.7 | 0.4 | 0.8 | 0.8 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 2021-05-31 | 0.4 | 0.8 | 0.6 | 0.8 | 1.0 | 0.8 | 0.8 | 0.8 | 1.0 | 0.8 | 0.7 | 0.8 | 0.8 | 1.0 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 |
| 2021-06-30 | 0.4 | 0.8 | 0.6 | 0.8 | 1.0 | 0.8 | 0.8 | 0.8 | 1.0 | 0.8 | 0.7 | 0.8 | 0.8 | 1.0 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 |
| 2021-07-30 | 0.4 | 0.8 | 0.6 | 0.8 | 1.0 | 0.8 | 0.8 | 0.8 | 1.0 | 0.8 | 0.7 | 0.8 | 0.8 | 1.0 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 |
| 2021-08-31 | 0.6 | 0.8 | 0.6 | 0.8 | 1.0 | 0.6 | 0.8 | 0.8 | 1.0 | 0.8 | 0.8 | 0.8 | 0.8 | 1.0 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 |
| 2021-09-24 | 0.6 | 0.8 | 0.6 | 0.8 | 1.0 | 0.6 | 0.8 | 0.8 | 1.0 | 0.8 | 0.8 | 0.8 | 0.8 | 1.0 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 |
81 rows × 26 columns
IND_case = IND_df[IND_df.index.get_level_values(level=0).year>2014]
plt.subplots(1, 1, figsize=(18,8))
sns.heatmap(IND_case.groupby(['Date', 'industry']
)['ESG'].median().unstack('Date'), cmap='YlGnBu')
<AxesSubplot:xlabel='Date', ylabel='industry'>
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-z11AauUt-1632908049960)(output_42_1.png)]
ESG因子与市值因子的相关性
市值是非常显著的风格因子，分析ESG因子与市值因子的相关性，有助于我们分析ESG因子的收益来源
从下图可以发现，ESG因子与市值因子的相关性在0.3以上，且十分连续，在某些时期可达到0.4到0.5，我们需要对ESG因子进行市值中性化处理
另一个比较关键的点是：随着时间延续，从2009年到2022年之后，到2015年底到了顶端，发现相关性先上升后降低。
市值因子为公司股票总市值的自然对数
# 读取行业数据
SIZE = pd.read_excel('ESG指标.xlsx',sheet_name='SIZE')
SIZE = SIZE.set_index('Date').stack()
SIZE = SIZE.apply(np.log) #市值因子的定义 SIZE = 市值(亿)的自然对数
SIZE_df = pd.concat([SIZE, esg], axis=1)
SIZE_df = SIZE_df.reset_index() #防止index影响画图的效果
SIZE_df.columns=['Date','level_1','SIZE','esg']
SIZE_df['Date'] = pd.to_datetime(SIZE_df['Date'])
rank_corr_with_mktcap = (SIZE_df.dropna().groupby(by='Date'
).apply(lambda df: st.spearmanr(df.esg, df.SIZE)[0]))
rank_corr_with_mktcap.plot(figsize=(15, 4), grid=True)
<AxesSubplot:xlabel='Date'>
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Y26ebjKv-1632908049961)(output_48_1.png)]
因子数据预处理
- 通过上面的分析，我们需要对 ESG因子 进行去极值，市值和行业的中性化处理
- 在市值和行业中性化处理前，我们需要调整因子的异常值
- 在市值和行业中性化处理后，我们需要对每期因子截面进行标准化处理
MAD去极值
MAD去极值 把均值和标准差替换成稳健统计量，样本均值用样本中位数代替，样本标准差用样本MAD（Median Absolute Deviation）代替，把偏离中位数三倍以上的数据作为异常值：
m
d
=
m
e
d
i
a
n
(
x
_
i
,
i
=
1
,
2
,
.
.
.
,
n
)
md = median(x\_{i}, i=1,2,...,n)
md=median(x_i,i=1,2,...,n)
M
A
D
=
m
e
d
i
a
n
(
∣
x
_
i
−
m
d
∣
,
i
=
1
,
2
,
.
.
.
,
n
)
MAD = median({|x\_{i}-md|, i=1,2,...,n})
MAD=median(∣x_i−md∣,i=1,2,...,n)
M
A
D
_
e
=
1.483
∗
M
A
D
MAD\_{e} = 1.483*MAD
MAD_e=1.483∗MAD
行业和市值中性化
行业和市值中性处理是：将去极值后的因子对 行业虚拟变量 和 对市值对数 回归的方法,取回归的残差作为因子值，
行业划分采用申万一级行业
标准化
标准化 把数据转换成 以0为均值，1为标准差，使不同因子具有可加性:
X
=
X
−
m
e
a
n
(
X
)
/
s
t
d
(
X
)
X = X-mean(X)/std(X)
X=X−mean(X)/std(X)
最后，对于行业中性化后的因子进行横截面正态标准化处理得到标准化 z-score
def factor_process(factor_name, data, mode):
"""
因子预处理函数，中位数去极值->对市值及行业中性化->标准化
输入：
factor_name: 需要进行预处理的因子名
data: 某日的原始因子数据，columns最后的列必须为市值因子，行业哑变量
mode: 'yes'代表中性化，'no'代表不做中性化
返回：
data: 对指定factor_name做完处理的因子数据
"""
# 中位数去极值
D_m = data[factor_name].median()
D_mad = abs(data[factor_name] - D_m)
dm1 = 1.483 * D_mad.median()
upper = D_m + 3 * dm1
lower = D_m - 3 * dm1
# 边界压缩
temp = [max(lower, min(x, upper)) for x in list(data[factor_name])]
data[factor_name] = temp
#市值所在的列数
n = list(data.columns).index('SIZE')
# 中性化
if mode == 'yes':
y = np.array(data[factor_name])
# 市值加行业 （避免伪回归，因子共线性）
x = np.array(data[data.columns[n: ]])
x = sm.add_constant(x, has_constant='add')
model = sm.OLS(y, x, missing='drop')
results = model.fit()
data[factor_name] = results.resid
# 标准化
data[factor_name] = (data[factor_name] - data[factor_name].mean()) / (data[factor_name].std())
return data
原始因子数据
factor_org = pd.concat([esg, SIZE, IND], axis=1)
factor_org.reset_index(inplace=True)
factor_org.head(3)
| Date | level_1 | 0 | 1 | 2 | |
|---|---|---|---|---|---|
| 0 | 2008-02-29 | 000001.SZ | NaN | 6.471946 | 银行 |
| 1 | 2008-02-29 | 000002.SZ | NaN | 7.340221 | 房地产 |
| 2 | 2008-02-29 | 000063.SZ | NaN | 6.410263 | 通信 |
factor_org.columns=['Date','secID','esg','SIZE','industry']
factor_org['industry']
0 银行
1 房地产
2 通信
3 计算机
4 房地产
...
49195 计算机
49196 电子
49197 机械设备
49198 医药生物
49199 电子
Name: industry, Length: 49200, dtype: object
pd.concat([factor_org,pd.get_dummies(factor_org['industry'])],axis=1)
| Date | secID | esg | SIZE | industry | 交通运输 | 休闲服务 | 传媒 | 公用事业 | 农林牧渔 | 化工 | 医药生物 | 商业贸易 | 国防军工 | 家用电器 | 建筑材料 | 建筑装饰 | 房地产 | 有色金属 | 机械设备 | 汽车 | 电子 | 电气设备 | 计算机 | 轻工制造 | 通信 | 采掘 | 钢铁 | 银行 | 非银金融 | 食品饮料 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2008-02-29 | 000001.SZ | NaN | 6.471946 | 银行 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 |
| 1 | 2008-02-29 | 000002.SZ | NaN | 7.340221 | 房地产 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 2 | 2008-02-29 | 000063.SZ | NaN | 6.410263 | 通信 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 |
| 3 | 2008-02-29 | 000066.SZ | NaN | 4.106014 | 计算机 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 4 | 2008-02-29 | 000069.SZ | NaN | 6.333297 | 房地产 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 49195 | 2021-09-24 | 688111.SH | 1.0 | 7.077304 | 计算机 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 49196 | 2021-09-24 | 688126.SH | 0.4 | 6.573751 | 电子 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 49197 | 2021-09-24 | 688169.SH | 0.4 | 6.223107 | 机械设备 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 49198 | 2021-09-24 | 688363.SH | 0.8 | 6.811368 | 医药生物 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 49199 | 2021-09-24 | 688396.SH | 0.8 | 6.824487 | 电子 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
49200 rows × 31 columns
factor_stand = []
# 待处理的因子
factor_list = ['esg', 'SIZE']
date_list = sorted(factor_org['Date'].unique())
for date in date_list:
tdata = factor_org[factor_org['Date'] == date]
tdata.reset_index(drop=True ,inplace=True)
tdata = tdata.dropna()
if(len(tdata)==0):
continue
# 将行业转换成虚拟变量
indu_dummies = pd.get_dummies(tdata['industry'])
del tdata['industry']
tdata = pd.concat([tdata, indu_dummies], axis=1)
# 对市值标准化(不进行中性化)
tdata = factor_process('SIZE', tdata, 'no')
# 对其他因子进行处理
for factor_name in factor_list[: -1]:
tdata = factor_process(factor_name, tdata, 'yes')
factor_stand.append(tdata)
factor_stand = pd.concat(factor_stand)
factor_stand.head()
# 标准化因子存储
| Date | secID | esg | SIZE | 交通运输 | 传媒 | 公用事业 | 农林牧渔 | 化工 | 医药生物 | 商业贸易 | 国防军工 | 家用电器 | 建筑材料 | 建筑装饰 | 房地产 | 有色金属 | 机械设备 | 汽车 | 电子 | 电气设备 | 计算机 | 通信 | 采掘 | 钢铁 | 银行 | 非银金融 | 食品饮料 | 休闲服务 | 轻工制造 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2009-02-27 | 000001.SZ | -0.239193 | 0.661289 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | NaN | NaN |
| 1 | 2009-02-27 | 000002.SZ | 1.116235 | 1.000055 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | NaN | NaN |
| 2 | 2009-02-27 | 000063.SZ | 0.438521 | 0.584647 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | NaN | NaN |
| 3 | 2009-02-27 | 000066.SZ | -0.239193 | -1.090548 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | NaN | NaN |
| 4 | 2009-02-27 | 000069.SZ | 1.116235 | 0.454046 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | NaN | NaN |
factor_stand.sort_values(by=['Date', 'secID'])
factor_stand.reset_index(drop=True, inplace=True)
# 不保留行业哑变量和市值
factor_stand = factor_stand[['Date', 'secID']+factor_list]
factor_stand.fillna(0, inplace=True)
预处理后的因子数据
- 对因子进行去极值，行业和市值中性化，标准化
factor_stand = factor_stand[['Date', 'secID', 'esg']]
factor_stand.head(3)
| Date | secID | esg | |
|---|---|---|---|
| 0 | 2009-02-27 | 000001.SZ | -0.239193 |
| 1 | 2009-02-27 | 000002.SZ | 1.116235 |
| 2 | 2009-02-27 | 000063.SZ | 0.438521 |
去极值，行业和市值中性化后的因子值分布
从下图可以看到，处理后的因子相对原始因子，因子值的分布更加均衡（接近正态分布），我们可以更有效地利用因子的信息去区分好/不好的股票
factor_stand.hist(figsize=(8,4), bins=20, label='factor_distribution')
plt.legend()
<matplotlib.legend.Legend at 0x13dd904f460>
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9qnJ5g8z-1632908049962)(output_64_1.png)]
去极值，行业和市值中性化处理后的ESG因子的行业分布
从下图可以看到，不同行业的因子，在去极值，行业和市值中性化处理后，数据可比性提高
factor_stand_copy = factor_stand.copy()
factor_stand_copy.set_index(['Date', 'secID'], inplace=True)
IND_df = pd.concat([IND, factor_stand_copy], axis=1)
IND_df.columns=['industry','esg']
IND_median = IND_df.groupby('industry').median()
plt.rc("font",family="SimHei",size="12")
IND_median.plot(kind='bar', figsize=(13, 4), grid=True)
<AxesSubplot:xlabel='industry'>
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1pxDuzpz-1632908049964)(output_68_1.png)]
去极值，行业和市值中性化处理后的ESG因子的市值分布
从下图可以看到，ESG因子在去极值，行业和市值中性化处理后，与市值的相关度显著降低
处理前与市值有0.3的相关度，处理后与市值的相关度下降至0.02，最高也不超过0.06
SIZE_df = pd.concat([SIZE, factor_stand_copy], axis=1)
SIZE_df = SIZE_df.reset_index()
SIZE_df.columns=['Date','secID','SIZE','esg']
SIZE_df['Date'] = pd.to_datetime(SIZE_df['Date'])
rank_corr_with_mktcap = (SIZE_df.dropna().groupby(by='Date'
).apply(lambda df: st.spearmanr(df.esg, df.SIZE)[0]))
rank_corr_with_mktcap.plot( figsize=(15, 4), grid=True)
<AxesSubplot:xlabel='Date'>
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3yO8VZv7-1632908049964)(output_72_1.png)]
因子检验
分析因子选股的有效性
准备数据：
- 原始因子和处理后的因子
- 指数成分股：沪深300
- forward_return：股票未来一个月的收益
# 原始/预处理 因子
esg = factor_org.pivot(index='Date', columns='secID', values='esg')
esg_neu = factor_stand.pivot(index='Date', columns='secID', values='esg')
# forward_return
closeprice_adj = pd.read_excel('ESG指标.xlsx',sheet_name='收盘价')
closeprice_adj.head(100)
| Date | 000001.SZ | 000002.SZ | 000063.SZ | 000066.SZ | 000069.SZ | 000100.SZ | 000157.SZ | 000166.SZ | 000333.SZ | 000338.SZ | 000425.SZ | 000538.SZ | 000568.SZ | 000596.SZ | 000625.SZ | 000651.SZ | 000656.SZ | 000661.SZ | 000703.SZ | 000708.SZ | 000725.SZ | 000728.SZ | 000768.SZ | 000776.SZ | 000783.SZ | 000786.SZ | 000800.SZ | 000858.SZ | 000860.SZ | 000876.SZ | 000895.SZ | 000938.SZ | 000963.SZ | 000977.SZ | 001979.SZ | 002001.SZ | 002007.SZ | 002008.SZ | 002024.SZ | 002027.SZ | 002032.SZ | 002044.SZ | 002049.SZ | 002050.SZ | 002120.SZ | 002129.SZ | 002142.SZ | 002153.SZ | 002157.SZ | 002179.SZ | 002202.SZ | 002230.SZ | 002236.SZ | 002241.SZ | 002252.SZ | 002271.SZ | 002304.SZ | 002311.SZ | 002352.SZ | 002371.SZ | 002384.SZ | 002410.SZ | 002414.SZ | 002415.SZ | 002456.SZ | 002460.SZ | 002463.SZ | 002475.SZ | 002493.SZ | 002508.SZ | 002555.SZ | 002558.SZ | 002594.SZ | 002600.SZ | 002601.SZ | 002602.SZ | 002607.SZ | 002624.SZ | 002673.SZ | 002714.SZ | 002736.SZ | 002739.SZ | 002773.SZ | 002812.SZ | 002821.SZ | 002841.SZ | 002916.SZ | 002938.SZ | 002939.SZ | 002945.SZ | 003816.SZ | 300003.SZ | 300014.SZ | 300015.SZ | 300033.SZ | 300059.SZ | 300122.SZ | 300124.SZ | 300136.SZ | 300142.SZ | 300144.SZ | 300274.SZ | 300347.SZ | 300408.SZ | 300413.SZ | 300433.SZ | 300450.SZ | 300498.SZ | 300529.SZ | 300558.SZ | 300595.SZ | 300601.SZ | 300628.SZ | 300676.SZ | 300677.SZ | 600000.SH | 600009.SH | 600010.SH | 600011.SH | 600015.SH | 600016.SH | 600018.SH | 600019.SH | 600025.SH | 600028.SH | 600029.SH | 600030.SH | 600031.SH | 600036.SH | 600048.SH | 600050.SH | 600061.SH | 600079.SH | 600085.SH | 600104.SH | 600109.SH | 600111.SH | 600115.SH | 600118.SH | 600132.SH | 600143.SH | 600150.SH | 600161.SH | 600176.SH | 600183.SH | 600196.SH | 600233.SH | 600276.SH | 600299.SH | 600309.SH | 600332.SH | 600340.SH | 600346.SH | 600352.SH | 600362.SH | 600383.SH | 600406.SH | 600426.SH | 600436.SH | 600438.SH | 600482.SH | 600489.SH | 600519.SH | 600521.SH | 600522.SH | 600547.SH | 600570.SH | 600584.SH | 600585.SH | 600588.SH | 600600.SH | 600606.SH | 600655.SH | 600660.SH | 600690.SH | 600703.SH | 600705.SH | 600741.SH | 600745.SH | 600760.SH | 600763.SH | 600795.SH | 600809.SH | 600837.SH | 600845.SH | 600848.SH | 600872.SH | 600886.SH | 600887.SH | 600893.SH | 600900.SH | 600918.SH | 600919.SH | 600926.SH | 600958.SH | 600989.SH | 600999.SH | 601006.SH | 601009.SH | 601012.SH | 601021.SH | 601066.SH | 601077.SH | 601088.SH | 601100.SH | 601108.SH | 601111.SH | 601138.SH | 601155.SH | 601162.SH | 601166.SH | 601169.SH | 601186.SH | 601211.SH | 601216.SH | 601225.SH | 601229.SH | 601231.SH | 601236.SH | 601238.SH | 601288.SH | 601318.SH | 601319.SH | 601328.SH | 601336.SH | 601360.SH | 601377.SH | 601390.SH | 601398.SH | 601555.SH | 601600.SH | 601601.SH | 601607.SH | 601618.SH | 601628.SH | 601633.SH | 601658.SH | 601668.SH | 601669.SH | 601688.SH | 601696.SH | 601698.SH | 601727.SH | 601766.SH | 601788.SH | 601799.SH | 601800.SH | 601808.SH | 601816.SH | 601818.SH | 601838.SH | 601857.SH | 601872.SH | 601877.SH | 601878.SH | 601881.SH | 601888.SH | 601899.SH | 601901.SH | 601916.SH | 601919.SH | 601933.SH | 601939.SH | 601985.SH | 601988.SH | 601989.SH | 601990.SH | 601995.SH | 601998.SH | 603019.SH | 603087.SH | 603160.SH | 603195.SH | 603233.SH | 603259.SH | 603288.SH | 603338.SH | 603369.SH | 603392.SH | 603501.SH | 603517.SH | 603658.SH | 603659.SH | 603799.SH | 603806.SH | 603833.SH | 603882.SH | 603899.SH | 603939.SH | 603986.SH | 603993.SH | 688008.SH | 688009.SH | 688012.SH | 688036.SH | 688111.SH | 688126.SH | 688169.SH | 688363.SH | 688396.SH | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2008-02-29 | 8.152412 | 9.788029 | 15.862283 | 5.260918 | 6.975751 | 2.377691 | 5.587558 | NaN | NaN | 3.776586 | 3.845318 | 16.766041 | 30.462698 | 8.686557 | 3.902309 | 4.900287 | 2.434613 | 5.740637 | 2.596929 | 5.974301 | 8.925845 | 13.639864 | 15.167191 | 3.971859 | 7.893496 | 5.530945 | 18.648340 | 28.790923 | 13.498115 | 6.429997 | 9.625201 | 9.034445 | 3.971975 | 2.334890 | NaN | 4.973779 | 5.773887 | 10.979077 | 13.531966 | 2.114665 | 10.863962 | 1.601910 | 4.601983 | 2.575517 | 4.798720 | 4.315320 | 8.609297 | 7.226580 | 1.676133 | 5.155387 | 21.042862 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 6.270300 | 26.479311 | 2.565487 | 7.539883 | 6.201279 | 3.974504 | 5.518015 | 10.188209 | NaN | 7.100695 | 11.870745 | 15.524495 | 6.466788 | 14.930870 | 5.528762 | 9.153923 | 6.534003 | 3.974952 | 8.845716 | 8.514938 | 10.808712 | 5.101643 | 14.771519 | 9.755359 | 19.862659 | 8.124875 | 82.302250 | 10.873025 | 5.314248 | 5.003706 | 9.519099 | 5.902073 | 3.457669 | 41.258124 | 17.783564 | 13.705014 | 0.798994 | 1.910967 | 3.321751 | 39.475725 | 5.835579 | 2.806273 | 7.862931 | 7.616922 | 11.056571 | 19.833084 | 11.954580 | 118.469499 | 4.713238 | 2.723713 | 13.002519 | 4.001007 | 8.189668 | 16.040607 | 3.864036 | 30.276119 | 6.597362 | 10.875423 | 10.219540 | 3.977332 | 0.362518 | 0.477865 | 5.281053 | 3.787621 | 5.402020 | 6.007235 | 3.150662 | 8.760511 | 17.055821 | 6.801420 | 12.687671 | 6.819738 | 4.219966 | 2.672804 | 6.892147 | 7.170469 | NaN | NaN | NaN | NaN | NaN | NaN | 9.757311 | 2.927153 | NaN | NaN | NaN | NaN | 25.215255 | NaN | NaN | 17.019150 | NaN | NaN | NaN | 9.941260 | 4.303300 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 28.395651 | NaN | 5.613206 | NaN | NaN | NaN | 7.743300 | 3.325546 | NaN | 31.641667 | 25.283697 | 9.865952 | NaN | 31.300247 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 27.893548 | NaN | NaN | NaN | 15.587243 | 6.919608 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 27.036076 | NaN | 4.052125 | NaN | 2.761402 | NaN | NaN | NaN | 5.475665 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 1 | 2008-03-31 | 6.935083 | 10.777357 | 13.702630 | 3.743040 | 6.623391 | 2.434302 | 4.267532 | NaN | NaN | 3.201693 | 2.902547 | 11.788623 | 26.249997 | 6.933226 | 2.597961 | 4.081148 | 2.434613 | 5.066755 | 1.731286 | 4.627397 | 8.541178 | 8.880462 | 10.269004 | 3.971859 | 5.688329 | 4.594750 | 11.518603 | 19.246971 | 10.573287 | 4.602196 | 7.551152 | 5.901111 | 3.510460 | 1.898000 | NaN | 4.412421 | 4.729003 | 8.429451 | 11.346166 | 1.766751 | 8.799511 | 1.443019 | 3.567865 | 2.197238 | 3.571267 | 3.377618 | 6.806253 | 6.107439 | 1.323198 | 4.446281 | 13.315399 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.268659 | 20.208771 | 2.181513 | 5.668991 | 5.074761 | 3.104810 | 4.733625 | 7.385261 | NaN | 5.063576 | 8.725203 | 12.965892 | 4.549140 | 15.024276 | 5.179094 | 7.716818 | 5.090300 | 3.227282 | 6.498657 | 6.198839 | 5.848890 | 3.850979 | 12.259685 | 5.495354 | 19.740050 | 7.291805 | 54.716638 | 6.263865 | 4.136812 | 3.561164 | 8.506184 | 4.873151 | 2.843566 | 27.940275 | 14.848456 | 10.664352 | 0.786796 | 1.456504 | 2.822469 | 25.718782 | 5.493159 | 1.826034 | 6.393798 | 6.618784 | 7.435118 | 15.279619 | 8.930376 | 114.040563 | 3.824045 | 2.126568 | 8.591178 | 3.201995 | 7.027438 | 12.885472 | 3.724636 | 22.524517 | 5.467373 | 10.875423 | 7.605501 | 2.601830 | 0.362518 | 0.477865 | 4.559257 | 3.787621 | 4.622201 | 5.167514 | 2.500468 | 6.024741 | 12.644487 | 5.678875 | 10.124343 | 5.191144 | 3.334107 | 2.394271 | 6.892147 | 5.783300 | NaN | NaN | NaN | NaN | NaN | NaN | 8.555574 | 2.592161 | NaN | NaN | NaN | NaN | 20.012107 | NaN | NaN | 14.545232 | NaN | NaN | NaN | 8.272027 | 3.624922 | 7.612480 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 21.101319 | NaN | 4.764310 | NaN | NaN | NaN | 5.704741 | 3.121838 | NaN | 20.132010 | 18.720419 | 7.678918 | NaN | 22.659616 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 18.727299 | NaN | NaN | NaN | 11.892438 | 5.224075 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.631761 | NaN | 3.488619 | NaN | 2.492725 | NaN | NaN | NaN | 4.399094 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 2 | 2008-04-30 | 7.284297 | 10.259538 | 14.393812 | 3.278140 | 5.291277 | 2.171462 | 4.091012 | NaN | NaN | 3.509904 | 2.160208 | 12.609460 | 25.784272 | 6.986627 | 2.713366 | 4.401167 | 2.434613 | 4.401296 | 1.515468 | 4.524107 | 8.235014 | 14.557780 | 9.796372 | 3.971859 | 8.488641 | 4.939664 | 13.157922 | 22.627121 | 12.981136 | 4.452734 | 7.699582 | 6.886371 | 3.571832 | 1.743439 | NaN | 5.319418 | 4.503812 | 7.729844 | 11.379060 | 1.625411 | 7.165864 | 1.239350 | 3.036746 | 1.945886 | 3.419529 | 3.396514 | 7.037534 | 6.148705 | 1.844607 | 3.679681 | 13.416083 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 6.298081 | 18.678560 | 2.137339 | 6.044421 | 5.255874 | 3.314516 | 4.679058 | 8.283871 | NaN | 5.243076 | 7.437589 | 19.747310 | 4.477638 | 16.350634 | 3.997042 | 8.021659 | 4.517797 | 3.194158 | 6.867107 | 7.106317 | 11.882707 | 4.356567 | 10.356487 | 6.392608 | 16.739356 | 6.056903 | 58.015750 | 5.580059 | 4.684493 | 3.586472 | 9.173787 | 3.844229 | 3.115935 | 24.075378 | 11.901989 | 11.889430 | 0.831233 | 1.306407 | 2.932515 | 28.299760 | 3.919945 | 1.773547 | 5.828541 | 6.386808 | 7.705963 | 13.671745 | 6.725721 | 111.258048 | 3.452262 | 2.236248 | 7.230711 | 3.187727 | 7.393605 | 14.458222 | 3.814315 | 24.671385 | 4.544630 | 10.875423 | 7.385787 | 2.599893 | 0.362518 | 0.477865 | 4.829282 | 3.787621 | 3.906185 | 4.288043 | 2.459420 | 5.976374 | 20.849568 | 4.408241 | 7.045124 | 5.488023 | 2.915447 | 2.348591 | 6.892147 | 5.758603 | NaN | NaN | NaN | NaN | NaN | NaN | 8.154995 | 2.964772 | NaN | NaN | NaN | NaN | 24.204644 | NaN | NaN | 13.009999 | NaN | NaN | NaN | 9.159439 | 4.469011 | 9.556423 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 27.518257 | NaN | 5.164912 | NaN | NaN | NaN | 6.333229 | 3.391752 | NaN | 21.545997 | 21.018285 | 6.658302 | NaN | 29.408606 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 22.237595 | NaN | NaN | NaN | 12.479463 | 6.363159 | NaN | NaN | NaN | NaN | 5.235949 | NaN | NaN | 23.031551 | NaN | 4.277528 | NaN | 2.612137 | NaN | NaN | NaN | 4.448591 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 3 | 2008-05-30 | 6.204686 | 8.314562 | 16.134567 | 3.119200 | 4.412664 | 2.151244 | 4.091012 | NaN | NaN | 2.987546 | 2.448235 | 12.028762 | 25.616389 | 6.345815 | 2.283951 | 3.717490 | 1.707610 | 4.363390 | 1.468036 | 4.273963 | 6.798400 | 11.458847 | 9.547166 | 3.971859 | 7.771335 | 4.812374 | 12.741587 | 17.974444 | 12.195044 | 3.991892 | 8.071910 | 7.648815 | 3.780496 | 1.665129 | NaN | 6.796450 | 4.822457 | 7.612547 | 10.542334 | 1.576485 | 7.263968 | 1.193182 | 2.971592 | 1.686188 | 2.916367 | 3.635073 | 6.215032 | 6.789986 | 1.694579 | 3.724713 | 13.516767 | 2.715080 | 1.080011 | 1.377079 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.466112 | 18.196210 | 1.865500 | 6.532479 | 4.299282 | 2.728043 | 4.269811 | 7.542876 | NaN | 5.647996 | 6.279324 | 17.057212 | 4.457712 | 13.852037 | 3.011709 | 8.483274 | 4.051082 | 2.914965 | 6.414522 | 5.571280 | 11.998879 | 4.195288 | 9.805815 | 5.601984 | 16.040336 | 5.483555 | 45.863498 | 6.138589 | 4.629252 | 3.214086 | 8.304752 | 3.463309 | 3.272494 | 23.468436 | 9.610553 | 12.488749 | 0.803351 | 1.286950 | 2.565696 | 24.626830 | 3.300854 | 2.268110 | 6.873733 | 5.750468 | 7.705963 | 12.275687 | 7.380457 | 102.151085 | 4.070948 | 2.321554 | 7.428893 | 3.366349 | 6.605316 | 13.856098 | 3.998007 | 22.093384 | 4.307777 | 10.875423 | 5.678774 | 2.353852 | 0.362518 | 0.477865 | 5.296632 | 3.787621 | 4.090506 | 4.029667 | 2.750173 | 5.126925 | 19.739010 | 4.731337 | 8.302606 | 4.622833 | 2.895825 | 2.154536 | 6.892147 | 6.030274 | NaN | NaN | NaN | NaN | NaN | NaN | 7.423073 | 2.574246 | NaN | NaN | NaN | NaN | 23.659314 | NaN | NaN | 10.781719 | NaN | NaN | NaN | 7.826733 | 3.997771 | 8.366730 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 22.655660 | NaN | 4.201558 | NaN | NaN | NaN | 5.382439 | 2.994520 | NaN | 18.985000 | 17.427870 | 6.423399 | NaN | 24.214609 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 21.164766 | NaN | NaN | NaN | 12.489221 | 5.459748 | NaN | NaN | NaN | NaN | 4.314302 | NaN | NaN | 19.351518 | NaN | 3.662793 | NaN | 2.368338 | NaN | NaN | NaN | 3.941241 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 4 | 2008-06-30 | 4.753729 | 6.106005 | 14.568353 | 2.149522 | 3.302149 | 1.649826 | 2.692990 | NaN | NaN | 2.016381 | 2.166146 | 11.827918 | 20.560073 | 5.584851 | 1.565586 | 2.845621 | 1.154509 | 2.805036 | 1.017427 | 3.028793 | 4.655256 | 8.383936 | 7.357013 | 3.971859 | 5.785432 | 3.229651 | 7.013474 | 14.490901 | 10.557119 | 2.783737 | 7.672840 | 5.339025 | 2.994938 | 1.255029 | NaN | 4.836360 | 4.656942 | 6.644850 | 8.490608 | 1.163337 | 6.018473 | 0.871869 | 2.317588 | 1.343942 | 2.370428 | 2.671770 | 5.175201 | 5.628748 | 1.475685 | 2.624797 | 10.075906 | 2.226677 | 0.834522 | 1.161924 | 1.028116 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4.276475 | 13.156492 | 1.373875 | 4.559522 | 3.368623 | 2.156705 | 3.322569 | 5.315409 | NaN | 4.278840 | 4.186216 | 11.916137 | 3.259768 | 10.937785 | 2.348436 | 5.871188 | 3.011864 | 1.952901 | 5.776261 | 3.605235 | 9.715749 | 3.540507 | 6.202299 | 4.351030 | 10.923225 | 4.207850 | 34.352826 | 4.942452 | 3.598600 | 2.170126 | 6.958035 | 2.428846 | 2.802013 | 14.476115 | 8.415412 | 9.521002 | 0.777211 | 0.914560 | 3.073129 | 18.888249 | 2.623904 | 1.707319 | 5.911197 | 5.080077 | 5.810051 | 8.164535 | 5.625087 | 84.668081 | 3.871874 | 1.895022 | 6.295568 | 2.765556 | 4.140781 | 9.631589 | 3.777847 | 17.667668 | 3.330755 | 10.875423 | 3.630974 | 1.751787 | 0.362518 | 0.477865 | 3.383613 | 3.787621 | 2.630117 | 2.603632 | 2.199454 | 3.932859 | 20.068395 | 3.422798 | 5.263691 | 3.375940 | 2.081182 | 2.182603 | 6.892147 | 6.030274 | NaN | NaN | NaN | NaN | NaN | NaN | 6.730715 | 2.045783 | NaN | NaN | NaN | NaN | 18.866933 | NaN | NaN | 7.506517 | NaN | NaN | NaN | 5.778170 | 3.560191 | 7.278122 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.822696 | NaN | 3.638902 | NaN | NaN | NaN | 4.189923 | 2.591144 | NaN | 12.943646 | 14.032431 | 5.451384 | NaN | 19.472149 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 20.200534 | NaN | NaN | NaN | 10.412330 | 4.039166 | NaN | NaN | NaN | NaN | 3.885861 | NaN | NaN | 14.700267 | NaN | 3.057592 | NaN | 2.062490 | NaN | NaN | NaN | 3.203916 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 95 | 2016-01-29 | 7.683397 | 19.132302 | 13.946020 | 20.994338 | 5.233931 | 3.145071 | 3.486136 | 5.479689 | 15.493755 | 3.030094 | 2.812814 | 53.006342 | 19.076115 | 25.825411 | 9.000215 | 14.347177 | 2.775602 | 40.904422 | 4.601696 | 4.583483 | 2.156700 | 9.031697 | 16.766759 | 11.698349 | 8.250849 | 8.412318 | 11.887586 | 21.354643 | 15.162856 | 8.390987 | 12.561014 | 24.199216 | 17.573758 | 17.424625 | 11.675868 | 6.017786 | 13.274085 | 19.653878 | 10.265540 | 8.015612 | 17.808334 | 10.659677 | 59.711321 | 3.524524 | 6.241639 | 8.035901 | 8.277346 | 18.843697 | 4.592150 | 16.922156 | 10.019368 | 16.572188 | 11.342713 | 13.192280 | 20.747087 | 4.996741 | 51.313838 | 11.477008 | 10.116996 | 27.601187 | 12.305652 | 10.665884 | 4.782718 | 10.562447 | 8.700747 | 11.895541 | 3.468048 | 5.537091 | 3.260874 | 17.988231 | 15.545337 | 32.944336 | 46.683538 | 3.528439 | 8.296328 | 6.631226 | 4.714032 | 23.358375 | 20.065917 | 4.535299 | 13.002680 | 51.118939 | 31.243628 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 14.814556 | 5.092316 | 5.799571 | 57.474169 | 8.516688 | 11.162849 | 11.121714 | 15.357884 | 9.209325 | 12.485501 | 9.667704 | 16.590865 | 12.608352 | 15.916843 | 10.539932 | 8.296054 | 21.255247 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 9.822357 | 24.484834 | 2.105370 | 5.590589 | 6.598270 | 5.587527 | 3.982923 | 3.978439 | NaN | 3.076445 | 6.050173 | 12.834193 | 4.426568 | 12.427623 | 6.738018 | 3.829207 | 11.599412 | 15.769781 | 27.138734 | 13.705903 | 10.846722 | 11.313543 | 5.854507 | 29.621240 | 10.726221 | 5.122127 | 22.264598 | 12.012258 | 4.854019 | 4.486914 | 17.043404 | 11.911841 | 13.419041 | 11.882024 | 9.690303 | 19.590777 | 14.683982 | 5.135040 | 6.980321 | 11.780889 | 11.828266 | 9.690302 | 4.364701 | 30.083962 | 5.542356 | 30.102678 | 7.314518 | 184.089675 | 12.852588 | 6.014786 | 8.367456 | 16.493031 | 21.942468 | 10.638934 | 8.151350 | 25.870758 | 8.910612 | 9.089765 | 10.478562 | 8.866947 | 11.233748 | 4.451892 | 10.612815 | 24.190151 | 7.075087 | 30.985206 | 2.459791 | 10.597006 | 10.727998 | 11.447631 | 11.268974 | 10.316689 | 5.188554 | 11.393927 | 34.778941 | 9.674593 | NaN | NaN | NaN | 16.398695 | NaN | 11.038128 | 4.761564 | 4.629089 | 4.167227 | 48.295434 | NaN | NaN | 8.688631 | 4.792697 | NaN | 6.108436 | NaN | 7.723122 | NaN | 11.363936 | 4.951583 | 8.906052 | 15.002629 | 2.661402 | 3.176296 | NaN | 9.040999 | NaN | 12.575901 | 2.200719 | 26.383115 | NaN | 3.889982 | 33.281839 | 10.362690 | 6.977797 | 7.031416 | 3.077424 | 9.113641 | 3.760000 | 19.179260 | 13.904782 | 3.436664 | 18.659933 | 7.224906 | NaN | 3.007134 | 5.746026 | 12.862381 | NaN | NaN | 7.560166 | 8.685972 | 14.905867 | 22.206220 | 9.501585 | 11.645347 | NaN | 2.696101 | NaN | 6.482953 | 3.594525 | 14.843910 | NaN | NaN | 21.869956 | 2.482303 | 6.641441 | NaN | 4.199320 | 3.579630 | 3.614699 | 6.265259 | 2.365751 | 6.164722 | NaN | NaN | 4.354927 | 15.670144 | NaN | NaN | NaN | NaN | NaN | 16.301256 | 15.552109 | 9.494385 | NaN | NaN | NaN | NaN | NaN | 8.382348 | 14.257018 | NaN | NaN | 15.270887 | 14.167520 | NaN | 2.991361 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 96 | 2016-02-29 | 7.345328 | 19.132302 | 13.304153 | 20.994338 | 5.274693 | 3.240640 | 3.285322 | 5.014050 | 14.790267 | 2.983993 | 2.784306 | 48.597246 | 17.792405 | 25.512778 | 8.439226 | 14.722517 | 2.722806 | 38.757834 | 6.203805 | 5.073695 | 2.232373 | 7.876357 | 15.670955 | 10.858511 | 7.327247 | 7.643401 | 11.564760 | 20.271568 | 13.839115 | 8.390987 | 12.404269 | 19.775588 | 17.415971 | 16.228407 | 11.279115 | 8.161166 | 12.263275 | 17.561193 | 9.918210 | 7.678570 | 19.496165 | 10.659677 | 59.711321 | 3.411352 | 5.955258 | 7.513961 | 8.154517 | 16.726163 | 5.307771 | 17.675540 | 9.043699 | 16.578738 | 11.824893 | 11.395085 | 21.215854 | 5.616637 | 50.005034 | 12.470932 | 9.990594 | 22.320093 | 10.039515 | 11.081193 | 4.741297 | 11.035867 | 7.844936 | 11.604459 | 3.355897 | 5.517159 | 3.382908 | 19.263134 | 15.657073 | 37.359336 | 49.547920 | 3.475124 | 7.954387 | 7.072012 | 5.192562 | 20.847349 | 15.969645 | 5.900800 | 12.031267 | 53.000011 | 28.955320 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 14.862922 | 4.975282 | 5.543563 | 49.251560 | 7.330317 | 11.123818 | 10.142623 | 15.723105 | 10.865606 | 12.053103 | 9.478670 | 18.695773 | 12.872698 | 14.056963 | 10.779435 | 10.320596 | 23.409230 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 10.723224 | 25.753576 | 1.956003 | 5.615037 | 6.445949 | 5.543728 | 3.957337 | 3.871533 | NaN | 3.055374 | 5.609813 | 12.639468 | 4.500191 | 12.071127 | 7.024249 | 3.800843 | 9.589428 | 14.731402 | 25.346289 | 13.492438 | 11.011360 | 10.987760 | 5.371461 | 28.528134 | 10.441375 | 5.714177 | 20.806738 | 13.011265 | 4.517896 | 4.510654 | 16.818532 | 11.911841 | 13.714870 | 13.160929 | 9.137382 | 18.747864 | 14.579748 | 4.618955 | 7.393040 | 11.904298 | 10.432838 | 9.391680 | 4.437303 | 29.194749 | 6.453620 | 29.262694 | 9.268085 | 197.172749 | 13.751371 | 5.840334 | 12.663987 | 14.399860 | 21.942468 | 11.390774 | 7.118758 | 24.976716 | 10.164023 | 9.615185 | 10.649143 | 6.685964 | 10.599538 | 4.199813 | 9.768701 | 24.190151 | 6.656820 | 27.835011 | 2.476873 | 10.065811 | 10.984903 | 9.761263 | 11.301217 | 10.497851 | 5.146643 | 11.094986 | 34.126410 | 9.107379 | NaN | NaN | NaN | 15.577858 | NaN | 10.293902 | 4.537820 | 4.619590 | 4.239283 | 42.994358 | NaN | NaN | 8.837764 | 4.357838 | NaN | 5.796877 | NaN | 8.349835 | NaN | 11.143888 | 5.100184 | 8.588294 | 14.104889 | 2.567745 | 3.505987 | NaN | 7.812304 | NaN | 11.852199 | 2.200719 | 25.360310 | NaN | 3.759104 | 30.570120 | 9.947410 | 6.596694 | 6.439575 | 3.024883 | 8.391684 | 4.500000 | 19.377070 | 13.486392 | 3.472277 | 18.148702 | 7.112287 | NaN | 3.007134 | 5.363564 | 12.024297 | NaN | NaN | 8.094723 | 8.169367 | 13.681228 | 22.695181 | 9.290439 | 11.607134 | NaN | 2.567715 | NaN | 6.326527 | 3.511283 | 14.739437 | NaN | NaN | 19.759030 | 2.784806 | 6.249037 | NaN | 4.245467 | 3.662555 | 3.404280 | 6.017481 | 2.329016 | 5.806193 | NaN | NaN | 4.221533 | 13.131140 | NaN | NaN | NaN | NaN | NaN | 15.387721 | 12.655217 | 9.990946 | NaN | NaN | NaN | NaN | NaN | 7.670690 | 13.992377 | NaN | NaN | 16.026404 | 13.477335 | NaN | 3.010057 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 97 | 2016-03-31 | 8.175135 | 19.132302 | 14.646238 | 13.742812 | 5.714931 | 3.327520 | 3.686950 | 5.999314 | 17.502099 | 3.386330 | 3.335465 | 54.163840 | 22.128293 | 34.977042 | 9.616083 | 14.722517 | 3.062213 | 43.400256 | 5.679750 | 5.294291 | 2.412098 | 9.770270 | 18.764417 | 14.183930 | 9.042508 | 8.723547 | 13.378282 | 25.371049 | 16.464034 | 7.105164 | 15.040443 | 22.852427 | 18.093676 | 21.406440 | 12.185978 | 9.106143 | 13.474425 | 21.457252 | 11.047033 | 8.387988 | 21.356223 | 10.659677 | 43.321730 | 3.869432 | 8.874142 | 8.616928 | 9.191744 | 21.309447 | 5.852860 | 20.718051 | 10.269540 | 18.294910 | 13.791882 | 12.334637 | 21.050407 | 6.345485 | 58.285400 | 15.246418 | 13.456917 | 27.122899 | 12.437404 | 12.780183 | 6.533487 | 12.261191 | 10.515384 | 16.572255 | 4.071937 | 5.830090 | 3.848342 | 21.398829 | 16.895486 | 33.600981 | 57.689827 | 4.042195 | 12.399612 | 8.102672 | 7.025231 | 25.252998 | 22.450562 | 6.620117 | 14.633585 | 53.000011 | 32.963598 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 17.939010 | 7.126122 | 5.876374 | 72.956001 | 9.787012 | 15.788016 | 12.113479 | 18.254897 | 11.135001 | 15.814968 | 11.919901 | 17.937483 | 16.177021 | 16.680618 | 11.867769 | 11.566779 | 25.244286 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 10.420997 | 28.489894 | 2.105370 | 6.495188 | 7.034462 | 5.976729 | 4.733452 | 4.008983 | NaN | 3.343351 | 6.040600 | 15.755079 | 5.236418 | 13.339590 | 7.178968 | 4.150672 | 11.916777 | 18.050334 | 28.165656 | 14.765865 | 13.974839 | 12.517951 | 5.873828 | 34.842777 | 12.052534 | 5.732118 | 24.912548 | 11.661800 | 5.318660 | 4.967654 | 18.673724 | 11.911841 | 14.404121 | 13.868409 | 10.455887 | 21.174712 | 15.817528 | 5.147942 | 9.519436 | 13.442174 | 8.489466 | 10.750412 | 5.163330 | 35.724299 | 6.453620 | 32.134266 | 9.740576 | 227.201432 | 14.638918 | 7.050118 | 13.180372 | 24.133519 | 21.942468 | 13.654377 | 9.131437 | 27.009486 | 10.065269 | 11.252744 | 12.095022 | 7.570871 | 11.544981 | 5.599751 | 11.679468 | 24.190151 | 8.570922 | 32.207522 | 2.630610 | 12.284727 | 12.659215 | 11.804579 | 12.429726 | 12.385748 | 5.783687 | 12.444492 | 38.460386 | 9.810405 | NaN | NaN | NaN | 18.319995 | NaN | 13.182384 | 4.803517 | 5.097697 | 5.063922 | 45.317850 | NaN | NaN | 9.116578 | 5.366340 | NaN | 6.476641 | NaN | 8.710669 | NaN | 12.204836 | 5.349620 | 9.894633 | 17.013914 | 3.024320 | 3.522070 | NaN | 9.123524 | NaN | 13.090110 | 2.355285 | 27.808048 | NaN | 4.049944 | 36.671489 | 12.197649 | 7.975921 | 7.110917 | 3.220036 | 11.389928 | 4.390000 | 21.618908 | 15.248970 | 3.739375 | 21.782094 | 7.900616 | NaN | 3.341260 | 5.882619 | 15.094330 | NaN | NaN | 9.001561 | 8.966164 | 17.455675 | 32.898786 | 10.733272 | 12.400050 | NaN | 2.832039 | NaN | 6.613307 | 3.882087 | 17.621158 | NaN | NaN | 21.703554 | 2.909366 | 7.769603 | NaN | 4.683857 | 4.123254 | 3.644759 | 6.831611 | 2.497998 | 7.160639 | NaN | NaN | 4.762956 | 17.329395 | NaN | NaN | NaN | NaN | NaN | 18.211374 | 14.085869 | 12.477482 | NaN | NaN | NaN | NaN | NaN | 11.462576 | 16.138911 | NaN | NaN | 17.778259 | 16.082918 | NaN | 3.346585 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 98 | 2016-04-29 | 8.121351 | 19.132302 | 13.839042 | 11.734997 | 5.421439 | 3.056419 | 3.437940 | 5.668643 | 18.211260 | 3.369566 | 3.192924 | 53.412791 | 21.095939 | 37.326529 | 9.762428 | 14.722517 | 2.933993 | 44.822616 | 5.709696 | 6.083532 | 2.260751 | 8.831227 | 16.921916 | 13.411957 | 8.550579 | 8.439780 | 11.954050 | 25.632792 | 15.283196 | 7.361445 | 15.548604 | 21.720551 | 17.770344 | 19.290055 | 11.505831 | 8.852718 | 14.202937 | 20.975066 | 10.767501 | 8.918013 | 23.126723 | 10.659677 | 38.219216 | 3.955659 | 8.650178 | 8.163924 | 9.567057 | 19.170738 | 5.520934 | 21.396096 | 9.863011 | 18.294909 | 13.347753 | 13.813830 | 20.625759 | 6.277860 | 58.992154 | 14.243117 | 13.466640 | 22.648916 | 11.165996 | 12.383752 | 6.130151 | 12.121950 | 10.123137 | 20.126686 | 3.847635 | 5.624791 | 3.502105 | 23.939329 | 16.895486 | 31.233323 | 62.496495 | 4.987312 | 10.501214 | 7.292404 | 6.231074 | 27.238460 | 19.617238 | 5.846224 | 13.662172 | 53.000011 | 32.709342 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 16.976523 | 7.674885 | 6.258417 | 72.595958 | 8.694743 | 13.114396 | 11.606506 | 19.189617 | 11.135001 | 14.791519 | 12.135939 | 19.382157 | 15.496329 | 15.619495 | 12.514077 | 11.566779 | 22.864601 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 10.362877 | 25.763045 | 2.162272 | 6.095861 | 7.041386 | 6.101381 | 4.187613 | 4.253341 | NaN | 3.420614 | 5.801274 | 14.551320 | 4.969536 | 14.715831 | 6.923681 | 3.819752 | 10.273942 | 15.604805 | 26.018456 | 14.971969 | 12.648052 | 13.258366 | 5.883489 | 31.514657 | 12.043633 | 5.525797 | 22.522451 | 10.831979 | 5.227215 | 5.151641 | 18.092806 | 16.613429 | 14.236383 | 12.408099 | 11.564968 | 20.415164 | 16.403845 | 4.515738 | 8.397919 | 13.223834 | 8.876679 | 10.429393 | 5.077915 | 34.393725 | 6.453620 | 32.896112 | 10.313017 | 230.467613 | 15.110779 | 8.142336 | 15.286023 | 22.573983 | 21.942468 | 13.072308 | 8.426353 | 27.338870 | 9.449958 | 10.385801 | 11.656385 | 7.445733 | 11.439280 | 5.154112 | 11.464603 | 24.190151 | 7.096355 | 30.339267 | 2.519577 | 12.237659 | 13.314765 | 10.938910 | 12.429726 | 11.708775 | 5.481930 | 12.837386 | 35.470430 | 9.850350 | NaN | NaN | NaN | 16.299473 | NaN | 12.327629 | 4.572780 | 5.322502 | 4.979857 | 45.142124 | NaN | NaN | 9.583430 | 6.249936 | NaN | 6.429435 | NaN | 8.312800 | NaN | 12.668510 | 5.466378 | 9.223810 | 15.779520 | 3.082855 | 3.948256 | NaN | 8.454160 | NaN | 14.220100 | 2.296402 | 28.009112 | NaN | 3.911795 | 36.065872 | 11.869288 | 7.413342 | 6.607411 | 3.197519 | 10.455631 | 4.210000 | 22.756312 | 16.112455 | 3.543503 | 19.801074 | 7.337524 | NaN | 3.229884 | 5.727813 | 15.358988 | NaN | NaN | 7.856082 | 8.274439 | 15.865472 | 38.691251 | 10.029451 | 12.524241 | NaN | 2.756518 | NaN | 6.448191 | 3.821548 | 16.419715 | NaN | NaN | 20.928597 | 2.855983 | 7.367389 | NaN | 4.368524 | 3.925154 | 3.524519 | 6.265259 | 2.461263 | 6.274273 | NaN | NaN | 4.606022 | 17.591042 | NaN | NaN | NaN | NaN | NaN | 17.352197 | 13.623220 | 13.369797 | NaN | NaN | NaN | NaN | NaN | 10.582511 | 16.322425 | NaN | NaN | 18.132408 | 16.880108 | NaN | 3.150277 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 99 | 2016-05-31 | 8.105984 | 19.132302 | 13.401405 | 10.711596 | 5.396982 | 3.020879 | 3.341550 | 5.763121 | 18.857505 | 3.327656 | 3.050383 | 55.153456 | 22.029547 | 40.396021 | 8.841674 | 14.722517 | 2.811743 | 45.029082 | 4.886182 | 5.338410 | 2.241833 | 9.031697 | 16.844337 | 13.954883 | 9.189363 | 8.322545 | 12.599702 | 27.103970 | 16.826856 | 7.604470 | 16.198036 | 22.010684 | 16.999519 | 19.939529 | 11.481540 | 8.629359 | 15.068044 | 22.390673 | 10.689898 | 7.996585 | 23.670962 | 9.506346 | 40.740692 | 4.998293 | 7.540866 | 8.163924 | 10.167556 | 18.870571 | 6.206103 | 23.114399 | 9.443974 | 19.083766 | 12.789592 | 13.067006 | 20.719832 | 5.973547 | 59.620380 | 16.123878 | 14.815257 | 29.942804 | 12.516455 | 12.223292 | 6.141201 | 12.870489 | 11.561376 | 20.699147 | 5.202072 | 5.682594 | 3.465210 | 23.813700 | 16.895486 | 31.849929 | 58.660970 | 6.262009 | 9.536970 | 6.543718 | 5.589640 | 24.955657 | 19.982828 | 5.685769 | 13.938446 | 53.000011 | 33.397330 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 17.460185 | 8.847835 | 6.486855 | 76.253233 | 8.762484 | 13.559477 | 11.841327 | 17.746082 | 11.135001 | 13.594110 | 11.779476 | 19.629978 | 16.831397 | 15.380451 | 14.928488 | 11.566779 | 22.560394 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 10.630231 | 26.236456 | 2.169385 | 6.120309 | 7.062157 | 5.963608 | 4.469061 | 4.039528 | NaN | 3.392518 | 6.547972 | 14.861111 | 4.684248 | 14.923096 | 6.826883 | 3.781933 | 10.865114 | 16.109438 | 25.673037 | 14.935165 | 12.725529 | 14.847791 | 6.501787 | 31.169635 | 14.803075 | 5.588591 | 22.453029 | 11.597348 | 5.130093 | 5.691733 | 18.064697 | 16.508882 | 14.010699 | 11.927376 | 11.407133 | 22.110253 | 16.456082 | 4.031909 | 7.805758 | 12.654250 | 8.146088 | 10.229791 | 4.945522 | 37.206599 | 6.297576 | 30.805920 | 9.389652 | 242.642395 | 17.762187 | 8.612597 | 14.839826 | 25.418626 | 18.803559 | 12.312384 | 8.386669 | 27.884706 | 8.637140 | 9.553886 | 11.924441 | 8.178686 | 11.938427 | 5.253143 | 11.288106 | 24.917749 | 6.040054 | 27.417634 | 2.519577 | 14.053136 | 14.041186 | 10.695259 | 12.429726 | 11.499009 | 5.565751 | 13.558395 | 32.879783 | 9.954206 | NaN | NaN | NaN | 15.974747 | NaN | 12.209732 | 4.544812 | 5.664459 | 4.835626 | 48.881188 | NaN | NaN | 9.045254 | 5.492578 | NaN | 6.589935 | NaN | 7.616613 | NaN | 12.731381 | 5.710507 | 8.923705 | 15.874474 | 2.887738 | 3.562276 | NaN | 9.114354 | NaN | 15.070767 | 2.347924 | 28.603563 | NaN | 4.020860 | 38.217169 | 10.765628 | 7.510501 | 6.404242 | 3.272578 | 10.718933 | 4.110000 | 22.492566 | 16.406218 | 3.380358 | 19.737170 | 7.585242 | NaN | 3.218161 | 5.472839 | 16.302935 | NaN | NaN | 7.445618 | 8.493339 | 16.084445 | 39.010858 | 9.677540 | 12.008368 | NaN | 2.801830 | NaN | 6.404740 | 3.700469 | 16.368229 | NaN | NaN | 21.004667 | 2.722526 | 7.249667 | NaN | 4.083954 | 3.985044 | 3.667304 | 6.132521 | 2.468610 | 6.124886 | NaN | NaN | 4.551095 | 18.600694 | NaN | NaN | NaN | NaN | NaN | 18.047736 | 14.563682 | 11.716132 | NaN | NaN | NaN | NaN | NaN | 17.047186 | 16.082955 | NaN | NaN | 18.094208 | 16.741001 | NaN | 3.608329 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
100 rows × 301 columns
closeprice_adj = closeprice_adj.set_index('Date')
chgpct_a = closeprice_adj.pct_change()
forward_return = chgpct_a.shift(-1)
forward_return.head()
| 000001.SZ | 000002.SZ | 000063.SZ | 000066.SZ | 000069.SZ | 000100.SZ | 000157.SZ | 000166.SZ | 000333.SZ | 000338.SZ | 000425.SZ | 000538.SZ | 000568.SZ | 000596.SZ | 000625.SZ | 000651.SZ | 000656.SZ | 000661.SZ | 000703.SZ | 000708.SZ | 000725.SZ | 000728.SZ | 000768.SZ | 000776.SZ | 000783.SZ | 000786.SZ | 000800.SZ | 000858.SZ | 000860.SZ | 000876.SZ | 000895.SZ | 000938.SZ | 000963.SZ | 000977.SZ | 001979.SZ | 002001.SZ | 002007.SZ | 002008.SZ | 002024.SZ | 002027.SZ | 002032.SZ | 002044.SZ | 002049.SZ | 002050.SZ | 002120.SZ | 002129.SZ | 002142.SZ | 002153.SZ | 002157.SZ | 002179.SZ | 002202.SZ | 002230.SZ | 002236.SZ | 002241.SZ | 002252.SZ | 002271.SZ | 002304.SZ | 002311.SZ | 002352.SZ | 002371.SZ | 002384.SZ | 002410.SZ | 002414.SZ | 002415.SZ | 002456.SZ | 002460.SZ | 002463.SZ | 002475.SZ | 002493.SZ | 002508.SZ | 002555.SZ | 002558.SZ | 002594.SZ | 002600.SZ | 002601.SZ | 002602.SZ | 002607.SZ | 002624.SZ | 002673.SZ | 002714.SZ | 002736.SZ | 002739.SZ | 002773.SZ | 002812.SZ | 002821.SZ | 002841.SZ | 002916.SZ | 002938.SZ | 002939.SZ | 002945.SZ | 003816.SZ | 300003.SZ | 300014.SZ | 300015.SZ | 300033.SZ | 300059.SZ | 300122.SZ | 300124.SZ | 300136.SZ | 300142.SZ | 300144.SZ | 300274.SZ | 300347.SZ | 300408.SZ | 300413.SZ | 300433.SZ | 300450.SZ | 300498.SZ | 300529.SZ | 300558.SZ | 300595.SZ | 300601.SZ | 300628.SZ | 300676.SZ | 300677.SZ | 600000.SH | 600009.SH | 600010.SH | 600011.SH | 600015.SH | 600016.SH | 600018.SH | 600019.SH | 600025.SH | 600028.SH | 600029.SH | 600030.SH | 600031.SH | 600036.SH | 600048.SH | 600050.SH | 600061.SH | 600079.SH | 600085.SH | 600104.SH | 600109.SH | 600111.SH | 600115.SH | 600118.SH | 600132.SH | 600143.SH | 600150.SH | 600161.SH | 600176.SH | 600183.SH | 600196.SH | 600233.SH | 600276.SH | 600299.SH | 600309.SH | 600332.SH | 600340.SH | 600346.SH | 600352.SH | 600362.SH | 600383.SH | 600406.SH | 600426.SH | 600436.SH | 600438.SH | 600482.SH | 600489.SH | 600519.SH | 600521.SH | 600522.SH | 600547.SH | 600570.SH | 600584.SH | 600585.SH | 600588.SH | 600600.SH | 600606.SH | 600655.SH | 600660.SH | 600690.SH | 600703.SH | 600705.SH | 600741.SH | 600745.SH | 600760.SH | 600763.SH | 600795.SH | 600809.SH | 600837.SH | 600845.SH | 600848.SH | 600872.SH | 600886.SH | 600887.SH | 600893.SH | 600900.SH | 600918.SH | 600919.SH | 600926.SH | 600958.SH | 600989.SH | 600999.SH | 601006.SH | 601009.SH | 601012.SH | 601021.SH | 601066.SH | 601077.SH | 601088.SH | 601100.SH | 601108.SH | 601111.SH | 601138.SH | 601155.SH | 601162.SH | 601166.SH | 601169.SH | 601186.SH | 601211.SH | 601216.SH | 601225.SH | 601229.SH | 601231.SH | 601236.SH | 601238.SH | 601288.SH | 601318.SH | 601319.SH | 601328.SH | 601336.SH | 601360.SH | 601377.SH | 601390.SH | 601398.SH | 601555.SH | 601600.SH | 601601.SH | 601607.SH | 601618.SH | 601628.SH | 601633.SH | 601658.SH | 601668.SH | 601669.SH | 601688.SH | 601696.SH | 601698.SH | 601727.SH | 601766.SH | 601788.SH | 601799.SH | 601800.SH | 601808.SH | 601816.SH | 601818.SH | 601838.SH | 601857.SH | 601872.SH | 601877.SH | 601878.SH | 601881.SH | 601888.SH | 601899.SH | 601901.SH | 601916.SH | 601919.SH | 601933.SH | 601939.SH | 601985.SH | 601988.SH | 601989.SH | 601990.SH | 601995.SH | 601998.SH | 603019.SH | 603087.SH | 603160.SH | 603195.SH | 603233.SH | 603259.SH | 603288.SH | 603338.SH | 603369.SH | 603392.SH | 603501.SH | 603517.SH | 603658.SH | 603659.SH | 603799.SH | 603806.SH | 603833.SH | 603882.SH | 603899.SH | 603939.SH | 603986.SH | 603993.SH | 688008.SH | 688009.SH | 688012.SH | 688036.SH | 688111.SH | 688126.SH | 688169.SH | 688363.SH | 688396.SH | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Date | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 2008-02-29 | -0.149321 | 0.101075 | -0.136150 | -0.288520 | -0.050512 | 0.023810 | -0.236244 | NaN | NaN | -0.152226 | -0.245174 | -0.296875 | -0.138290 | -0.201844 | -0.334250 | -0.167161 | 0.000000 | -0.117388 | -0.333333 | -0.225450 | -0.043096 | -0.348933 | -0.322946 | 0.0 | -0.279365 | -0.169265 | -0.382326 | -0.331492 | -0.216684 | -0.284262 | -0.215481 | -0.346821 | -0.116193 | -0.187114 | NaN | -0.112863 | -0.180967 | -0.232226 | -0.161529 | -0.164524 | -0.190027 | -0.099188 | -0.224711 | -0.146875 | -0.255788 | -0.217296 | -0.209430 | -0.154865 | -0.210565 | -0.137546 | -0.367225 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | -0.159744 | -0.236809 | -0.149669 | -0.248133 | -0.181659 | -0.218818 | -0.142151 | -0.275117 | NaN | -0.286890 | -0.264983 | -0.164811 | -0.296538 | 0.006256 | -0.063245 | -0.156993 | -0.220952 | -0.188095 | -0.265333 | -0.272004 | -0.458873 | -0.245149 | -0.170046 | -0.436684 | -0.006173 | -0.102533 | -0.335174 | -0.423908 | -0.221562 | -0.288295 | -0.106409 | -0.174332 | -0.177606 | -0.322793 | -0.165046 | -0.221865 | -0.015267 | -0.237818 | -0.150307 | -0.348491 | -0.058678 | -0.349303 | -0.186843 | -0.131042 | -0.327539 | -0.229589 | -0.252975 | -0.037385 | -0.188659 | -0.219239 | -0.339268 | -0.199703 | -0.141914 | -0.196697 | -0.036076 | -0.256030 | -0.171279 | 0.000000 | -0.255788 | -0.345835 | 0.000000 | 0.0 | -0.136676 | 0.000000 | -0.144357 | -0.139785 | -0.206368 | -0.312284 | -0.258641 | -0.165046 | -0.202033 | -0.238806 | -0.209921 | -0.104210 | 0.0 | -1.934558e-01 | NaN | NaN | NaN | NaN | NaN | NaN | -0.123163 | -0.114443 | NaN | NaN | NaN | NaN | -0.206349 | NaN | NaN | -0.145361 | NaN | NaN | NaN | -0.167910 | -0.157641 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | -0.256882 | NaN | -0.151232 | NaN | NaN | NaN | -0.263267 | -0.061256 | NaN | -0.363750 | -0.259585 | -0.221675 | NaN | -0.276056 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | -0.328615 | NaN | NaN | NaN | -0.237040 | -0.245033 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | -0.273868 | NaN | -0.139064 | NaN | -0.097297 | NaN | NaN | NaN | -0.196610 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 2008-03-31 | 0.050355 | -0.048047 | 0.050442 | -0.124204 | -0.201123 | -0.107973 | -0.041364 | NaN | NaN | 0.096265 | -0.255754 | 0.069630 | -0.017742 | 0.007702 | 0.044421 | 0.078414 | 0.000000 | -0.131338 | -0.124658 | -0.022321 | -0.035846 | 0.639304 | -0.046025 | 0.0 | 0.492291 | 0.075067 | 0.142319 | 0.175620 | 0.227729 | -0.032476 | 0.019657 | 0.166962 | 0.017483 | -0.081433 | NaN | 0.205556 |
1078
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
