Python量化投资组合管理第一节课

anaconda实现

工具包：pandas；numpy；matplotlib；statsmodels

DataFrame基础

 

DataFrame基本结构

  import pandas as pd

  df=pd.read_csv('E：/python量化投资data/china_index.csv')

  df.head()

  df=pd.read_csv('E：/python量化投资data/china_index.csv'，index_col=0，parse_dates=True) #index_col=0表示以原有数据的第一列（索引为0）当作行索引;将Date列设置为时间类型

  df.head()

  df.plot.line() #绘制折线图

 

 属性

  df.index #行索引

 df.index[0]

  df.index[-1]

  df.columns #列索引

   df.shape #(行，列)

 

方法

  df.tail()

  df. describe() #返回数组描述统计函数（计数、平均值、标准差、最⼩值、四分位数、最⼤值）

   df.mean() #返回所有列的均值

   df.median() #返回所有列的中位数

 

 

 切片

  df.loc['2022-2-28','HS300'] #选择行和列

   df.loc['2020-1-3':'2020-2-28',:]

  df.iloc[3,0]

  df.iloc[:,1] 

   df.iloc[3:6,:]

  df.loc['2020-01-01':'2020-12-31','HS300'].plot()
  df.loc['2021-01-01':'2021-12-31','HS300'].plot()
  df.loc['2022-01-01':'2022-12-31','HS300'].plot()

 

操作

  df['HS_0']=df['HS300'].shift(1) #把数据向下移动一位

  df

  df['different']=df.HS300-df.HS_0

  df['rets']=df.different/df.HS_0

  df.head()

 练习：第一个交易策略     df['MA40']=df['HS300'].rolling(40).mean()

 df['MA200']=df['HS300'].rolling(200).mean()

  import matplotlib.pyplot as plt

  df["MA40"].plot.line(legend=True)

  df['MA200'].plot.line(legend=True)

  #df['HS300'].plot.line(legend=True)

   df['HS300'].plot.line(legend=True)

 df['Shares']=[3000 if df.loc[d,'MA40']>df.loc[d,'MA200'] else 0 for d in df.index]

  df.Shares

  df["MA40"].plot.line(legend=True)

  df['MA200'].plot.line(legend=True)

  df['Shares'].plot.line(legend=True)

  df.head()

  df["HS_0"]=df['HS300'].shift(-1)

  df['Profit']=[(df.loc[d,'HS_0']-df.loc[d,'HS300'])/df.loc[d,'HS300'] if df.loc[d,'Shares']==3000 else 0 for d in df.index]

 df['Wealth']=df['Profit'].cumsum()

 df['Profit'].plot()

 df['Wealth'].plot()

 plt.axhline(y=0,color='red')

  df['Wealth'].plot(legend=True)

 df['HS300'].plot(secondary_y=True,legend=True)

  df['Wealth'].tail

 

随机变量

  dice=pd.DataFrame([1,2,3,4,5,6])

 sum_of_dices=dice.sample(2,replace=True)

  sum_of_dices

  for i in range(50):

 sum_of_dices=dice.sample(2,replace=True).sum().loc[0]

  print(sum_of_dices)

  result=[dice.sample(2,replace=True).sum().loc[0] for i in range(50)]

  result

随机变量的频率

  freq=pd.DataFrame(result)[0].value_counts()

  freq=freq.sort_index()

  freq

  freq.plot.bar()

  (freq/50).plot.bar()

沪深300日收益率历史分布   

  df['rets'].hist(bins=10)