【金融数量分析之:马科维茨均值方差模型和CAPM定价模型的代码实现】
马科维茨均值方差模型开启了量化投资的大门,其意义固然十分重要
因此个人便手动实现了一个完整的从获取股票数据到选股,到确定投资比列的一整个代码库,现在分享给大家:
具有的功能如下:
Stock-Finance-Algorithms
Algorithms of Stock & Finance Models
-
基础功能
1、计算5/10/20日均线
2、基于ARIMA模型进行股票序列预测
3、基于ARIMA模型的期望收益率计算
4、历史平均收益率计算
5、求解马科维茨前沿组合
6、根据马科维茨前沿组合给出股票购买计划(向下取整)
-
进阶功能【1】
1、加入了无风险利率的计算
【1】运行 国债数据.py 更新本地国债收益率数据
【2】stock.py 中设置无风险利率的计算方式 采用短期或长期期国债收益率均值作为 Rf
2、新增夏普比率计算
3、新增显示有效前沿
4、新增计算证券市场线及其风险溢价
5、新增计算资本市场线上的任意投资组合P的预期风险
6、新增计算组合的beta系数βn
7、新增根据股票代码得到股票名称
-
进阶功能【2】
1、同时预测开盘价和收盘价(基于arima)
2、将开盘价也加入到波动计算中
3、更好的显示有效前沿及市场组合图
以下正文:由于之前总结的时候直接写的pdf,于是直接给出截图:
源码链接:
那么总有小伙伴想要源码尝试自己跑着玩玩,所以我在这里分享我这个项目的Github链接:https://github.com/Gilmour-99/Stock-Finance-Algorithms; 进入之后打包下载或者直接git clone即可(这个项目其实还有使用二叉树模型进行期权定价功能,但在本文中并未介绍)。