【从零开始玩量化15】如何计算历史行情分位点

量化投资技术

已于 2023-01-31 00:04:33 修改

阅读量1.6k

点赞数 1

分类专栏：从零开始玩量化文章标签： python 量化

于 2023-01-24 17:10:17 首次发布

本文链接：https://blog.csdn.net/u010214511/article/details/128755742

版权

从零开始玩量化专栏收录该内容

19 篇文章

订阅专栏

本文详细介绍了如何使用quantstats包中的pct_rank函数来计算股票价格的分位点，通过实例展示了1年期、3年期和5年期分位点的计算与分析，帮助理解价格在历史分布中的位置，以便于量化策略的制定。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

分位点

这是量化分析中，分位点最直观的表示当前价格高低，其具体数值是一个百分比，取值在0到100之间，代表一段时间内，价格的排名顺序。先来看一下我做出来的可视化效果。

下图为近一年的申万银行指数历史行情数据，我在上边画了三条线，分别表示1年期、3年期、5年期分位点。
在这里插入图片描述
可以看到，1年期的分位点已经上升到了50%以上，而3年期和5年期还在20%。说明最近在上涨，但中长期位置还是比较低。

pct_rank

具体使用stats.pct_rank，其源码如下。

def pct_rank(prices, window=60):
    """Rank prices by window"""
    rank = _utils.multi_shift(prices, window).T.rank(pct=True).T
    return rank.iloc[:, 0] * 100.

prices是以时间为index，以价格为value的Series，window是窗口天数，一年取我选取250。

实战

先想办法获取到历史数据，存成一个pandas的数据表df，首先需要将df的索引设置为日期，这样就可以直接计算了。

import quantstats as qs

df = ak.stock_zh_a_hist(symbol='600519', adjust='hfq')
df.index = res['日期']


df['pct_rank1'] = qs.stats.pct_rank(df['收盘'], 250)
df['pct_rank3'] = qs.stats.pct_rank(df['收盘'], 750)
df['pct_rank5'] = qs.stats.pct_rank(df['收盘'], 1250)

df