python求真因子_Python与量化多因子———初识Pandas

1. 前言

我们做量化，最要和数据打交道。而Pandas则是Python众多库当中，用来进行数据分析，数据处理的一把利器，掌握了Pandas当中的方法，不单单是量化，凡是设计到数据分析的任务或者工作当中，都可让我们事半功倍。所以我这里特地的写一篇文章来介绍怎么用pandas进行数据分析。

我大概整理了一些场景，主要分为行情数据和基本面数据，看看在实战当中如何使用pandas。

2. 行情数据

import sys

sys.path.append(r'E:\Heat')

from acrab.utils.data_function import DataAPI

2.1 股票收益率的计算

price = DataAPI.get_stock_quote('20191231', '20200204', ['closePrice'])

price.head()

这里我们获取了A股从20191231至今所有股票的收盘价，以一个三列表格存放。现在我们计算每支股票： 年初至今的收益率 过去5天的收益率

price = price.pivot(index='trade_date', columns='ticker', values='closePrice')

price.iloc[:5, :5]

借助pivot方法，我们把窄表转成宽表，索引为日期，列为股票代码，数据为后复权收盘价。

ytd = price.loc['20200204'].divide(price.loc['20191231']) - 1

ytd.head()

ticker

000001 -0.112462

000002 -0.141703

000004 -0.126612

000005 -0.152127

000006 -0.171642

dtype: float64

这里我使用了两种不同的从DataFrame截取数据的方法，iloc与loc，其中iloc为按行列的位置进行选择，而loc则按索引进行选择。

注意：price.iloc[:5, :5]获得的仍为DataFrame，而price.loc['20200204']获得的为Series。

使用Series的divide方法，我们完成了除法运算，类似的方法还有sub,add,multiply等。

计算过去5天的收益率，我们有两种方法:

# 方法一：

pre_5d = DataAPI.get_shift_date('20200204', 5)

ret_5d = price.loc['20200204'].divide(price.loc[pre_5d]) - 1

ret_5d.head()

ticker

000001 -0.112462

000002 -0.075326

000004 -0.154313

000005 -0.165616

000006 -0.173183

dtype: float64

# 方法二：

ret_5d = price.pct_change(5)

ret_5d.iloc[-5:, :5]

方法一如同前面提到的计算年初至今的收益率，而方法二借助了DataFrame的pct_change方法，返回的是实现这段时间，每天的过去5天收益率，而今天的则取最后一行即可

2.2 股票收益波动率的计算

ret_1d = price.pct_change()

vol = ret_1d.std(axis=0)

vol.head()

ticker

000001 0.030634

000002 0.027112

000004 0.032529

000005 0.027228

000006 0.026813

dtype: float64

我们首先计算了年初至今每支股票的日收益率，然后借助了DataFrame的std方法，其中axis=0表示按列运算，而axis=1表示按行计算。

波动率的计算需要一个时间窗口。这个返回的结果是年初至今个股收益率的波动，但不一定是我们需要的，例如我们计算个股过去10天收益的波动。

vol_10d = ret_1d.rolling(10).std()

vol_10d.iloc[-5:, :5]

这里我们使用了rolling方法，表示过去10天滚动窗口计算标准差，类似的还可以计算方差，偏度，峰度，最大值，最小值，分位数，均值，求和等等

2.3 收益中位数

这里我们分别计算20200204这天，深交所与上交所股票的收益率中位数。

ret = ret_1d.loc['20200204'].to_frame('return').reset_index()

ret.head()

ret = ret[~ret['ticker'].str.startswith('68')] # 剔除科创板

ret['exchange'] = ret['ticker'].apply(lambda x: 'sh' if x[0] == '6' else 'sz')

ret.head()

ret.groupby('exchange').apply(lambda x: x['return'].median())

exchange

sh -0.014278

sz -0.020324

dtype: float64

这里六个知识点:使用ret中ticker列保存的都是string，因此我们使用string的startswith方法来判断每个字符串起始元素是不是68，是为True，否为False

~运算符对保存布尔变量的Series取反，将False变成True，True变成False

DataFrame可以按照保存布尔变量的Series,list等来选择行

Series的apply是对每一个元素进行运算，接收的参数是一个函数

DataFrame如何添加新列

通过groupby函数，进行数据聚合

不得不说，运营一个专栏真的挺耗时间的，佩服佩服！下一篇，我们将基本面数据当中pandas的一些应用。