python 凯利公式_Python量化笔记-股票收益率的正态分布检验和凯利公式应用

本为继承上一篇：

完成以下扩展练习：

4.2 扩展练习2：对股票的收益率进行正态分布检验

4.3 扩展练习3：如果股票的收益率是正态分布的，使用凯利公式进行每日交易

4.2 扩展练习2：对股票的收益率进行正态分布检验

(1)环境配置

(2)参数设置

检验下下工商银行 自2005年1月1日起至2017年1月1日的每日收盘价收益率是否符合正态分布。

设置要测试的股票代码和交易数据的起始日期

(3)数据准备

(4)数据分析

运行结果：

从结果看，工商银行在这段期间的股价是属于正态分布的，但是存在一定尖峰肥尾的现象。

换个股票再看看

code = ‘600519.SH’ # 贵州茅台

其他代码不变

运行结果：

总体来说，结果也是基本符合正态分布，但是也同业存在尖峰肥尾的现象。

换个股票再看看

code = ‘600104.SH’ # 上汽集团

其他代码不变

运行结果：

结果基本一致~

如果有兴趣的同学可以做更多的股票。

4.3 扩展练习3：如果股票的收益率是正态分布的，使用凯利公式进行每日交易

(1)环境配置

(2)参数设置

(3)数据准备

(4)数据分析

运行结果

optimalRatio接近1，基本和buy and hold一致

4倍杠杆的早早爆仓，2倍杠杆的波动率很大。

我们去除4倍杠杆和2倍杠杆再看下结果

将股票换成贵州茅台。

运行结果

optimalRatio的结果接近1，也就是说接近buy and hold的持仓水平

从图上看 4倍杠杆的收益率最高，2倍杠杆的收益率此之，但是这其中并未考虑资金成本，也没有考虑收益率曲线的波动性，是的如何评判也给收益率曲线的好坏本身也是一门非常大的学问。

我们去除4倍杠杆和2倍杠杆再看下结果

optimalRatio的表现和buy and hold的结果非常近似

再尝试下上汽集团

最佳持仓比例也是接近1%

4倍杠杆波动大，也是提前平仓了结了。

去除四倍杠杆和2倍杠杆后的效果

总结：

从以上三个股票的结果看，收益率都基本符合正态分布，有了这个前提，就可以做更多的概率性实验，但是要注意，3个股票都有很明显的尖峰肥尾现象，所以比较容易出现黑天鹅事件。

从三个股票的凯利公式应用结果看，optimalRatio都接近1，这也验证了，对于股票市场来说，长期持有才是王道。

缺陷：本文的回测模拟是站在，历史经过上的，也就是站在上帝视角回顾过去。

后续应该采用，部分数据为分析数据，另一部分为测试数据集，两者最好不要有交叉，信服度会更高。

如果你是从零开始python小白

可以看我以前的文章