观察分组方式对股票收益率平均偏度和峰度的影响_20201115_

本文使用从20031231到20201113上证50指数对数收益率样本共计4099个。按照每组包含20、40、60…600个样本的分组方式，将数据分别划分为相应的组数。先分别计算每个样本组的均值、标准差、偏度和峰度，再对所有样本组数据进行标准化处理，计算总体均值，标准差，偏度和峰度。

"""计算各种样本分组情况下的，数据标准化统计量平均值"""
import pandas as pd
import numpy as np
import os
import copy
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['simhei']#用于正常显示中文标签
plt.rcParams['axes.unicode_minus']=False#用于正常显示负号

def makepath(path):
        """生成文件目录
        :param path:str,文件目录
        :return:
        """
        if os.path.exists(path)==False:
         os.mkdir(path)

def ETF50_log_():
        """计算股价收益率的对数收益率
        :return: DataFrame,['交易日期','对数收益率']数据表格
        """
        ETF50=pd.read_excel('原始数据/ETF50.xlsx')
        ETF50.sort_index(inplace=True,ascending=False)
        ETF50.dropna(inplace=True)
        ETF50.index=range(len(ETF50))
        ETF50['对数收益率']=np.log(ETF50['收盘点位'].shift(1)/ETF50['收盘点位'])
        ETF50_log=ETF50.loc[1:,['交易日期','对数收益率']]
        return ETF50_log

def sort_(days:int,data):
        """
        将数据按照日期划分为等天数的组,并计算所有组统计值的平均值
        :param days: int,每组的天数
        :param data: DataFrame,所使用的数据
        :return:每组天数，组数，[均值，标准差，偏度，峰度]
        """
        # days=30
        # data = ETF50_log
        index_sort=data.index[::days]
        data_index=data.loc[index_sort,:]
        data['{}天组'.format(days)]=0
        times=1
        for i in data_index.index:
               data.loc[i:(i+days),'{}天组'.format(days)]=times
               times+=1
        #pd.pivot_table(data,index=['{}天组'.format(days)],values=['对数收益率'],aggfunc=[])
        dict_describe={'组次':[],'均值':[],'标准差':[],'偏度':[],'峰度':[]}
        for time in data['{}天组'.format(days)].unique():
                #time=1
                data_time=data.loc[data['{}天组'.format(days)]==time]
                dict_describe['组次'].append(time)
                dict_describe['均值'].append(data_time['对数收益率'].mean())
                dict_describe['标准差'].append(data_time['对数收益率'].std())
                dict_describe['偏度'].append(data_time['对数收益率'].skew())
                dict_describe['峰度'].append(data_time['对数收益率'].kurt())
        data_describe=pd.DataFrame(dict_describe)
        list_describe=data_describe.iloc[:,1:].mean().tolist()
        return days,len(data['{}天组'.format(days)].unique()),list_describe

def main():
        """
        计算每组分组情况下的平均统计量和标准化统计量，并绘制图形
        :return: 平均统计量，标准化统计量
        """
        makepath('原始数据')
        makepath('生成数据')

        dict_all={'每组天数':[],'组数':[],'平均均值':[],'平均标准差':[],'平均偏度':[],'平均峰度':[]}
        ETF50_log = ETF50_log_()
        for days in np.arange(20,601,10):
                size,numbers,describe=sort_(days, ETF50_log)
                dict_all['每组天数'].append(size)
                dict_all['组数'].append(numbers)
                dict_all['平均均值'].append(describe[0])
                dict_all['平均标准差'].append(describe[1])
                dict_all['平均偏度'].append(describe[2])
                dict_all['平均峰度'].append(describe[3])
                print(days)
        data_all=pd.DataFrame(dict_all)

        #标准化的统计结果
        data_all_standard=copy.deepcopy(data_all)
        data_all_standard.iloc[:,2:]=(data_all.iloc[:,2:]-data_all.iloc[:,2:].mean())/data_all.iloc[:,2:].std()

        #绘制标准化统计结果折线图
        plt.figure(figsize=(10,8))
        for label in data_all_standard.columns[2:]:
                plt.plot(data_all_standard['每组天数'],data_all_standard.loc[:,label],label=label)
        plt.legend()
        plt.xlabel('每组天数',fontsize=15)
        plt.ylabel('标准化平均统计量',fontsize=15)
        plt.title('标准化平均统计量',fontsize=15)
        plt.savefig('生成数据/标准化平均统计量.jpg')

        print(data_all)
        print(data_all_standard)
        return data_all,data_all_standard

if __name__=='__main__':
        data_all,data_all_standard=main()

最终可以获得标准化后的统计量均值，部分结果如下图所示：

很显然，随着每组的样本数量越来越多，平均偏度和平均峰度在变得越来越大！具体如图所示：

所使用的数据：