Python金融數(shù)據(jù)分析與挖掘（微課版） 課件 9-3.量化投資策略設(shè)計(jì)與分析

第9章

股票價(jià)格漲跌趨勢預(yù)測單只股票模型投資收益率計(jì)算量化投資策略設(shè)計(jì)單只股票模型投資收益率計(jì)算第9章

為了方便量化投資策略的使用，我們將單只股票的指標(biāo)計(jì)算、預(yù)測模型構(gòu)建及結(jié)果分析，即單只股票模型投資收益率計(jì)算的全流程定義為函數(shù)Re，該函數(shù)存在于Re_comput.py文件中defRe(data,n):

#data--表示某只股票代碼的交易數(shù)據(jù)

#n--表示選用的方法,0--神經(jīng)網(wǎng)絡(luò),1--支持向量機(jī),2--邏輯回歸

#返回結(jié)果為一個(gè)元組(R,r_list,r_total,sc)

#其中R--表示預(yù)測準(zhǔn)確率,r_list--表示策略每次投資收益

#r_total--表示總收益,sc--表示模型準(zhǔn)確率

return(R,r_list,r_total,sc)量化投資策略設(shè)計(jì)第9章

以第8章中基于總體規(guī)模與投資效率指標(biāo)的綜合評價(jià)方法獲得2016年排名前20只股票構(gòu)建投資組合。對投資組合中每一只股票以2017年1月1日—2017年11月30日之間的交易數(shù)據(jù)為訓(xùn)練數(shù)據(jù)，預(yù)測2017年12月1日—2017年12月31日之間的交易漲跌情況。如果預(yù)測結(jié)果為+1，表示下一個(gè)交易日為上漲，則以當(dāng)天收盤價(jià)買入，下一個(gè)交易日收盤價(jià)賣出，計(jì)算該股票的投資收益率。最終獲得投資組合的收益率，其中投資組合的收益率為組合中所有股票收益率之和StkcdTrddtClsprcDnshrtrdDnvaltrdOpnprcHiprcLoprc0000012017-01-039.16459840494205951769.119.189.090000012017-01-049.16449329534115034449.159.189.140000012017-01-059.17344372913157696949.179.189.150000012017-01-069.13358154203271764349.179.179.110000012017-01-099.15361081573299946049.139.179.110000012017-01-109.15241053952205751329.159.169.14…………………………………………2017年交易數(shù)據(jù)量化投資策略設(shè)計(jì)第9章

首先基于第8章中基于總體規(guī)模與投資效率指標(biāo)的綜合評價(jià)方法，調(diào)用其綜合評價(jià)函數(shù)Fr，函數(shù)輸入?yún)?shù)為財(cái)務(wù)報(bào)表數(shù)據(jù)和年度，函數(shù)返回結(jié)果為排名情況（證券代碼形式），并取排名前20股票代碼的構(gòu)建投資組合。importpandasaspdimportfunimportRe_comput#第8章中基于總體規(guī)模與投資效率指標(biāo)的綜合評價(jià)方法,獲得排名前20的股票構(gòu)建投資組合dt=pd.read_excel('ddata.xlsx')r=fun.Fr(dt,'2016')c=r[0]code=list(c.index[0:20])量化投資策略設(shè)計(jì)第9章

其次調(diào)用前面定義的函數(shù)Re,計(jì)算投資組合收益率，并將結(jié)果導(dǎo)出到Excel文件中DA=pd.read_excel('DA.xlsx')#2017股票交易數(shù)據(jù)list_code=[]list_00=[]list_01=[]list_02=[]list_10=[]list_11=[]list_12=[]list_20=[]list_21=[]list_22=[]foriinrange(len(code)):data=DA.iloc[DA.iloc[:,0].values==code[i],:]iflen(data)>1:

data.index=range(len(data))#重新默認(rèn)順序設(shè)置索引

list_code.append(code[i])

z0=Re_comput.Re(data,0)

z1=Re_comput.Re(data,1)

z2=Re_comput.Re(data,2)

list_00.append(z0[0])

list_01.append(z0[2])

list_02.append(z0[3])

list_10.append(z1[0])

list_11.append(z1[2])

list_12.append(z1[3])

list_20.append(z2[0])

list_21.append(z2[2])

list_22.append(z2[3])D={'code':list_code,'nn_R':list_00,

'nn_total':list_01,'nn_score':list_02,

'svm_R':list_10,'svm_total':list_11,

'svm_score':list_12,'lr_R':list_20,

'lr_to