随着互联网、计算机、机器学习的高速发展,越来越多的产业、技术都开始了智能化转型,投资理财也不例外。
量化投资在海外的发展已经有了30多年的历史,其中的传奇人物数学家詹姆斯·西蒙斯管理的大奖章基金从1989到2007年间的平均年收益率高达35%,即便是在次贷危机爆发的2007年,该基金的回报率仍高达85%。
好的量化投资模型对我们的投资决策有着很大的辅助作用
全文先讲述各个小模块的使用,文末附有有封装好的函数和完整代码
欢迎大家关注我们的抖音号”金融观察“(JRGC8888),上面会分析一些关注度很高的金融事件、分享一些有意思的投资者故事。也可以关注我们的微博”科学量化“
在量化投资方面,我们主要会使用matplotlib库的基本绘图即可
函数:matplotlib.pyplot.plot([x], y, color, marker, linestyle, …)
在量化投资研究初期其他掌握:color、marker(点型参数)、linestyle(线型参数) 即可。有需要时,其他参数可以自己查看文档来获取
import matplotlib.pyplot as plt
stork_closs = [116.5, 115.2, 118.9, 125.2, 117.4, 126.6, 130.1, 135.3, 142.6, 150.9, 158.2, 149.2, 136.9]
plt.plot(stork_closs, color='r', marker='o', linestyle='--')
plt.show()
该部分原来是matplotlib中的一个模块,现在独立出来后需要自己使用下面pip语句重新安装
pip install mpl_finance
函数:mpl_finance.candlestick_ochl(ax, opens, closes, highs, lows, width=4, colorup=‘k’, colordown=‘r’, alpha=0.75)
为了方便导入足够的数据,导入数据的时候需要用到abupy这个库,该库有在GitHub上面开源,可以了解一下。
import abupy
from abupy import ABuSymbolPd
import mpl_finance as mpf
import matplotlib.pyplot as plt
from matplotlib.dates import date2num
__colorup__ = 'red'
__colordown__ = 'green'
abupy.env.enable_example_env_ipython() # 使用沙盒数据,目的是和书中一样的数据环境,不使用会报错
tsla_df = ABuSymbolPd.make_kl_df('usTSLA', n_folds=2) # 固定导入美股tsla的行情数据,n_folds=2表示两年数据
tsla_df = tsla_df[:50] # 选取前50个,数据过多不易观察
fig, ax = plt.subplots(figsize=(14, 7))
qutotes = []
for index, (d, o, c, h, l) in enumerate(
zip(tsla_df.index, tsla_df.open, tsla_df.close,
tsla_df.high, tsla_df.low)):
d = date2num(d) # 蜡烛图的日期要使用matplotlib.finance.date2num进行转换为特有的数字值
val = (d, o, c, h, l) # 日期,开盘,收盘,最高,最低组成tuple对象val
qutotes.append(val) # 加val加入qutotes
# 使用mpf.candlestick_ochl进行蜡烛绘制,ochl代表:open,close,high,low
mpf.candlestick_ochl(ax, qutotes, width=0.6, colorup=__colorup__, colordown=__colordown__)
ax.autoscale_view()
ax.xaxis_date()
plt.show()
最后输出的图像如下:
该图像已经是一幅很标准的烛状图了,但是在使用股票市场的软件时,我们都知道在烛状图上还有几条移动平均线,下一节将给大家介绍如何去画移动平均线,分别采用自己定义的函数计算移动平均线数值并绘图、采用现成的开源函数绘图。
import abupy
import matplotlib.pyplot as plt
import mpl_finance as mpf
from matplotlib.dates import date2num
from abupy import ABuSymbolPd
abupy.env.enable_example_env_ipython() # 使用沙盒数据,目的是和书中一样的数据环境,不使用会报错
# ———————————————————— #
# ———— 默认参数设置 ———— #
# ———————————————————— #
__colorup__ = "red"
__colordown__ = "green"
tsla_df = ABuSymbolPd.make_kl_df('usTSLA', n_folds=2) # 固定导入tsla的行情数据
tsla_df = tsla_df[:50] # 选取前50条行情数据
# ———————————————————— #
def plot_by_close(data_df=tsla_df, axs=None, show=False):
'''
绘制收盘价格图
:param data_df: 输入的数据,默认采用tsla的历史行情数据,输入的数据类型目前只支持DataFrame类型
:param axs: 是否在子图上绘制
:param show: 是否显示图像
:return:
'''
drawer = plt if axs is None else axs
drawer.plot(data_df.close, color='r')
if show:
plt.show()
def plot_ochl(data_df=tsla_df, axs=None, show=False):
'''
绘制烛状图
:param data_df: 输入的数据,默认采用tsla的历史行情数据,输入的数据类型目前只支持DataFrame类型
:param axs: 是否在子图上绘制
:param show: 是否显示图像
:return:
'''
drawer = plt if axs is None else axs
fig, ax = drawer.subplots(figsize=(14, 7))
qutotes = []
for index, (d, o, c, h, l) in enumerate(
zip(data_df.index, data_df.open, data_df.close,
data_df.high, data_df.low)):
d = date2num(d) # 蜡烛图的日期要使用matplotlib.finance.date2num进行转换为特有的数字值
val = (d, o, c, h, l) # 日期,开盘,收盘,最高,最低组成tuple对象val
qutotes.append(val) # 加val加入qutotes
# 使用mpf.candlestick_ochl进行蜡烛绘制,ochl代表:open,close,high,low
mpf.candlestick_ochl(ax, qutotes, width=0.6, colorup=__colorup__, colordown=__colordown__)
ax.autoscale_view()
ax.xaxis_date()
if show:
plt.show()
if __name__ == '__main__':
plot_ochl() # 绘制烛状图,会新建画布
plot_by_close(show=True) # 绘制收盘价格曲线图
# 通过修改参数show的输入,来控制多图绘制还是单图绘制,下一节单图绘制烛状图和均线时很有用