量化金融分析AQF（6）：金融数据处理（tushare同时获取多只股价信息、累积收益、每日收益、return分布、股价相关性）

目录

一、获得金融数据

1.1 tushare获取单个对象数据

1.2 tushare pro 获取单个对象数据

1.3 同时获取多只股价信息

二. 金融数据可视化

2.1  数据透视表 pivot :

三、金融初级计算

3.1 计算每日收益

3.3.1 将NaN值替换为0：

3.2 计算累积收益

四、分析return分布

4.1 直方图

4.2 QQ-Plots

五. 股价相关性

---

 

可能用到的库：

import pandas as pd
import numpy as np
import datetime                
import matplotlib.pyplot as plt
import seaborn
import tushare as ts
%matplotlib inline
import warnings; warnings.simplefilter('ignore') #忽略可能会出现的警告信息，警告并不是错误，可以忽略；

一、获得金融数据

1.1 tushare获取单个对象数据

#获得中信证券的股价信息
zxzq = ts.get_k_data('600030', start = '2019-01-01', end = '2019-03-01')
zxzq.head()

 

1.2 tushare pro 获取单个对象数据

ts.set_token('你注册的token')
pro = ts.pro_api()
df = pro.daily(ts_code='600030.SH', start_date='20190101', end_date='20190301')
df

不知道tushare pro的token，可以看我上篇博客量化金融分析AQF（5）：金融数据获取、清洗、整理和存储（Yahoo、Tushare）

 

1.3 同时获取多只股价信息

编写函数同时获得多只股票的数据：

以后有需要直接复制（只需修改时间）：

def multiple_stocks(tickers):
    def data(ticker):
        stocks = ts.get_k_data(ticker,start = '2019-01-01', end = '2019-03-01')    #定义了stocks这个daraFrame；
        stocks.set_index('date',inplace = True)
        stocks.index = pd.to_datetime(stocks.index)      #要把日期时间parse成python支持的datetime格式，不然很多python层面的操作无法完成；
        return  stocks             #返回的是进行完处理的stcoks这个DataFrame；
        
    datas = map(data, tickers)
    
    return pd.concat(datas, keys=tickers, names=['Ticker','Date'])    #multiple_stocks函数返回的是拼接后的大DataFrame

获得以下三只股票数据：

tickers = ['600030', '000001','600426']
all_stocks = multiple_stocks(tickers)
all_stocks

如果报错，是tushare数据库问题，可以重启iPython

 

二. 金融数据可视化

2.1  数据透视表 pivot :

close_price = all_stocks[['close']].reset_index()      #重置索引，让索引重新回到默认的0开始；
close_price.head()

把所有的股价信息显示在一张表格里；数据透视表；

daily_close = close_price.pivot(index = 'Date', 
                                columns = 'Ticker', 
                                values= 'close')
daily_close

daily_close['600030'].plot(figsize=(8,6))

 

三、金融初级计算

3.1 计算每日收益

用shift方法:

price_change = daily_close / daily_close.shift(1) - 1
daily_close['yes_day'] = daily_close['000001'].shift(1)
price_change.ix[:,0:4].head()

 

用.pct_change() 方法:

使用详情：http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.pct_change.html

简单的说，就是计算变化率：（后一个值-前一个值）／前一个值

price_change2 = daily_close.pct_change()
price_change2.ix[:,:].head()

3.3.1 将NaN值替换为0：

price_change2.fillna(0, inplace=True)   # 把nan用0代替 
price_change2.ix[:5,:]

 

3.2 计算累积收益

cum_daily_return = (1 + price_change2).cumprod()   # 按列累乘
cum_daily_return.head()

cum_daily_return.plot(figsize=(8,6))

 

四、分析return分布

4.1 直方图

zxzq = price_change['600030']
zxzq.describe(percentiles=[0.025, 0.5, 0.975])     # 自定义设置百分位数
# 画出所有股票的股价分布：
price_change.hist(bins=20, sharex=True, figsize=(12,8));

 

4.2 QQ-Plots

分位数图示法（Quantile Quantile Plot，简称 Q-Q 图）

      统计学里Q-Q图（Q代表分位数）是一个概率图，用图形的方式比较两个概率分布，把他们的两个分位数放在一起比较。首先选好分位数间隔。图上的点（x,y）反映出其中一个第二个分布（y坐标）的分位数和与之对应的第一分布（x坐标）的相同分位数。因此，这条线是一条以分位数间隔为参数的曲线。如果两个分布相似，则该Q-Q图趋近于落在y=x线上。如果两分布线性相关，则点在Q-Q图上趋近于落在一条直线上，但不一定在y=x线上。Q-Q图可以用来可在分布的位置-尺度范畴上可视化的评估参数。

      从定义中可以看出Q-Q图主要用于检验数据分布的相似性，如果要利用Q-Q图来对数据进行正态分布的检验，则可以令x轴为正态分布的分位数，y轴为样本分位数，如果这两者构成的点分布在一条直线上，就证明样本数据与正态分布存在线性相关性，即服从正态分布。

官网：https://www.baidu.com/link?url=WUrNbvBdoy4qoLdu4g_FKzutEx2UnsXCKbeaCPWZB4zL68YuePvvLc81jSyYEc0-NcJVEgYTanaonlSIRwu-9zpSs8QLKuAybX18B_jVnBYfjlmB8Wmknwf090X4Wj9g&wd=&eqid=8fcdbda300051405000000065c920852

使用QQ图来验证股价retun分布：

import scipy.stats as stats
fig = plt.figure(figsize=(7,5))   #  创建图对象 
ax = fig.add_subplot(111)      # 1个子图
stats.probplot(zxzq, dist='norm', plot=ax)   #stats.probplot()用来绘制QQ图；dist='norm'：拟合标准正态分布；plot=ax：要画的图
plt.show()

当QQ图图像趋近于y=x的斜线时，说明2者相似性很高，从上图可以看出中信证券趋近于正太分布。

 

五. 股价相关性

 

测试数据准备：

获得指数数据：

hs300 = ts.get_k_data('hs300',start = '2016-01-01', end = '2017-07-01')
hs300.set_index('date', inplace = True)    设置索引为date
hs300.index = pd.to_datetime(hs300.index)     设置date为时间序列
hs300.head()

计算沪深300指数收益：

hs300_return = hs300['close'].pct_change().fillna(0)    # 第一个值本来是nan，改为0
hs300_return.head()

使用同样的方法：（使用上面的一次获取多个股票信息的函数）表格命名为price_change2

 

把沪深300的收益拼接到前面得到的大表price_change2中

return_all = pd.concat([hs300_return, price_change2], axis=1)
return_all.rename(columns={'close': 'hs300'}, inplace=True)
return_all.fillna(0, inplace=True)
return_all

这里没有获取2016年的000001、600030、600426.所有都是0

计算累积收益：

cumreturn_all = (1 + return_all).cumprod()
cumreturn_all.head()

累积收益作图：

cumreturn_all[['hs300', '600030', '600426']].plot(figsize=(8,6));

计算相关性：

corrs = return_all.corr()      # 相关性矩阵

查看其它股票与hs300的相关性：

corrs.loc['hs300']

热力图查看：

fig = plt.figure(figsize=(8,6))
seaborn.heatmap(corrs)

或者用散点图查看相关性：