list怎么取数据_债券成交和报价数据的处理

前段时间一直忙于日常择券工作，也在建一个方便快速感知现券市场的债券网站，断更了两个多月，今天分享很早之前做的一个小部分，尽量用最简洁的代码和最易懂的方式讲述出来。 债券市场的智能化实在是太落后了，连最简单的成交数据和报价数据都无法很轻松的以Excel格式获得，更别说基于这些数据的分析工作。本篇第一部分先介绍一下对成交数据TXT转换成Excel格式的处理，第二部分介绍如何利用python里的wind函数获取所需要的数据，第三部分讲怎么结合自己投资需求选券。 一、处理成交TXT数据为Excel格式 一般我们得到的数据是这样的TXT格式，如何把他转变成非常好看且实用的Excel数据，其实非常简单，只需要几句核心代码就够了。代码如下，1-4句都是导入相关模块，第5句是读取成交数据TXT文件的代码，第6句是将成交数据分成一条一条的list格式，这样每条数据就都放在一个list里(如果报错可以修改decode里的内容，这个和每个人TXT的默认编码格式相关)。第7-8句是处理重复的空格行问题，无实质意义。第9-13句就是将每天成交数据按照空格去分开，这样得到的格式就是我们想要的dataframe格式，然后第14句输出到Excel就可以了 。 最后处理完的格式就是下图，再改下列名就可以了。 二、利用python中的wind函数模块处理上述数据 上面得到的数据其实还比较粗糙，有时候还需要加工成我们想要的数据，比如上述数据没有发行人名称，我想看同一个主体的成交情况或者报价情况，无法筛选。又比如上述数据虽然有期限，但是没办法进行降序或者升序排列，我想看某个期限内的成交有点困难，或者我想看偏离中债估值的幅度情况对比，也实现不了。当然我们也可以先把他们导出到Excel，再用Excel中的wind函数，但我仍然觉得很麻烦而且不够智能，python里的wind模块其实都可以解决这个问题，只要Excel里的wind能解决，python里的wind函数也基本都能想法设法去解决。 接上面代码，首先python里的wind函数也是以债券代码作为唯一参数(和Excel一样)，15句取出债券代码，先去重再转变成list格式，之所以要去重，是因为每天的成交数据可能有一个券发生多笔成交，同时wind函数对重复的代码参数会报错，所以用个drop_duplicates去重，也不影响我们想要的结果，此段代码都是为了获取该债券的相关信息。16-19句都是处理时间格式，python里的时间格式特别讨厌，这段都是为了将前一个交易日的时间格式处理成wind能识别的格式，16句是产生今天的日期格式，同时处理成wind能识别的格式，为了17句能取出前一个交易日的日期格式，18和19句就是再次处理成wind能识别的格式(多用几次wind函数就明白了这里的用途，python里的wind函数是需要带日期参数，比如我想取估值，最晚只能取到昨日的，所以需要变换一下)，20句是核心，就是利用债券代码作为参数，取出该债券的相关信息，我这里只是取了几个我自己需要的信息，这里可以取条款等基本信息也可以取财务信息。 实际上第20句的内涵非常丰富，功能很强大，需要多想妙招去挖掘，毕竟很多功能不能一部到位，需要灵活处理。这里举几个巧妙的例子，比如我们想按债券剩余期限排序，由于有含权债的存在，而wind函数取出的剩余期限是到期期限，而非行权期限，但是我们在买卖券的时候，期限较长的券实际上是按照行权进行谈价格的，比如2.8+2年的实际上是按照2.8年去谈价格，而我们刚才取出的数据里时间格式如果是短融，又会以D(如263D)和休1这种呈现，当然有好几种方式可以将他们处理成可以排序的格式，比如用正则把无关信息去掉，再除以365转换成年数，比较麻烦，我目前找到的比较简便的是，取出他的termnote(特殊条款说明)，再取字符串前6位就正好能把剩余年限取分离出来。 再比如我要求出成交偏离幅度，碰见行权债，一个成交价格到底是行权价还是到期价，TXT数据并不会指明，这实际需要来自日常的经验，一般的规则是，看这个价格离哪个估值更近，就是按哪个成交的，比如18粤科02周五是按照3.85%成交的，行权估值和到期估值分别是3.87/4.21，那么这个3.85%就是按照行权成交的。我们知道这个判断方法后，如何计算机实现，就需要自己设计方法，这里不再细讲，代码如下(修改了部分列名，可根据习惯命名)： 这里用到了正则和列表推导式，可以细学下这两个特别强大的知识，几乎可以解决很多复杂的问题，最后一句就是求偏离的幅度，考虑了行权债的问题。 三、如何结合自己的投资需求 成交数据可用来观测历史的情况，报价数据用来择券，虽然XX软件可以很方便的按照各种期限、品种、收益率和估值筛选出报价数据，但仍然需要查看自家公司的内部评级来匹配，一来二去，券一多就会非常耗时耗力，可以考虑将所有报价数据定时收集起来，匹配内部评级和投资策略，直接筛选可买卖的券，这块不再细讲了。