Python的tushare库实现沪深300 指数数据分析——CAMP模型

（1）筛选
使用作业1的程序

1. 完成对沪深300指数成分股过去2015年1月-2018年1月三年的数据分析
2. 按alpha从大到小，选择出30只alpha最高的股票形成股票池1，以备进一步分析

（2）预测

1. 对沪深300指数成分股2018年1月-2021年1月三年的数据分析
2. 选择出30只alpha最高的股票形成股票池2
3. 观察股票池1和股票池2的重合度
4. 分别计算股票池1在2015-2018时间段和2018-2021时间段的Alpha均值，观察Alpha均值的变化
5. 对观察结果进行思考与分析

股票基础信息获取网站

将沪深300的成分股的基础信息整合到txt文件中

将获取的股票基础信息整理成csv文件便于在Python中读取

使用tushare库爬取股票交易数据，建立CAMP模型，进行分析，废话不多话，直接上代码！

"""
python3.7
-*- coding: UTF-8 -*-
@Project -> File   ：Code -> CAMP
@IDE    ：PyCharm
@Author ：YangShouWei
@USER: 296714435
@Date   ：2021/4/6 15:41:37
@LastEditor:
"""

import pandas as pd
import tushare as ts
import matplotlib.pyplot as plt
import statsmodels.api as sm
import re
import numpy as np


def modelCAMP(code,name, starttime, endtime):
    # 资本资产进价模型(CAPM)
    # Ri -Rf = β*(Rm-Rf) + ε
    # 载入股指数据
    sh = ts.get_k_data('sh', start=starttime,end=endtime, autype='qfq')  # 获取上证数据
    sh["p_change"] = (sh["close"] / sh["close"].shift(1) - 1) * 100  # 利用今日收盘价和前日收盘价计算股价波动，新增一列
    try:
        gzmt = ts.get_k_data(code, start=starttime,end=endtime, autype='qfq')  # 获取股票数据
        # 一些企业在2018年之前还未上市，作为特殊情况处理，返回0
        if len(gzmt.date) == 0:
            return [0]
        gzmt["p_change"] = (gzmt["close"] / gzmt["close"].shift(1) - 1) * 100
    except:
        return [0]

    # print(code)
    ret_merge = pd.merge(pd.DataFrame(sh.p_change), pd.DataFrame(gzmt.p_change), left_index = True, right_index = True, how = 'inner')

    # 计算日无风险利率
    Rf_year = 0.04  # 以2018 年中国三年期国债年化收益率为无风险利率
    Rf = (1+Rf_year)**(1/365)-1  # 年利率转化为日利率

    # 计算风险溢价:Ri-Rf
    Eret = ret_merge-Rf
    Eret.head()

    # 画出两个风险溢价的散点图，查看相关性
    plt.scatter(Eret.values[:, 0], Eret.values[:,1])
    # plt.show()

    # 利用最小二乘法进行线性回归，拟合CAPM 模型
    md_capm = sm.OLS(Eret.p_change_y[1:], sm.add_constant(Eret.p_change_x[1:]))
    result = md_capm.fit()
    text = str(result.summary())
    print("\n{}CAMP建立".format(name))
    print(result.summary())

    alpha = result.params[0]   # α系数
    Beita = result.params[1]   # β系数
    Pvalue = result.pvalues[1]
    print("a={},β={},pvalue={}".format(alpha,Beita,Pvalue))

    # print("{}的α系数：{},β系数：{}".format(name,number1,number2))
    return [alpha, Beita]


def readData():
    # 读取沪深300成分股的基础信息
    data = pd.read_csv('one.csv')
    # print(data.head())
    # print(data.columns)
    # 处理数据，将股票代码的数据类型从int转换成字符串
    code =[]
    for i in data['股票代码']:
        if i<10:
            i = '00000'+str(i)
        elif i<100:
            i = '0000' + str(i)
        elif i < 1000:
            i = '000' + str(i)
        elif i < 10000:
            i = '00' + str(i)
        elif i < 100000:
            i = '0' + str(i)
        else:
            i = str(i)
        code.append(i)
    data["股票代码"] = code
    plt.rcParams["font.sans-serif"] = "SimHei"  #设置图片中字体为中文黑体

    # 绘制沪深300指数成分股行业汇总统计图
    draw = pd.DataFrame({"行业": data.groupby('主营行业')["主营行业"].count()})
    draw.plot(kind="barh")
    plt.title("沪深300成分股行业统计图")
    plt.xlabel("数量")
    plt.ylabel("行业名称")
    plt.tick_params(axis='x', labelsize=8)
    plt.tick_params(axis='y', labelsize=8)
    plt.show()
    return data


if __name__ == "__main__":
    data = readData() # 读取股票基础数据
    info ={"股票代码":list(data["股票代码"]), "企业名称": list(data['股票简称']),"主营行业":list(data["主营行业"])}
    df = pd.DataFrame(info)
    # print(df)

    # 筛选
    stime = '2015-01-01'
    etime = '2018-01-01'
    # 依次计算企业的CAMP拟合结果
    code = list(df['股票代码'])
    name = list(df["企业名称"])
    n1 = [] # 用于存放α系数
    n2 = [] # 用于存放β系数
    print("对沪深300指数成分股2015年1月-2018年1月的CAMP模型计算")
    for i in range(len(code)):
        num = modelCAMP(code[i],name[i],stime,etime)
        if len(num) == 2:
            n1.append(num[0])
            n2.append(num[1])
        elif num[0] == 0:
            # print("{}在2018年还未上市".format(name[i]))
            n1.append(np.nan)
            n2.append(np.nan)
        else:
            print("不存在风险系数")
    df1 = df
    df1['α'] = n1  # 添加股票α系数
    df1['β'] = n2  # 添加股票β系数
    new1 = df1.sort_values(by='α', ascending=False)  # 按照α进行降序
    new1.to_csv("stock1.csv", index=False)  # 将数据存入csv文件中
    new1 = new1[:100]# 设定股票池1,选取α系数前30 的股票放入股票池1
    mean1 = new1['α'].mean()
    # print("股票池1的α平均值{}".format(mean1))


    #  预测
    stime = '2018-01-01'
    etime = '2021-01-01'
    n3 = [] # 存放α系数
    n4 = [] # 存放β系数

    print("对沪深300指数成分股2018年1月-2021年1月的CAMP模型计算")
    for i in range(len(code)):
        num = modelCAMP(code[i],name[i], stime, etime)
        if len(num) == 2:
            n3.append(num[0])
            n4.append(num[1])
        else:
            print("不存在风险系数")
    df2 = df
    df2['α'] = n3  # 添加股票α系数
    df2['β'] = n4  # 添加股票β系数
    new2 = df2.sort_values(by='α', ascending=False)  # 按照α进行降序
    new2.to_csv("stock2.csv", index=None)
    new2 = new2[:100]  # 设定股票池1,选取α系数前30 的股票放入股票池2

    # 计算股票池1和股票池2的重合度
    c = 0
    print("股票池1和股票池2都出现的企业")
    for i in new1["企业名称"]:
        if i in list(new2["企业名称"]):
            print(i)
            c += 1
    print("股票池1和股票池2一共有{}支股票重合，重合度为{}".format(c,c/100))

    # 绘制股票池中企业所属行业分布图
    # draw1 = pd.DataFrame({"行业": new1.groupby('主营行业')["主营行业"].count()})
    # draw1.plot(kind="barh")
    # plt.title("股票池1行业统计图")
    # plt.xlabel("数量")
    # plt.ylabel("行业名称")
    # plt.tick_params(axis='x', labelsize=8)
    # plt.tick_params(axis='y', labelsize=8)
    #
    # draw2 = pd.DataFrame({"行业": new2.groupby('主营行业')["主营行业"].count()})
    # draw2.plot(kind="barh")
    # plt.title("股票池2行业统计图")
    # plt.xlabel("数量")
    # plt.ylabel("行业名称")
    # plt.tick_params(axis='x', labelsize=8)
    # plt.tick_params(axis='y', labelsize=8)
    # plt.show()
    #
    # stime = '2018-01-01'
    # etime = '2021-01-01'
    # n5=[]
    # print("对股票池1中的股票2018年1月-2021年1月的阿尔法值进行计算")
    # code = list(new1["股票代码"])
    # name = list(new1["企业名称"])
    # for i in range(len(code)):
    #     num = modelCAMP(code[i], name[i], stime, etime)
    #     if len(num) == 2:
    #         n5.append(num[0])
    #     elif num[0] == 0:
    #         print("{}在2018年还未上市".format(name[i]))
    #     else:
    #         print("不存在风险系数")
    # df3 = new1
    # df3['α'] = n5  # 添加股票α系数
    # m = 0
    # for i in n5:
    #     m += i
    # mean2 = m/len(n5)
    # print("股票池1在2015年-2018年的α均值{},在2018年-2021年α的均值{}".format(mean1, mean2))