小白一枚，金融大数据分析作业，顺便总结一下。
下面的数据以中国银行股票为例，其他股票的而分析方法类似。编程工具：Jupyter notebook
1. 导入数据分析包并设置好绘图工具属性
import pandas as pd
import matplotlib.pyplot as plt
import ffn #金融计算包
import tushare as ts#获取金融数据的工具包
%matplotlib inline
plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
[/code]
# 2. 获取股票数据
tushare工具包可以获取股票数据，获取的数据一般只能是最近几年的股价数据。更早的数据获取不到，可以换用pandas的数据获取包。
```code
chinaBank = ts.get_hist_data('601988', '2018-01-01', '2019-01-01') #中国银行
chinaBank = chinaBank.sort_values(by='date', ascending=True) #数据转化为升序
Close = chinaBank.close
Close.head()
[/code]
# 3. 收益率
## 3.1 一期收益率
在计算之前，一定要确保日期索引是dataTime类型，否则可能出现计算出错的问题。
```code
#将索引值变换成日期型数据(datetime)，
Close.index = pd.to_datetime(Close.index)
#收盘价格滞后一期，第一位数据由于没有前项，值会变为NaN
lagClose = Close.shift(1)
#将收盘价格与滞后一期的收盘价格合并，转换成DataFrame数据
Close_hebing = pd.DataFrame({"Close": Close, "lagClose": lagClose})
Close_hebing.head()
#收益率
simpleret = (Close - lagClose) / lagClose
simpleret.name = 'simpleret'
#中国银行一期收益率
simpleret.head() #每天的收益率
[/code]
## 3.2 二期收益率
```code
#二期收益率
simpleret2 = (Close - Close.shift(2)) / Close.shift(2)
simpleret2.name = 'simpleret2'
simpleret2.head()
[/code]
## 3.3 单期收益率曲线图
```code
plt.figure(figsize=(10, 6))
simpleret.plot()
[/code]
作图的结果如下：
## 3.4 累积（多期）收益率曲线图
第二行代码的表达式是多期收益率的表达式，多期表达式与一期收益率有一个近似的函数表达式，具体推导需要自行百度一下相关证明。
```code
plt.figure(figsize=(10, 6))
((1 + simpleret).cumprod() - 1).plot() #累乘cumprod并绘图
[/code]
# 4 年化收益
计算年化收益前需要获得每日的日收益，年收益的计算公式代码里面已经附上。
```code
#累加cumsum和累乘cumprod
#年华收益率计算公式：[（1+r1）*(1+r2)*...(1+rn)]**(n/m)，n为一年股票交易天数，m为大盘交易天数
annualize = (1 + simpleret).cumprod()[-1]**(245 / 311) - 1
print("中国银行2018年年收益:" + str(annualize))
[/code]
# 5 风险度量
## 5.1 度量方式1——方差度量风险
方差度量风险，相当于是数据的稳定性，这里转化为收益的稳定性。
```code
returnS = ffn.to_returns(chinaBank.close).dropna() #计算一期收益率
print("中国银行方差风险：" + str(returnS.std()**2)) #std()函数是标准差，需要平方
[/code]
## 5.2 度量方式1——下行风险
这里自定义了下行风险偏差函数。无风险收益率不仅可以用自身的平均收益率，还可以使用各个典型的银行定期收益率作为无风险收益率。
```code
#下行偏差风险函数，返回值越大则对应的风险越大
def cal_down_risk(returns):
mu = returns.mean()#无风险利率，这里取平均值
temp = returns[returns < mu]
down_risk = (sum((mu - temp)**2) / len(returns))**0.5
return (down_risk)
print("下行风险：" + str(cal_down_risk(returnS)))
[/code]
