小白一枚，金融大數據分析作業，順便總結一下。
下面的數據以中國銀行股票為例，其他股票的而分析方法類似。編程工具：Jupyter notebook
1. 導入數據分析包並設置好繪圖工具屬性
import pandas as pd
import matplotlib.pyplot as plt
import ffn #金融計算包
import tushare as ts#獲取金融數據的工具包
%matplotlib inline
plt.rcParams['font.sans-serif'] = ['SimHei'] #用來正常顯示中文標簽
plt.rcParams['axes.unicode_minus'] = False #用來正常顯示負號
[/code]
# 2. 獲取股票數據
tushare工具包可以獲取股票數據，獲取的數據一般只能是最近幾年的股價數據。更早的數據獲取不到，可以換用pandas的數據獲取包。
```code
chinaBank = ts.get_hist_data('601988', '2018-01-01', '2019-01-01') #中國銀行
chinaBank = chinaBank.sort_values(by='date', ascending=True) #數據轉化為升序
Close = chinaBank.close
Close.head()
[/code]
# 3. 收益率
## 3.1 一期收益率
在計算之前，一定要確保日期索引是dataTime類型，否則可能出現計算出錯的問題。
```code
#將索引值變換成日期型數據(datetime)，
Close.index = pd.to_datetime(Close.index)
#收盤價格滯后一期，第一位數據由於沒有前項，值會變為NaN
lagClose = Close.shift(1)
#將收盤價格與滯后一期的收盤價格合並，轉換成DataFrame數據
Close_hebing = pd.DataFrame({"Close": Close, "lagClose": lagClose})
Close_hebing.head()
#收益率
simpleret = (Close - lagClose) / lagClose
simpleret.name = 'simpleret'
#中國銀行一期收益率
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 單期收益率曲線圖
```code
plt.figure(figsize=(10, 6))
simpleret.plot()
[/code]
作圖的結果如下：
## 3.4 累積（多期）收益率曲線圖
第二行代碼的表達式是多期收益率的表達式，多期表達式與一期收益率有一個近似的函數表達式，具體推導需要自行百度一下相關證明。
```code
plt.figure(figsize=(10, 6))
((1 + simpleret).cumprod() - 1).plot() #累乘cumprod並繪圖
[/code]
# 4 年化收益
計算年化收益前需要獲得每日的日收益，年收益的計算公式代碼里面已經附上。
```code
#累加cumsum和累乘cumprod
#年華收益率計算公式：[（1+r1）*(1+r2)*...(1+rn)]**(n/m)，n為一年股票交易天數，m為大盤交易天數
annualize = (1 + simpleret).cumprod()[-1]**(245 / 311) - 1
print("中國銀行2018年年收益:" + str(annualize))
[/code]
# 5 風險度量
## 5.1 度量方式1——方差度量風險
方差度量風險，相當於是數據的穩定性，這里轉化為收益的穩定性。
```code
returnS = ffn.to_returns(chinaBank.close).dropna() #計算一期收益率
print("中國銀行方差風險：" + str(returnS.std()**2)) #std()函數是標准差，需要平方
[/code]
## 5.2 度量方式1——下行風險
這里自定義了下行風險偏差函數。無風險收益率不僅可以用自身的平均收益率，還可以使用各個典型的銀行定期收益率作為無風險收益率。
```code
#下行偏差風險函數，返回值越大則對應的風險越大
def cal_down_risk(returns):
mu = returns.mean()#無風險利率，這里取平均值
temp = returns[returns < mu]
down_risk = (sum((mu - temp)**2) / len(returns))**0.5
return (down_risk)
print("下行風險：" + str(cal_down_risk(returnS)))
[/code]
