企业网站开发服务,什么平台可以做网站,网站正在建设中色综合,江阴高端网站建设挑选五只股票#xff1a;万科A、中国平安、贵州茅台、万华化学和科大讯飞#xff0c;然后我们以沪深300作为市场基准。import pandas as pd
import tushare as ts
# 获取数据
pro ts.pro_api()
wanke pro.daily(ts_code000002.SZ, start_date20170101)
pingan pro.daily(t…挑选五只股票万科A、中国平安、贵州茅台、万华化学和科大讯飞然后我们以沪深300作为市场基准。import pandas as pd
import tushare as ts
# 获取数据
pro ts.pro_api()
wanke pro.daily(ts_code000002.SZ, start_date20170101)
pingan pro.daily(ts_code601318.SH, start_date20170101)
maotai pro.daily(ts_code600519.SH, start_date20170101)
wanhua pro.daily(ts_code002415.SZ, start_date20170101)
keda pro.daily(ts_code002230.SZ, start_date20170101)
hs300 pro.index_daily(ts_code000300.SH, start_date20170101)
# 仅保留收益率数据且用日期作为index
# 然后按照日期排序增序
stock_list [wanke, pingan, maotai, wanhua, keda, hs300]
for stock in stock_list:stock.index pd.to_datetime(stock.trade_date)
df pd.concat([stock.pct_chg / 100 for stock in stock_list], axis1)
df.columns [wanke, pingan, maotai, wanhua, keda, hs300]
df df.sort_index(ascendingTrue)
df.describe()
df df.fillna(0)
returns (df 1).product() - 1
print(累计收益率\n, returns)
print(\n标准差\n, df.std()) #两年来的收益率波动情况
import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib as mpl
sns.set()
mpl.rcParams[font.family] sans-serif
mpl.rcParams[font.sans-serif] SimHei
plt.figure(figsize(10, 5))
for col in df.columns:plt.plot(df[col], labelcol)
plt.title(日收益率时序图(2017至今), fontsize20)
plt.legend();plt.figure(figsize(10, 5))
for col in df.columns:plt.plot((df[col]1).cumprod()-1, labelcol)
plt.title(累计收益率时序图(2017至今), fontsize20)
plt.legend();
#我们先假设无风险固定收益为3.2%那么平均每日的无风险收益率为rf 1.032 ** (1/360) - 1
print(rf)#需要计算出这些股票和沪深300各自的风险溢酬。df_rp df - rf
df_rp.head()sns.pairplot(df_rp);
我们这次使用statsmodels来求解在这里我们使用sm.add_constant()方法增加一个常数项用于求解α。import statsmodels.api as sm
stock_names {wanke: 万科A,pingan: 中国平安,maotai: 贵州茅台,wanhua: 万华化学,keda: 科大讯飞
}
for stock in [wanke, pingan, maotai, wanhua, keda]:model sm.OLS(df_rp[stock], sm.add_constant(df_rp[hs300]))result model.fit()print(stock_names[stock] \n)print(result.summary())print(\n\n)
相关文章：
