Python量化代码.doc
《Python量化代码.doc》由会员分享,可在线阅读,更多相关《Python量化代码.doc(8页珍藏版)》请在咨信网上搜索。
1、# coding: utf-8import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom _future_ import division# 获取数据函数def get_stock_data(stock_code, index_code, start_date, end_date): :param stock_code: 股票代码,例如sz000002 :param index_code: 指数代码,例如sh000001 :param start_date: 回测开始日期,例如1991-1-30 :param
2、 end_date: 回测结束日期,例如2015-12-31 :return: 函数返回其他函数的各参数序列 # 此处为存放csv文件的本地路径,请自行改正地址.注意windows和mac系统,斜杠的方向不一样 stock_data = pd.read_csv(rG:财通实习历史日线数据_样本%282013 2014年数据%292all_trading_datastock datash600000.csv, parse_dates=date) benchmark = pd.read_csv(rG:财通实习历史日线数据_样本%282013 2014年数据%292all_trading_datai
3、ndex datash000001.csv, parse_dates=date) date = pd.date_range(2016-01-01,2016-03-15) # 生成日期序列 # 选取在日期范围内的股票数据序列并按日期排序 stock_data = stock_data.ixstock_datadate.isin(date), date, change, adjust_price stock_data = stock_data.ixstock_datadate.isin(date), date, change, adjust_price # 选取在日期范围内的指数数据序列并按日期排
4、序 date_list = list(stock_datadate) benchmark = benchmark.ixbenchmarkdate.isin(date_list), date, change, close benchmark.sort_values(by=date, inplace=True) benchmark.set_index(date, inplace=True) # 将回测要用到的各个数据序列转成list格式 date_line = list(benchmark.index.strftime(%Y-%m-%d) # 日期序列 capital_line = list(st
5、ock_dataadjust_price) # 账户价值序列 return_line = list(stock_datachange) # 收益率序列 indexreturn_line = list(benchmarkchange) # 指数的变化率序列 index_line = list(benchmarkclose) # 指数序列 return date_line, capital_line, return_line, index_line, indexreturn_line# 计算年化收益率函数def annual_return(date_line, capital_line): :pa
6、ram date_line: 日期序列 :param capital_line: 账户价值序列 :return: 输出在回测期间的年化收益率 # 将数据序列合并成dataframe并按日期排序 df = pd.DataFrame(date: date_line, capital: capital_line) df.sort_values(by=date, inplace=True) df.reset_index(drop=True, inplace=True) rng = pd.period_range(dfdate.iloc0, dfdate.iloc-1, freq=D) # 计算年化收益
7、率 annual = pow(df.ixlen(df.index) - 1, capital / df.ix0, capital, 250 / len(rng) - 1 print 年化收益率为:%f % annual# 计算最大回撤函数def max_drawdown(date_line, capital_line): :param date_line: 日期序列 :param capital_line: 账户价值序列 :return: 输出最大回撤及开始日期和结束日期 # 将数据序列合并为一个dataframe并按日期排序 df = pd.DataFrame(date: date_line
8、, capital: capital_line) df.sort_values(by=date, inplace=True) df.reset_index(drop=True, inplace=True) dfmax2here = pd.expanding_max(dfcapital) # 计算当日之前的账户最大价值 dfdd2here = dfcapital / dfmax2here - 1 # 计算当日的回撤 # 计算最大回撤和结束时间 temp = df.sort_values(by=dd2here).iloc0date, dd2here max_dd = tempdd2here end
9、_date = tempdate # 计算开始时间 df = dfdfdate 0, rtn = 1 # 收益率大于0的记为1 df.ixdfrtn 0, up = 1 df.ixdfrtn 0, up = 0 dfup.fillna(method=ffill, inplace=True) # 根据up这一列计算到某天为止连续上涨下跌的天数 rtn_list = list(dfup) successive_up_list = num = 1 for i in range(len(rtn_list): if i = 0: successive_up_list.append(num) else:
10、if (rtn_listi = rtn_listi - 1 = 1) or (rtn_listi = rtn_listi - 1 = 0): num += 1 else: num = 1 successive_up_list.append(num) # 将计算结果赋给新的一列successive_up dfsuccessive_up = successive_up_list # 分别在上涨和下跌的两个dataframe里按照successive_up的值排序并取最大值 max_successive_up = dfdfup = 1.sort_values(by=successive_up, as
11、cending=False)successive_up.iloc0 max_successive_down = dfdfup = 0.sort_values(by=successive_up, ascending=False)successive_up.iloc0 print 最大连续上涨天数为:%d 最大连续下跌天数为:%d % (max_successive_up, max_successive_down)# 计算最大单周期涨幅和最大单周期跌幅def max_period_return(date_line, return_line): :param date_line: 日期序列 :par
12、am return_line: 账户日收益率序列 :return: 输出最大单周期涨幅和最大单周期跌幅 df = pd.DataFrame(date: date_line, rtn: return_line) # 分别计算日收益率的最大值和最小值 max_return = dfrtn.max() min_return = dfrtn.min() print 最大单周期涨幅为:%f 最大单周期跌幅为:%f % (max_return, min_return)# 计算收益波动率的函数def volatility(date_line, return_line): :param date_line:
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- Python 量化 代码
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【精****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【精****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。