您的位置 首页 金融知识

python怎么计算股票收益率(如何用Python分析股票收益率)

金融行业的Python学习,不同于IT系统开发,我们并不需要达到程序员的水平。然而,学会Python可以让你实…

金融行业的Python学习,不同于IT系统开发,我们并不需要达到程序员的水平。然而,学会Python可以让你实现一个人写完一个交易系统的需求,真正的一个人当成一支军队。

在量化交易里,Python是工具,金融是Sense,它可以让你的想法快速实现并得到验证。而在金融领域运用Python就必然会涉及资本市场最重要的部分——股票。“股市如此多娇,引无数投资者竞折腰”,用Python来分析股票投资组合收益率和波动率,是每个金融从业者都该掌握的本领。

我们缺少的,是在具体的金融场景下应用Python的经验。今天就让我们以金融股为分析对象,来一次Python金融实战,希望对你有所启发!

案例详情

A公司是总部位于北京的一家公募基金管理公司,在公司对外发行的全部基金产品中,有一只名为“新金融股票型基金”,该基金在投资策略上是精选具有核心竞争优势、持续增长潜力且估值水平相对合理的A股市场金融股。截止到2019年9月末,该基金重仓的股票包括浦发银行、招商银行、中信证券、海通证券、中国平安以及中国太保这6只股票,表7-2就列示了2014年1月至2019年9月末这6只股票的部分日收盘价,并且全部数据均存放于Excel文件。

2014年1月至2019年9月期间A股市场6只金融机构股票的部分日收盘价

(单位:元/股)

python怎么计算股票收益率

数据来源:上海证券交易所

假定你是A公司的一位基金经理助理,日常的工作就是协助“新金融股票型基金”的基金经理跟踪并分析已投资的股票。根据基金经理的要求,你需要运用Python完成3项编程任务。

编程任务

【任务 1】导入存放表7-2中这些股票在2014年1月至2019年9月期间日收盘价的Excel文件,计算每只股票的日收益率、年化平均收益率、年化收益波动率,计算日收益率时需要用自然对数。

【任务 2】针对由这6只股票构建的投资组合,随机生成包含每只股票配置权重的一个数组(权重合计等于1),并且计算以该权重配置的投资组合年化平均收益率、年化收益波动率。

【任务 3】随机生成包含2000组不同的股票配置权重的数组,以此计算出相对应的2 000个不同的投资组合年化平均收益率、年化收益波动率,并且以散点图的方式绘制在横坐标为年化收益波动率、纵坐标为年化平均收益率的坐标轴中。

编程提示

针对任务2,假定投资组合由N只股票组成,wi代表了投资组合中第i只股票所占的权重(股票的市值占投资组合整体市值的比例),E(Ri)代表了投资组合中第i只股票的预期收益率(用该股票过去收益率的均值代替),可以得到投资组合预期收益率E(RP)的表达式如下:

同时,假设

表示第i只股票的收益波动率,

表示第i只股票收益率与第只股票收益率之间的协方差,投资组合收益波动率的

表达式如下:

参考代码与说明

任务1的代码

In [1]: import numpy as np ...: import pandas as pd ...: import matplotlib.pyplot as plt ...: from pylab import mpl ...: mpl.rcParams['font.sans-serif'] = ['KaiTi'] ...: mpl.rcParams['axes.unicode_minus'] = FalseIn [2]: stock_price=pd.read_excel('C:/Desktop/金融股(2014年—2019年9月).xlsx', sheet_name= "Sheet1",header=0,index_col=0) #导入外部数据 ...: stock_price=stock_price.dropna() #删除缺失值的行In [3]: (stock_price/stock_price.iloc[0]).plot(figsize=(9,6),grid=True) #将股价按照2014年首个交易日进行归1处理并且可视化Out[3]:In [4]: stock_return=np.log(stock_price/stock_price.shift(1)) #计算股票的日收益率 ...: stock_return=stock_return.dropna() #删除缺失值所在的行In [5]: return_mean=stock_return.mean()*252 #计算股票的平均年化收益率 ...: print('2014年至2019年9月的年化平均收益率\n',return_mean.round(6)) #保留小数点后6位2014年至2019年9月的年化平均收益率浦发银行 0.042824招商银行 0.211223海通证券 0.043759华泰证券 0.138177中国平安 0.134000中国太保 0.117563dtype: float64In [6]: return_volatility=stock_return.std()*np.sqrt(252) #计算股票的年化收益波动率 ...: print('2014年至2019年9月的年化收益波动率\n',return_volatility.round(6))2014年至2019年9月的年化收益波动率浦发银行 0.282428招商银行 0.296238海通证券 0.396386华泰证券 0.449228中国平安 0.465064中国太保 0.359268dtype: float64

从下图不难看出,由于6只股票均是金融类股票,因此在整体的走势方面存在一定的趋同性。但是每只股票的平均年化收益率则存在较大差异,其中,招商银行的平均收益率最高,浦发银行的收益率则最低。同时,从平均年化波动率来看,银行股最低,中国平安则最高。

python怎么计算股票收益率

2014年1月至2019年9月期间6只金融股股价走势图
(股价在2014年首个交易日做归1处理)

任务2的代码

In [7]: x=np.random.random(len(return_mean.index)) #从均匀分布中随机抽取6个从0到1的随机数In [8]: w=x/np.sum(x) #生成随机权重的一个数组 ...: w #查看生成的随机权重数组Out[8]: array([0.24372614, 0.03925093, 0.20889395, 0.20843467, 0.23808734, 0.06160696])

需要注意的是,由于是通过随机生成的数组,因此每一次得到的随机权重数组是不相同的,但是权重的合计数是等于1。

In [9] : return_cov=stock_return.cov()*252 #计算每只股票收益率之间的协方差 ...: return_covOut[9] : 浦发银行 招商银行 海通证券 华泰证券 中国平安 中国太保浦发银行 0.079765 0.054347 0.055693 0.065324 0.062048 0.056216招商银行 0.054347 0.087757 0.058148 0.066847 0.078228 0.072074海通证券 0.055693 0.058148 0.157122 0.147365 0.092994 0.086569华泰证券 0.065324 0.066847 0.147365 0.201806 0.102020 0.096885中国平安 0.062048 0.078228 0.092994 0.102020 0.216285 0.110579中国太保 0.056216 0.072074 0.086569 0.096885 0.110579 0.129074In [10]: return_corr=stock_return.corr() #计算每只股票收益率之间的相关系数 ...: return_corrOut[10]: 浦发银行 招商银行 海通证券 华泰证券 中国平安 中国太保浦发银行 1.000000 0.649575 0.497483 0.514872 0.472398 0.554035招商银行 0.649575 1.000000 0.495191 0.502310 0.567816 0.677201海通证券 0.497483 0.495191 1.000000 0.827580 0.504459 0.607889华泰证券 0.514872 0.502310 0.827580 1.000000 0.488321 0.600306中国平安 0.472398 0.567816 0.504459 0.488321 1.000000 0.661823中国太保 0.554035 0.677201 0.607889 0.600306 0.661823 1.000000In [11]: Rp=np.dot(return_mean,w) #计算投资组合的年化收益率 ...: Vp=np.sqrt(np.dot(w,np.dot(return_cov,w.T))) #计算投资组合的年化收益波动率 ...: print('用随机生成的权重计算得到投资组合的年化收益率',round(Rp,6)) ...: print('用随机生成的权重计算得到投资组合的年化收益波动率',round(Vp,6))用随机生成的权重计算得到投资组合的年化收益率 0.095816用随机生成的权重计算得到投资组合的年化收益波动率 0.315454

从以上的相关系数输出结果不难看出,由于都是金融股,因此不同股票之间的相关系数是比较高的,投资组合的分散化效应可能会不太理想。此外,根据随机生成的权重数,得到投资组合的年化收益率为9.581 6%,波动率高达31.545 4%。

任务3的代码

In [12]: x_2000=np.random.random((len(return_mean.index),2000)) #从均匀分布中随机抽取6行、2000列的0到1的随机数In [13]: w_2000=x_2000/np.sum(x_2000,axis=0) #生成包含2000组随机权重的数组 ...: w_2000Out[13]: array([[0.19250103, 0.01845509, 0.01765565, ..., 0.33889512, 0.0463229 , 0.26199306], [0.07263106, 0.00973181, 0.13055863, ..., 0.03118864, 0.20474944, 0.06271757], [0.09534805, 0.30004746, 0.18353861, ..., 0.13704764, 0.22151316, 0.12965449], [0.09386134, 0.16068824, 0.212781 , ..., 0.02455051, 0.13288678, 0.03435049], [0.25893945, 0.31725497, 0.14183784, ..., 0.00825204, 0.03630956, 0.14306535], [0.28671907, 0.19382242, 0.31362827, ..., 0.46006606, 0.35821817, 0.36821904]])In [14]: Rp_2000=np.dot(return_mean,w_2000) #计算投资组合不同的2000个收益率 ...: Vp_2000=np.zeros_like(Rp_2000) #生成存放投资组合2000个不同收益波动率的初始数组In [15]: for i in range(len(Rp_2000)): #用for语句快速计算投资组合2000个不同的收益波动率 ...: Vp_2000[i]=np.sqrt(np.dot((w_2000.T)[i],np.dot(return_cov,w_2000[:,i])))In [16]: plt.figure(figsize=(9,6)) ...: plt.scatter(Vp_2000,Rp_2000) ...: plt.xlabel(u'波动率',fontsize=13) ...: plt.ylabel(u'收益率',fontsize=13,rotation=90) ...: plt.xticks(fontsize=13) ...: plt.yticks(fontsize=13) ...: plt.title(u'投资组合收益率与波动率的关系', fontsize=13) ...: plt.grid('True') ...: plt.show()

下图中的散点就是本次随机生成2 000组不同投资权重所对应的投资组合收益率和波动率。通过映射至纵坐标的数值,可以目测出投资组合的最高年化收益率超过16%,最低年化收益率则略低于7%;通过映射至横坐标的数值可以发现,投资组合的最高波动率接近37%,最低波动率则接近26%。

python怎么计算股票收益率

在随机生成的2 000组不同投资权重条件下投资组合的收益率与波动率的关系图

-END-

python怎么计算股票收益率

Python金融实战案例精粹

作者: 斯文

内容简介:随着金融科技时代的到来,Python在金融领域的影响力已经有目共睹。掌握Python在金融实务中的应用,已经成为金融科技达人们必备的技能之一。

本书作为《基于Python的金融分析与风险管理》一书的配套案例集,整合了源于现实金融市场和日常实务工作的88个原创案例,涉及308项编程任务,包括超过6000行的Python代码。

本书囊括了丰富多样的金融场景,涵盖利率、汇率、债券、股票、基金、远期、股指期货、外汇期货、国债期货、股票期权、商品期权等金融产品,还涉及商业银行、证券公司、期货公司、保险公司、信托公司、资产管理公司、基金管理公司、金融控股公司等各类型的金融机构,既介绍了包括我国在内的新兴市场,又介绍了欧美成熟的金融市场,囊括金融实务中可能涉及Python编程的各种场景。

适合人群:本书着眼于一系列从业者可能涉及的金融实务案例,并结合Python编程给出了高效的解决方案。通过阅读本书,读者能够全方位地了解金融市场的运作,深刻洞察各类职务背后的工作技巧。

本文来自网络,不代表55财经立场,转载请注明出处:https://www.0755circlehotel.com/jinrongzhishi/3445.html

作者: 55财经

联系我们

联系我们

0898-88881688

在线咨询: QQ交谈

邮箱: email@wangzhan.com

工作时间:周一至周五,9:00-17:30,节假日休息

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

关注微博
返回顶部