Python金融数据分析与挖掘（微课版） 课件 9-3.量化投资策略设计与分析.pptx

第9章股票价格涨跌趋势预测单只股票模型投资收益率计算量化投资策略设计

单只股票模型投资收益率计算第9章为了方便量化投资策略的使用，我们将单只股票的指标计算、预测模型构建及结果分析，即单只股票模型投资收益率计算的全流程定义为函数Re，该函数存在于Re_comput.py文件中defRe(data,n):#data--表示某只股票代码的交易数据#n--表示选用的方法,0--神经网络,1--支持向量机,2--逻辑回归#返回结果为一个元组(R,r_list,r_total,sc)#其中R--表示预测准确率,r_list--表示策略每次投资收益#r_total--表示总收益,sc--表示模型准确率return(R,r_list,r_total,sc)

量化投资策略设计第9章以第8章中基于总体规模与投资效率指标的综合评价方法获得2016年排名前20只股票构建投资组合。对投资组合中每一只股票以2017年1月1日—2017年11月30日之间的交易数据为训练数据，预测2017年12月1日—2017年12月31日之间的交易涨跌情况。如果预测结果为+1，表示下一个交易日为上涨，则以当天收盘价买入，下一个交易日收盘价卖出，计算该股票的投资收益率。最终获得投资组合的收益率，其中投资组合的收益率为组合中所有股票收益率之和StkcdTrddtClsprcDnshrtrdDnvaltrdOpnprcHiprcLoprc0000012017-01-039.16459840494205951769.119.189.090000012017-01-049.16449329534115034449.159.189.140000012017-01-059.17344372913157696949.179.189.150000012017-01-069.13358154203271764349.179.179.110000012017-01-099.15361081573299946049.139.179.110000012017-01-109.15241053952205751329.159.169.14…………2017年交易数据

量化投资策略设计第9章首先基于第8章中基于总体规模与投资效率指标的综合评价方法，调用其综合评价函数Fr，函数输入参数为财务报表数据和年度，函数返回结果为排名情况（证券代码形式），并取排名前20股票代码的构建投资组合。importpandasaspdimportfunimportRe_comput#第8章中基于总体规模与投资效率指标的综合评价方法,获得排名前20的股票构建投资组合dt=pd.read_excel(ddata.xlsx)r=fun.Fr(dt,2016)c=r[0]code=list(c.index[0:20])

量化投资策略设计第9章其次调用前面定义的函数Re,计算投资组合收益率，并将结果导出到Excel文件中DA=pd.read_excel(DA.xlsx)#2017股票交易数据list_code=[]list_00=[]list_01=[]list_02=[]list_10=[]list_11=[]list_12=[]list_20=[]list_21=[]list_22=[]foriinrange(len(code)):data=DA.iloc[DA.iloc[:,0].values==code[i],:]iflen(data)1:data.index=range(len(data))#重新默认顺序设置索引list_code.append(code[i])z0=Re_comput.Re(data,0)z1=Re_comput.Re(data,1)z2=Re_comput.Re(data,2)list_00.append(z0[0])list_01.append(z0[2])list_02.append(z0[3])list_10.append(z1[0])list_11.append(z1[2])list_12.append(z1[3])list_20.append(z2[0])list_21.append(z2[2])list_22.append(z2[3])D={code:list_code,nn_R:list_0