小白一枚，金融大資料分析作業，順便總結一下。
下面的資料以中國銀行股票為例，其他股票的而分析方法類似。程式設計工具：Jupyter notebook
1. 導入資料分析包并設定好繪圖工具屬性
import pandas as pd
import matplotlib.pyplot as plt
import ffn #金融計算包
import tushare as ts#擷取金融資料的工具包
%matplotlib inline
plt.rcParams['font.sans-serif'] = ['SimHei'] #用來正常顯示中文标簽
plt.rcParams['axes.unicode_minus'] = False #用來正常顯示負号
2. 擷取股票資料
tushare工具包可以擷取股票資料，擷取的資料一般隻能是最近幾年的股價資料。更早的資料擷取不到，可以換用pandas的資料擷取包。
chinaBank = ts.get_hist_data('601988', '2018-01-01', '2019-01-01') #中國銀行
chinaBank = chinaBank.sort_values(by='date', ascending=True) #資料轉化為升序
Close = chinaBank.close
Close.head()
3. 收益率
3.1 一期收益率
在計算之前，一定要確定日期索引是dataTime類型，否則可能出現計算出錯的問題。
#将索引值變換成日期型資料(datetime)，
Close.index = pd.to_datetime(Close.index)
#收盤價格滞後一期，第一位資料由于沒有前項，值會變為NaN
lagClose = Close.shift(1)
#将收盤價格與滞後一期的收盤價格合并，轉換成DataFrame資料
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
3.2 二期收益率
#二期收益率
simpleret2 = (Close - Close.shift(2)) / Close.shift(2)
simpleret2.name = 'simpleret2'
simpleret2.head()
3.3 單期收益率曲線圖
plt.figure(figsize=(10, 6))
simpleret.plot()
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。
plt.figure(figsize=(10, 6))
((1 + simpleret).cumprod() - 1).plot() #累乘cumprod并繪圖
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裡面已經附上。
#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))
5 風險度量
5.1 度量方式1——方差度量風險
方差度量風險，相當于是資料的穩定性，這裡轉化為收益的穩定性。
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()函數是标準差，需要平方
5.2 度量方式1——下行風險
這裡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。
#下行偏差風險函數，傳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，這裡取平均值
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)))