标签：index get Python 股票 31 动量 收盘价 data concat

一、計算动量因子

1. 确定交易对象：股票池、考虑流动性（沪深300/创业板）
2. 选定业绩评价周期：过去1-12个月
3. 计算形成期的收益率：过去N个月的收益率
4. 对收益率进行排序：最佳-赢家组合、最差-输家组合
5. 确定持仓/换仓周期：1个月、可自定义测算
6. 连续或间隔一段时期，不断重复2-5步骤
7. 计算动量/反向策略各持有率的回报率
8. 计算t/p统计值，判断是否存在动量效应

二、实战

2.1所有股票收盘价的拼接

将所有个股的收盘价拼接到一张表，方便之后的计算和预览。

# 获取沪深300股票池
def get_data(index_symbol = '000300.XSHG'):
    #获取股票列表代码(沪深300、创业板、上证)
    stocks =st.get_index_list(index_symbol=index_symbol)
    #拼接收盘价数据
    data_concat = pd.DataFrame()
    #获取股票数据
    for code in stocks[0:9]:
        data = st.get_single_price(code, 'daily')
        #取出收盘价这一列
        res = pd.DataFrame(data,columns=['close'])
        #修改收盘价这一列的名称为股票代码
        res.columns = [code]
        #拼接多个股票的收盘价（日期、股票A收盘价、股票B收盘价）
        data_concat = pd.concat([data_concat, res],axis = 1)

    #预览股票数据
    print(data_concat.tail())

运行结果

到這裏，我们获取了股票的收盘价，并且全部拼接起来。

我们再将get_data函数优化一下：

# 获取沪深300股票池
def get_data(start_date, end_date, index_symbol = '000300.XSHG'):
    #获取股票列表代码(沪深300、创业板、上证)
    stocks =st.get_index_list(index_symbol=index_symbol)
    #拼接收盘价数据
    data_concat = pd.DataFrame()
    #获取股票数据
    for code in stocks[0:9]:
        data = st.get_single_price(code, 'daily', start_date=start_date, end_date=end_date)
        #取出收盘价这一列
        res = pd.DataFrame(data,columns=['close'])
        #修改收盘价这一列的名称为股票代码
        res.columns = [code]
        #拼接多个股票的收盘价（日期、股票A收盘价、股票B收盘价）
        data_concat = pd.concat([data_concat, res],axis = 1)
	
    #预览股票数据
    return data_concat

2.2动量因子计算

# 动量策略
def momentum(data_concat, shift_N = 1):
    #转换时间频率：日转换为月
    data_month = data_concat.resample('M').last()
    print(data_month.head())
    #计算过去N个月的收益率 = 期末值/期初值 -1
    shift_return = data_month / data_month.shift(shift_N) -1
    print(shift_return.head(10))
    return shift_return

if __name__ == '__main__':
    # 测试获取沪深300 前9个个股数据
    data_concat = get_data('2020-01-01', '2021-04-01')
    # 测试 动量策略
    momentum(data_concat)

运行结果：

标签：index,get,Python,股票,31,动量,收盘价,data,concat
来源： https://blog.csdn.net/huangbangqing12/article/details/118268847

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。