驰骋股市！手把手教你如何用Python和数据科学赚钱？

栏目: Python · 发布时间: 6年前

内容简介：金融领域或许是数据科学应用场景中最充满想象力的部分，毕竟它跟财富结合地无比紧密。不管是否是经济达人，数据科学都是一种帮你了解一支股票的高效方式。本文作者把数据科学和机器学习技术应用到金融领域中，向你展示如何通过数据分析的方式驰骋股市，搭建自己的金融模型！让我们先了解一些基本定义。

金融领域或许是数据科学应用场景中最充满想象力的部分，毕竟它跟财富结合地无比紧密。

不管是否是经济达人，数据科学都是一种帮你了解一支股票的高效方式。本文作者把数据科学和机器学习技术应用到金融领域中，向你展示如何通过数据分析的方式驰骋股市，搭建自己的金融模型！

让我们先了解一些基本定义。

定义和假设

什么是交易算法？

Quantopian定义：

交易算法是一种计算机程序，它定义了一套买卖资产的规则。大多数交易算法基于研究历史数据得出的数学或统计模型来做出决策。

我们使用什么平台？

我使用Anaconda, Jupyter Notebooks, 和 PyCharm实现 Python 建模，使用这些工具非常容易。但是，你也可以使用Quantopian平台内置内核工具，或者甚至可以根据需要将代码修改为R或者其他语言。

我使用Mac系统，并将全程分享所用的UNIX命令。Windows用户请自行搜索答案！

我们关注哪些资产？

Apple苹果（AAPL）是一支很好的股票，因为目前为止（2018年9月）它已经是世界上价值最高的公司，不仅拥有相对稳定的股票价格，而且拥有足够多与品牌相关的体量、新闻和人气。

需要提醒：此处涵盖的原则对于较小的公司股本，或不同的行业等的适用性有所不同。

环境搭建

要在本地电脑上获取Quantopian平台，请在终端执行以下命令：

# create conda py35 since that's the newest version that works
conda create -n py35 python=3.5

conda install -c quantopian/label/ci -c quantopian zipline

为了确保Quandl正常运行，请根据账号创建说明和API文档加载金融数据。另外，请保存好你的API key，因为需要用到它来加载所有重要数据。

加载数据

让我们开始使用代码库：

import pandas as pd
import numpy as np
import patsy

pd.core.common.is_list_like = pd.api.types.is_list_like
from pandas_datareader import data
import quandl
quandl.ApiConfig.api_key = "##############"

现在让我们来拉取些Apple股票数据：

df = quandl.get("WIKI/" + 'AAPL', start_date="2014-01-01")

注意观察这些列，注意其中一个名为“分割比例”的列。这是一个非常重要的指标；它标志着股票拆分发生。在2014年，Apple决定采用7:1进行股票分割，我们可以使用Python 和pandas 来查询发生的日期：

len(df)
df['Split Ratio'].value_counts()
df[df['Split Ratio'] == 7.0]

我们从而找到了2014-06-09。让我们拉取这个日期后的股票价格信息：

aapl_split = quandl.get("WIKI/" + 'AAPL', start_date="2014-06-10")
aapl_split.head()

顺便说一句，我在GitHub上找到了所有财富500强的股票代码清单。如果你想将自己的分析扩展到股票集，可以像这样将它们加载到列表中：

f500 = pd.read_csv('https://raw.githubusercontent.com/datasets/s-and-p-500-companies/master/data/constituents.csv')

tickers = f500.Symbol.tolist()

关键统计数据

增广迪基-福勒检验(Augmented Dickey-Fuller test),简称ADF检验。

我们需要检验单位根是否存在，可以使用ADF测试完成检验。简而言之，单位根存在则预示存在驱动AAPL的潜在趋势，从而我们可以提取模式并用于预测。

# run ADF to determine unit root
import statsmodels.tsa.stattools as ts
cadf = ts.adfuller(aapl_split.Close)

print('Augmented Dickey Fuller:')
print('Test Statistic =',cadf[0])
print('p-value =',cadf[1])
print('Critical Values =',cadf[4])

Augmented Dickey Fuller:
Test Statistic = -0.731194982176
p-value = 0.838503045276
Critical Values = {‘1%’: -3.4372231474483499, ‘5%’: -2.8645743628401763, ‘10%’: -2.5683856650361054}

我们将上面的测试统计值与临界值进行比较；如果它低于我们选择的阈值，则拒绝存在单位根的零假设。正如你所见，p-value比较大，所以我们必须接受原假设(Ho)：即AAPL存在单位根。这个结果很好，因为我们可以利用潜在的趋势和模式进行预测。

与其他股票的相关性

Apple被认为是一个巨头技术品牌。假如我们能够计算与其他股票的强相关性会怎么样？

请注意相关性并不意味着因果关系，并且可能存在着哪个股票是先行者的问题，但是模式和关系对于提高模型性能总是一件好事。

我建议你查看三支股票，以及AAPL如何与它们关联：