2018.11.16 22:08:42
本文翻譯自2018年最熱門的Python金融教程 Python For Finance: Algorithmic Trading。
這篇 Python 金融教程向您介紹算法交易等內容。
技術已成為金融領域的一項資產：金融機構已不僅僅是單純的金融機構了，它正向著技術公司演進。除了技術帶來的創(chuàng)新速度和競爭優(yōu)勢以外，金融交易的速度、頻率和大數據量，使得金融機構對技術的關注度日益提高，技術確已成為金融業(yè)的主要推動力。
在最熱門的金融編程語言中，有R語言、Python，還有C++、C#和Java。在本教程中，你將學習如何開始使用Python進行金融分析，其內容如下：
從這里下載本教程的 Jupyter notebook 代碼。
Python 金融入門
在進入交易策略學習之前，最好先來了解基礎知識。本教程的第一部分將著重于介紹入門所需的Python基礎知識。但這并不意味著你將完全從零開始：你至少需要完成 DataCamp 的免費課程 Intro to Python for Data Science course，從而學會如何使用Python列表、包和NumPy。此外，盡管不是必需，但仍希望你能了解Pandas的基本知識，這是眾所周知的Python數據處理包。
然后我建議你參加DataCamp的課程 Intro to Python for Finance，學習Python金融的基本知識。如果你還想要把新學的Python數據科學技能用于真實的金融數據，可以考慮參加 Importing and Managing Financial Data in Python 課程。
股票和交易
當一家公司想要擴張或承接新項目時，它可以發(fā)行股票來募集資金。股票代表在公司所有權中占的份額，并以金錢兌換的形式發(fā)放。股票可以買入和賣出：買賣雙方交易現存的曾發(fā)行的股票。賣出股票的價格獨立于公司業(yè)績，股價反應的是供需關系。這意味著，每當一只股票因為成功、受歡迎等原因被認為是‘值得的’，那么它的股價就會上漲。
請注意，股票和債券并不完全相同。債券是公司通過借貸的形式籌集資金，無論是作為銀行貸款還是發(fā)行債券。
正如你剛才讀到的那樣，買賣或者交易是我們談論股票所不可避免的，但當然不僅限于此：交易是一種買賣資產的行為，可以是像股票、債券這樣的金融證券，或者是如黃金、石油這樣的有形資產。
股票交易是這樣一個過程：買入股票就是將現金轉換成公司所有權的股份，反之，賣出股票就是將股份換回現金。這一切交易都希望能從中獲取利潤?，F在，為了獲得豐厚的利潤，在市場上要么做多，要么做空：要么你認為股價會上漲并在將來的高價位上賣出股票，要么賣出你的股票，期望在低價位上買回而盈利。當你按照固定的計劃在市場上做多或做空時，你就有了一個交易策略。
開發(fā)交易策略需要經歷若干階段，就如同構建機器學習模型那樣：首先制定一個策略，并以能在電腦上測試的形式實現它，然后進行初步測試或回溯測試，優(yōu)化你的策略，最后評估策略的性能和穩(wěn)健性。
交易策略通常通過回溯測試來驗證：根據策略制定的規(guī)則，使用歷史數據，重構過去可能發(fā)生的交易。通過這種方式，你能夠了解策略的有效性，并在將其應用于真實市場前，把它作為策略優(yōu)化的起點。當然，這通通依賴于以下信念：任何在過去表現良好的策略，也會在將來取得好的成績，同樣，任何在過去表現差勁的策略，在將來也不可能有好的表現。
時間序列數據
時間序列是在連續(xù)的、等間距的時間點上取得的一系列數據點。在投資中，時間序列跟蹤選定數據點（如股票價格）的變動，它是在特定的時間跨度內，等間隔地記錄數據點。如果你還是疑惑它到底長什么樣子，來看看下面的例子：
x軸代表日期，y軸代表價格。在上圖中，“連續(xù)的、等間距的時間點” 就是x軸上以14天為間隔的時間刻度：注意 3/7/2005 和它的下一個點 3/31/2005 之間的差值，以及 4/5/2005 和 4/19/2005 等等。
然而，你常見的股票數據不僅僅只有時間和價格這兩列，大部分時候有5列，包括時間、開盤價、最高價、最低價和收盤價。這意味著，如果時間間隔設置為天，你將會得到某只股票那一天的開盤價、收盤價，以及最高、最低價。
現在，你具備了學習完本教程的基本概念。接下來這些概念馬上又會出現，并在后續(xù)的學習中變得更深入。
設置工作空間
準備工作空間是一項簡單的工作：基本上只需確保你的系統運行了Python和集成開發(fā)環(huán)境（IDE）。然而仍有些辦法可以讓你更容易地開始。
以Anaconda為例，它是Python和R的高性能發(fā)行版本，包含了超過100個最受歡迎的Python、R和Scala數據科學包。此外，安裝Anaconda將使你能通過conda輕松地安裝超過720個包，這里conda是集成在Anaconda中的著名管理器，用于管理包、依賴項和環(huán)境。除此之外，Anaconda還包含了Jupyter Notebook和Spyder集成開發(fā)環(huán)境。
聽起來不錯，對吧？
你可以從這里下載安裝Anaconda，同時不要忘了通過這篇教程Jupyter Notebook Tutorial: The Definitive Guide查看如何設置Jupyter Notebook。
當然，Anaconda并不是你唯一的選擇：你可以嘗試收費的 Canopy Python 發(fā)行版本，或者是 Quant Platform。
Quant Platform 相比于 Jupyter 或 Spyder IDE 更有優(yōu)勢，因為它向你提供了在瀏覽器中進行金融分析所需的一切。通過 Quant Platform，你可以訪問基于圖形用戶界面的金融工程，進行基于Python的交互式金融分析，以及使用你自己的Python分析庫。更重要的是，你還可以通過論壇與小伙伴們討論問題和解決方案。
Python金融基礎：Pandas
當你使用Python進行金融分析，會經常使用到數據處理包 Pandas。但當你深入時，也會涉及諸如 NumPy、SciPy、Matplotlib 這些包。
現在，讓我們只關注 Pandas 并使用它分析時間序列數據。本節(jié)將介紹如何使用 Pandas 導入、探索以及處理數據。最重要的是，你將了解如何對導入的數據進行常見的金融分析。
將金融數據導入Python
pandas-datareader包允許從谷歌、雅虎財經、世界銀行等數據源中讀取數據。如果你想知道此函數提供的最新的數據源列表，可參閱此文檔。在本教程中，你將使用pandas-datareader包讀取雅虎財經的數據。首先請確保安裝了此包的最新版本，可通過 pip with pip install pandas-datareader 命令實現。
提示：如果你想安裝最新的開發(fā)版本，或者遇到任何問題，都可以在這里查看安裝說明。
import pandas_datareader as pdrimport datetime aapl = pdr.get_data_yahoo('AAPL', start=datetime.datetime(2006, 10, 1), end=datetime.datetime(2012, 1, 1))請注意雅虎API端口最近已更改，如果你已經開始使用該庫，則需要安裝一個臨時的修復補丁，直到該補丁被合并到主干中才能使用pandas-datareader包從雅虎財經獲取數據。在你開始之前，請確保查閱了此問題 。
無需擔心，在本教程中數據已提前為你加載好，所以你在使用Pandas學習Python金融時不會遇到任何問題。
即便pandas-datareader提供了向Python導入數據的許多選擇，它也不是唯一能獲取金融數據的包：比如Quandl 庫，就可以獲取谷歌金融數據：
import quandl aapl = quandl.get("WIKI/AAPL", start_date="2006-10-01", end_date="2012-01-01")更多關于如何使用 Quandl 獲取金融數據的信息，可參考此網頁。
最后，如果你已經在金融領域工作了一段時間，你可能知道最常用的數據處理工具是Excel。在這種情況下，你需要了解如何將Excel集成到Python中。
查看 DataCamp 的教程 Python Excel Tutorial: The Definitive Guide ，獲取更多相關知識。
使用時間序列數據
當你最終將數據導入工作空間后，首先要做的事情就是將手弄臟（指清洗、整理數據——譯者注）。然而，現在要處理的是時間序列數據，這看起來可能不那么簡單，因為索引是日期時間數據。
即便如此也不用擔心。讓我們一步步來，首先使用函數來探索數據。如果你先前已經有R或者Pandas的編程經驗，那么對于這些函數就不陌生了。
沒關系，你將發(fā)現這很容易！
如上述代碼塊所示，使用pandas_datareader將數據導入工作空間。所得到的對象 aapl 是數據框，一個二維數據結構，其每一列可以是不同類型的數據?，F在當你手頭有了一個常規(guī)的數據框時，首先要做的事情之一是運行 head() 和 tail() 函數來查看開始和結束的幾行數據。幸運的是，當你使用時間序列數據時，這一點并不會改變。
提示：請務必使用 describe() 函數來查看數據的統計摘要信息。
# 查看`aapl`數據的前幾行print(aapl.head())
High Low Open Close Volume Adj CloseDate 2006-10-02 10.838572 10.614285 10.728572 10.694285 178159800 7.1615652006-10-03 10.707143 10.455714 10.635715 10.582857 197677200 7.0869472006-10-04 10.780000 10.451428 10.585714 10.768572 207270700 7.2113112006-10-05 10.880000 10.590000 10.647142 10.690000 170970800 7.1586982006-10-06 10.720000 10.544286 10.631429 10.602858 116739700 7.100338
# 查看`aapl`數據的最后幾行print(aapl.tail())
High Low Open Close Volume Adj CloseDate 2011-12-23 57.655716 57.070000 57.098572 57.618572 67349800 38.5850112011-12-27 58.441429 57.574287 57.585712 58.075714 66269000 38.8911482011-12-28 58.321430 57.334286 58.127144 57.520000 57165500 38.5190122011-12-29 57.950001 57.215714 57.628571 57.874287 53994500 38.7562522011-12-30 58.040001 57.641430 57.644287 57.857143 44915500 38.744774
# 查看`aapl` 數據的統計信息print(aapl.describe())
High Low Open Close Volume count 1323.000000 1323.000000 1323.000000 1323.000000 1.323000e+03 mean 29.237566 28.507684 28.901012 28.889151 1.882896e+08 std 14.199012 14.029758 14.123131 14.119734 1.027007e+08 min 10.568571 10.371428 10.488571 10.461429 3.937360e+07 25% 17.752857 17.182143 17.457857 17.431429 1.122037e+08 50% 25.642857 24.725714 25.260000 25.120001 1.629866e+08 75% 39.132858 38.351429 38.777143 38.699999 2.316230e+08 max 60.957142 59.427143 60.251427 60.320000 8.432424e+08 Adj Close count 1323.000000 mean 19.345990 std 9.455460 min 7.005628 25% 11.673178 50% 16.821934 75% 25.915947 max 40.394054
正如介紹中所述，這一數據包含四列，分別是蘋果股票每天的開盤價、收盤價，以及最高、最低價。此外還有另外兩列，成交量和調整的收盤價。
成交量（Volume）這一列記錄每天交易的股票數量。調整的收盤價（Adj Close）是將當天的收盤價進行調整，以包含第二天開盤前的任何舉措?？梢允褂么肆袡z查或深入分析歷史回報情況。
注意索引或行標簽如何包含日期，以及列或列標簽如何包含數值。
提示：可以使用Pandas中的 to_csv() 函數將該數據保存為csv文檔，并且通過 read_csv() 函數將數據重新讀回到Python中。當因雅虎API端口被更改而無法獲取數據時，這一方法是非常方便的。
import pandas as pdaapl.to_csv('data/aapl_ohlc.csv') # 注意事先要在當前工作目錄下創(chuàng)建data文件夾df = pd.read_csv('data/aapl_ohlc.csv', header=0, index_col='Date', parse_dates=True)現在你已經簡單地查看了數據的前幾行以及一些統計信息，是時候更深入一些了。
一種方法是檢查索引和列，并選擇某列的最后10行數據。后者被稱為構造子集，因為你選擇了數據中的一小部分。構造子集得到一個序列（Series），它是一個可以存儲任何數據類型的一維數組。
請記住數據框結構是一個二維數組，它的每一列可以存儲不同的數據類型。
讓我們在接下來的練習中檢查上面所說的一切。首先，使用 index 和 columns 屬性來查看數據的索引和列。接著選取數據集中 Close 列的最后10個觀測量。使用方括號 [] 挑出最后10個數值。你也許從其他編程語言（比如R語言）中獲知了這一構造子集的方法。最后，將后者指定給變量 ts，并使用 type() 函數查看 ts 的類型。
DatetimeIndex(['2006-10-02', '2006-10-03', '2006-10-04', '2006-10-05', '2006-10-06', '2006-10-09', '2006-10-10', '2006-10-11', '2006-10-12', '2006-10-13', ... '2011-12-16', '2011-12-19', '2011-12-20', '2011-12-21', '2011-12-22', '2011-12-23', '2011-12-27', '2011-12-28', '2011-12-29', '2011-12-30'], dtype='datetime64[ns]', name='Date', length=1323, freq=None)
Index(['High', 'Low', 'Open', 'Close', 'Volume', 'Adj Close'], dtype='object')
# 選擇Close列的最后10個數值ts = aapl['Close'][-10:]print(ts)
Date2011-12-16 54.4314272011-12-19 54.6014292011-12-20 56.5642852011-12-21 56.6357152011-12-22 56.9357152011-12-23 57.6185722011-12-27 58.0757142011-12-28 57.5200002011-12-29 57.8742872011-12-30 57.857143Name: Close, dtype: float64
pandas.core.series.Series
方括號可以很好的對數據取子集，但它可能不是Pandas中最慣用的方法。這就是你還需學習 loc() 和 iloc() 函數的原因：前者用于基于標簽的索引，后者用于位置索引。
實際上，這意味著你可以將行標簽，如 2007 和 2006-11-01 傳遞給 loc() 函數，而將整數 22和 43 傳遞給 iloc() 函數。
完成下面的練習來了解 loc() 和 iloc() 的工作方式。
# 查看2006年11、12月數據的前幾行print(aapl.loc[pd.Timestamp('2006-11-01'):pd.Timestamp('2006-12-31')].head()) High Low Open Close Volume Adj CloseDate 2006-11-01 11.625714 11.194285 11.585714 11.308572 152798100 7.5729302006-11-02 11.331429 11.214286 11.274285 11.282857 116370800 7.5557122006-11-03 11.361428 11.112857 11.337143 11.184286 107972200 7.4896992006-11-06 11.437143 11.204286 11.278571 11.387143 108644200 7.6255462006-11-07 11.571428 11.447143 11.492857 11.501429 131483100 7.702079
# 查看2007年數據的前幾行print(aapl.loc['2007'].head())
High Low Open Close Volume Adj CloseDate 2007-01-03 12.368571 11.700000 12.327143 11.971429 309579900 8.0168202007-01-04 12.278571 11.974286 12.007143 12.237143 211815100 8.1947592007-01-05 12.314285 12.057143 12.252857 12.150000 208685400 8.1364042007-01-08 12.361428 12.182858 12.280000 12.210000 199276700 8.1765822007-01-09 13.282857 12.164286 12.350000 13.224286 837324600 8.855811
# 查看2006年11月數據的前幾行print(aapl.iloc[22:43].head())
High Low Open Close Volume Adj CloseDate 2006-11-01 11.625714 11.194285 11.585714 11.308572 152798100 7.5729302006-11-02 11.331429 11.214286 11.274285 11.282857 116370800 7.5557122006-11-03 11.361428 11.112857 11.337143 11.184286 107972200 7.4896992006-11-06 11.437143 11.204286 11.278571 11.387143 108644200 7.6255462006-11-07 11.571428 11.447143 11.492857 11.501429 131483100 7.702079
# 查看2006-11-01 和 2006-12-01 兩天的開盤價和收盤價print(aapl.iloc[[22,43], [2, 3]])
Open CloseDate 2006-11-01 11.585714 11.3085722006-12-01 13.114285 13.045714
提示：如果仔細查看子集數據，你會發(fā)現某些天的數據是缺失的；如果你更仔細地觀察其模式，你會發(fā)現經常是缺失兩或三天；這些天是周末或者假日，所以并不包含在你的數據中。沒什么可擔心的：這很正常，也無需填補缺失的日期。
除了索引，你可能還想研究其他技術來更好的了解數據。你永遠不知道還會發(fā)生什么。讓我們嘗試從數據集中采集20行數據樣本，然后按月而不是天對數據 aapl 進行重新采樣。可以使用 sample() 和 resample() 函數來實現：
# 采樣20行數據sample = aapl.sample(20)# 輸出`sample`print(sample)
High Low Open Close Volume Adj CloseDate 2011-08-15 54.995716 54.012856 54.232857 54.772858 115136000 36.6793442007-03-19 13.078571 12.798572 12.891429 13.018572 178240300 8.7180552007-11-28 25.799999 25.049999 25.260000 25.745714 287728000 17.2409462010-09-17 39.708572 39.097141 39.669998 39.338570 158619300 26.3435732010-03-11 32.214287 31.902857 31.987143 32.214287 101425100 21.5727102007-01-18 13.158571 12.721429 13.157143 12.724286 591151400 8.5209812007-06-05 17.527143 17.214285 17.344286 17.524286 230196400 11.7353632011-03-04 51.470001 51.107143 51.438572 51.428570 113316700 34.4397962009-12-15 28.215714 27.610001 27.975714 27.738571 104864900 18.5754932006-12-15 12.745714 12.475715 12.717143 12.531428 184984800 8.3918312007-08-27 19.237143 18.871429 19.055714 18.892857 176859900 12.6518442009-01-16 12.054286 11.485714 12.042857 11.761429 261906400 7.8761942007-03-01 12.615714 11.964286 12.004286 12.437143 353882200 8.3286942010-05-05 36.877144 35.532856 36.147144 36.570000 220775800 24.4895732010-09-08 37.770000 37.014286 37.111427 37.560001 131637800 25.1525362009-07-16 21.145714 20.795713 20.822857 21.074286 98392700 14.1126662007-06-06 17.721428 17.421429 17.471428 17.662857 278060300 11.8281612009-05-05 18.980000 18.731428 18.821428 18.958570 99563800 12.6958512011-09-28 57.677143 56.644287 57.169998 56.715714 107409400 37.9804042007-04-19 13.035714 12.832857 12.884286 12.895715 106478400 8.635779
# 按月重新采樣monthly_aapl = aapl.resample('M').mean()# 輸出 `monthly_aapl` 的前幾行print(monthly_aapl.head()) High Low Open Close Volume Date 2006-10-31 11.123766 10.893117 11.002922 11.017987 1.634995e+08 2006-11-30 12.314626 12.028980 12.161565 12.192109 1.647010e+08 2006-12-31 12.546500 12.205571 12.415857 12.353071 2.111349e+08 2007-01-31 12.880857 12.522572 12.722357 12.697357 3.401223e+08 2007-02-28 12.382932 12.111804 12.252105 12.246842 1.805573e+08 Adj Close Date 2006-10-31 7.378336 2006-11-30 8.164602 2006-12-31 8.272392 2007-01-31 8.502948 2007-02-28 8.201255
非常直截了當，不是嗎？
resample() 函數使用頻繁，因為它為時間序列的頻率轉換提供了精細而靈活的控制：除了指定新的時間間隔，處理缺失數據以外，還能選擇對數據重新采樣的方式，如上述代碼所示。asfreq() 方法與之類似，不過只能實現前兩項功能。
提示：在 IPython 控制臺中嘗試代碼 aapl.asfreq("M", method="bfill")，并查看其輸出結果。
最后，在進行數據可視化和常見的金融分析這些進階的數據探索之前，你可能已經開始計算每天開盤價和收盤價之間的差值了。在Pandas的幫助下，可以輕易地實現這一算數運算；只需將 aapl 數據的 Open 列數值減去該數據的 Close 列數值即可。換言之，就是從 aapl.Open 中減去 aapl.Close。將結果存入 aapl 數據框中新的一列 diff 中，另外可以使用 del 將其刪除：
# 在`aapl` 中新增一列`diff`aapl['diff'] = aapl.Open - aapl.Close# 刪除`diff` 列#del aapl['diff']
提示：請確保注釋掉最后一行代碼，這樣 aapl 數據框的新列不會被刪除，并且你可以檢查算術運算的結果！
當然，了解絕對收益可幫助你知道自己是否做了一個好的投資。但是作為一名定量分析者，你可能對使用相對方法衡量股票價值更感興趣，比如某只股票上漲或下跌的幅度。計算每日的百分比變化便是這樣一種方法。
現在知道這一點很好，不過也不用擔心，接下來你將會越來越深入地進行了解。
本節(jié)介紹了在開始預分析之前，進行數據探索的一些方法。但是仍有可提高的余地，如果你想了解更多，可閱讀 Python Exploratory Data Analysis 這篇教程。
可視化時間序列數據
在使用 head(), tail()，索引等方法探索數據之后，你大概想要可視化時間序列數據。多虧了Pandas的繪圖功能整合了 Matplotlib 包，使這項任務變得容易了；只要使用 plot() 函數并傳遞給它相關的參數即可。另外，也可以使用 grid 參數來為圖片添加網格背景。
讓我們檢查并運行以下代碼，看看如何繪制這樣一幅圖！
# 導入Matplotlib包的`pyplot` 模塊，簡寫為 `plt`import matplotlib.pyplot as plt# 繪制收盤價曲線aapl['Close'].plot(grid=True)# 顯示繪圖plt.show()
如果你想進一步了解 Matplotlib 包，并學習如何開始使用它，那么可以查看 DataCamp的課程 Intermediate Python for Data Science。
