【Python】我常用的幾個(gè)Python金融分析庫(kù)，太強(qiáng)了~
共 5573字，需瀏覽 12分鐘
·
2024-07-29 12:00
1 NumPy
從根本上說(shuō)，所有金融模型都依賴(lài)于數(shù)字運(yùn)算。NumPy 是用 Python 進(jìn)行科學(xué)和數(shù)學(xué)計(jì)算的基礎(chǔ)庫(kù)。它不僅在 Python 中引入了 n 維數(shù)組和矩陣，還包含一些基本的數(shù)學(xué)函數(shù)來(lái)操作這些數(shù)據(jù)結(jié)構(gòu)。本文后面提到的大多數(shù)高級(jí)金融 Python 庫(kù)都依賴(lài)于 NumPy。
例如，創(chuàng)建兩個(gè) 2×2 復(fù)數(shù)矩陣并打印總和：
import numpy as np
a = np.array([[1+2j, 2+1j], [3, 4]])
b = np.array([[5, 6+6j], [7, 8+4j]])
print(a+b)
輸出：
[[6.+2.j 8.+7.j]
[10.+0.j 12.+4.j]]
2 SciPy
NumPy 庫(kù)為操作和存儲(chǔ)數(shù)據(jù)提供了基本的數(shù)學(xué)結(jié)構(gòu)。但要基于這些數(shù)據(jù)建立復(fù)雜的模型，還需要一個(gè)包含更高級(jí)統(tǒng)計(jì)工具和操作的存儲(chǔ)庫(kù)，這就是 SciPy。
SciPy提供了對(duì)建立任何統(tǒng)計(jì)模型所需的高級(jí)科學(xué)計(jì)算至關(guān)重要的函數(shù)和算法。其中包括插值、優(yōu)化、聚類(lèi)、轉(zhuǎn)換和數(shù)據(jù)整合算法。在進(jìn)行任何類(lèi)型的數(shù)據(jù)分析或構(gòu)建任何類(lèi)型的預(yù)測(cè)模型時(shí)，這些操作都是必不可少的。
為了演示插值，我首先使用 NumPy 用任意函數(shù)創(chuàng)建一些數(shù)據(jù)點(diǎn)，然后比較不同的插值方法：
from scipy.interpolate import interp1d
import pylab
x = np.linspace(0, 5, 10)
y = np.exp(x) / np.cos(np.pi * x)
f_nearest = interp1d(x, y, kind='nearest')
f_linear = interp1d(x, y)
f_cubic = interp1d(x, y, kind='cubic')
x2 = np.linspace(0, 5, 100)
pylab.plot(x, y, 'o', label='data points')
pylab.plot(x2, f_nearest(x2), label='nearest')
pylab.plot(x2, f_linear(x2), label='linear')
pylab.plot(x2, f_cubic(x2), label='cubic')
pylab.legend()
pylab.show()
3 Pandas
Pandas建立了一種直觀易用的數(shù)據(jù)結(jié)構(gòu)--DataFrame，專(zhuān)門(mén)用于分析和建立模型。
Pandas以 NumPy 引入的數(shù)組為基礎(chǔ)，針對(duì)表格、多維和異構(gòu)數(shù)據(jù)進(jìn)行了優(yōu)化。最常見(jiàn)的操作，如分組、連接、合并或填充、替換和歸納空值，都可以在一行中執(zhí)行。
此外，Pandas還提供了從各種標(biāo)準(zhǔn)格式導(dǎo)入數(shù)據(jù)的函數(shù)，以及用于快速繪圖、檢索基本統(tǒng)計(jì)數(shù)據(jù)或輸出數(shù)據(jù)的其他函數(shù)。
創(chuàng)建 DataFrame
import pandas as pd
df_1 = pd.DataFrame({'col1': [1,2], 'col2': [3,4]})
合并dataframe
df_2 = pd.DataFrame({'col3': [5,6], 'col4': [7,8]})
df = pd.concat([df_1,df_2], axis = 1)
4 statsmodels
SciPy 提供了一個(gè)統(tǒng)計(jì)工具庫(kù)，允許用戶構(gòu)建模型，而 pandas 則使其易于實(shí)現(xiàn)。statsmodels 以這些庫(kù)為基礎(chǔ)，對(duì)不同的統(tǒng)計(jì)模型進(jìn)行了更高級(jí)的測(cè)試。
對(duì)于任何給定的模型，每個(gè)估計(jì)器都有大量的結(jié)果統(tǒng)計(jì)和診斷列表，目的是讓用戶全面了解模型的性能。這些結(jié)果將根據(jù)現(xiàn)有的統(tǒng)計(jì)庫(kù)進(jìn)行測(cè)試，以確保其正確性。
例如，導(dǎo)入一個(gè)內(nèi)置數(shù)據(jù)集：
import numpy as np
import statsmodels.api as sm
rand_data = sm.datasets.randhie.load(as_pandas=False)
rand_exog = rand_data.exog.view(float).reshape(len(rand_data.exog), -1)
rand_exog = sm.add_constant(rand_exog, prepend=False)
并用泊松模型對(duì)數(shù)據(jù)集進(jìn)行擬合：
poisson_mod = sm.Poisson(rand_data.endog, rand_exog)
poisson_res = poisson_mod.fit(method="newton")
print(poisson_res.summary())
5 Quandl
Quandl 是金融數(shù)據(jù)源庫(kù)，提供了的大量經(jīng)濟(jì)、金融和市場(chǎng)數(shù)據(jù)。大多數(shù)原始數(shù)據(jù)集在注冊(cè)后可免費(fèi)訪問(wèn)（需要一個(gè) API 密鑰），更高級(jí)和更深入的數(shù)據(jù)集則需要付費(fèi)。
6 Zipline
Zipline是一個(gè)強(qiáng)大的 Python 算法交易庫(kù)， 將統(tǒng)計(jì)、數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)源聯(lián)系，且為 Quantopian（一個(gè)用于構(gòu)建和執(zhí)行交易策略的免費(fèi)平臺(tái)）提供支持。
Quandl的數(shù)據(jù)可以輕松導(dǎo)入，自定義算法也可以輕松設(shè)計(jì)、測(cè)試和實(shí)施。這包括算法的回溯測(cè)試和實(shí)時(shí)交易。一個(gè)基本算法是這樣的：
from zipline.api import order, record, symbol
def initialize(context):
pass
def handle_data(context, data):
order(symbol('AAPL'), 10)
record(AAPL=data.current(symbol('AAPL'), 'price'))
我們從 zipline 中導(dǎo)入訂單、記錄和符號(hào)函數(shù)，建立了一個(gè)記錄蘋(píng)果股票價(jià)格的算法。
7 Pyfolio
在 zipline 中設(shè)計(jì)和測(cè)試算法后，pyfolio 庫(kù)提供了一種生成包含性能統(tǒng)計(jì)數(shù)據(jù)的簡(jiǎn)便方法。這些統(tǒng)計(jì)數(shù)據(jù)包括年度/月度回報(bào)、回報(bào)量化、滾動(dòng)貝塔/夏普比率、投資組合周轉(zhuǎn)率等。生成單只股票的示例數(shù)據(jù)表：
import pyfolio as pf
stock_rets = pf.utils.get_symbol_rets('FB')
pf.create_returns_tear_sheet(stock_rets, live_start_date='2015-12-1')
輸出結(jié)果將是一系列包含性能指標(biāo)的表格和圖表。
8 TA-Lib
接下來(lái)的兩個(gè)庫(kù)是 zipline 和 pyfolio 的替代品。第一個(gè)是技術(shù)分析庫(kù)，簡(jiǎn)稱(chēng) TA-Lib，它使用 C++ 編寫(xiě)，但也有 Python 的封裝。與 zipline 一樣，TA-Lib 提供了常見(jiàn)的金融工具，如重疊研究、動(dòng)量指標(biāo)、成交量指標(biāo)、波動(dòng)率指標(biāo)、價(jià)格轉(zhuǎn)換、周期指標(biāo)、模式識(shí)別和純統(tǒng)計(jì)功能。
9 QuantLib
QuantLib 是 zipline 和 pyfolio 的第二個(gè)替代庫(kù)，與 TA-Lib 類(lèi)似，QuantLib 也是用 C++ 編寫(xiě)，然后導(dǎo)出到 Python。
QuantLib旨在創(chuàng)建一個(gè)免費(fèi)、開(kāi)源的建模、交易和風(fēng)險(xiǎn)管理庫(kù)。該庫(kù)包含設(shè)計(jì)和實(shí)施高級(jí)算法的工具，其中包括市場(chǎng)慣例、收益曲線模型、求解器、PDE、蒙特卡羅等功能。
10 Matplotlib
前面用于金融的 python庫(kù)包含了金融數(shù)據(jù)源、金融數(shù)據(jù)的最佳數(shù)據(jù)結(jié)構(gòu)以及統(tǒng)計(jì)模型和評(píng)估機(jī)制。但沒(méi)有一個(gè)庫(kù)提供了用于金融建模的最重要的 Python 工具之一：數(shù)據(jù)可視化（本文中的所有可視化均由 matplotlib 提供）。
可視化不僅對(duì)于理解金融數(shù)據(jù)的趨勢(shì)很重要，而且對(duì)于向非技術(shù)人員傳達(dá)見(jiàn)解也很重要。Python 中有許多數(shù)據(jù)可視化庫(kù)，每個(gè)庫(kù)都有其優(yōu)點(diǎn)和缺點(diǎn)，但在金融建模中最容易實(shí)現(xiàn)的是 matplotlib。這主要是因?yàn)樵S多庫(kù)都已經(jīng)依賴(lài) matplotlib。
來(lái)源：activestate
往期精彩回顧
交流群
歡迎加入機(jī)器學(xué)習(xí)愛(ài)好者微信群一起和同行交流，目前有機(jī)器學(xué)習(xí)交流群、博士群、博士申報(bào)交流、CV、NLP等微信群，請(qǐng)掃描下面的微信號(hào)加群，備注：”昵稱(chēng)-學(xué)校/公司-研究方向“，例如：”張小明-浙大-CV“。請(qǐng)按照格式備注，否則不予通過(guò)。添加成功后會(huì)根據(jù)研究方向邀請(qǐng)進(jìn)入相關(guān)微信群。請(qǐng)勿在群內(nèi)發(fā)送廣告，否則會(huì)請(qǐng)出群，謝謝理解~（也可以加入機(jī)器學(xué)習(xí)交流qq群772479961）