在量化交易里，Python是工具，金融是Sense，它可以讓你的想法快速實現(xiàn)并得到驗證。而在金融領(lǐng)域運用Python就必然會涉及資本市場最重要的部分——股票。“股市如此多嬌，引無數(shù)投資者競折腰”，用Python來分析股票投資組合收益率和波動率，是每個金融從業(yè)者都該掌握的本領(lǐng)。

我們?nèi)鄙俚?，是在具體的金融場景下應(yīng)用Python的經(jīng)驗。今天就讓我們以金融股為分析對象，來一次Python金融實戰(zhàn)，希望對你有所啟發(fā)！

案例詳情

A公司是總部位于北京的一家公募基金管理公司，在公司對外發(fā)行的全部基金產(chǎn)品中，有一只名為“新金融股票型基金”，該基金在投資策略上是精選具有核心競爭優(yōu)勢、持續(xù)增長潛力且估值水平相對合理的A股市場金融股。

截止到2019年9月末，該基金重倉的股票包括浦發(fā)銀行、招商銀行、中信證券、海通證券、中國平安以及中國太保這6只股票，表7-2就列示了2014年1月至2019年9月末這6只股票的部分日收盤價，并且全部數(shù)據(jù)均存放于Excel文件。

2014年1月至2019年9月期間A股市場6只金融機構(gòu)股票的部分日收盤價。

數(shù)據(jù)來源：上海證券交易所。（單位：元/股）

假定你是A公司的一位基金經(jīng)理助理，日常的工作就是協(xié)助“新金融股票型基金”的基金經(jīng)理跟蹤并分析已投資的股票。根據(jù)基金經(jīng)理的要求，你需要運用Python完成3項編程任務(wù)。

編程任務(wù)

【任務(wù) 1】導(dǎo)入存放表7-2中這些股票在2014年1月至2019年9月期間日收盤價的Excel文件，計算每只股票的日收益率、年化平均收益率、年化收益波動率，計算日收益率時需要用自然對數(shù)。

【任務(wù) 2】針對由這6只股票構(gòu)建的投資組合，隨機生成包含每只股票配置權(quán)重的一個數(shù)組（權(quán)重合計等于1），并且計算以該權(quán)重配置的投資組合年化平均收益率、年化收益波動率。

【任務(wù) 3】隨機生成包含2000組不同的股票配置權(quán)重的數(shù)組，以此計算出相對應(yīng)的2 000個不同的投資組合年化平均收益率、年化收益波動率，并且以散點圖的方式繪制在橫坐標(biāo)為年化收益波動率、縱坐標(biāo)為年化平均收益率的坐標(biāo)軸中。

編程提示

針對任務(wù)2，假定投資組合由N只股票組成，wi代表了投資組合中第i只股票所占的權(quán)重（股票的市值占投資組合整體市值的比例），E(Ri)代表了投資組合中第i只股票的預(yù)期收益率（用該股票過去收益率的均值代替），可以得到投資組合預(yù)期收益率E(RP)的表達式如下：

同時，假設(shè)σ_i表示第i只股票的收益波動率，Cov(R_i,R_j)表示第i只股票收益率與第只股票收益率之間的協(xié)方差，投資組合收益波動率的σ_p表達式如下：

參考代碼

任務(wù)1的代碼

In [1]:  import numpy as np
    ...: import pandas as pd
    ...: import matplotlib.pyplot as plt
    ...: from pylab import mpl 
    ...: mpl.rcParams['font.sans-serif'] = ['KaiTi']
    ...: mpl.rcParams['axes.unicode_minus'] = False

In [2]: stock_price=pd.read_excel('C:/Desktop/金融股（2014年—2019年9月）.xlsx', sheet_name= "Sheet1",header=0,index_col=0)                                     #導(dǎo)入外部數(shù)據(jù)
    ...: stock_price=stock_price.dropna()                           #刪除缺失值的行

In [3]: (stock_price/stock_price.iloc[0]).plot(figsize=(9,6),grid=True)   #將股價按照2014年首個交易日進行歸1處理并且可視化
Out[3]:
In [4]: stock_return=np.log(stock_price/stock_price.shift(1))    #計算股票的日收益率
    ...: stock_return=stock_return.dropna()                          #刪除缺失值所在的行

In [5]: return_mean=stock_return.mean()*252                        #計算股票的平均年化收益率
    ...: print('2014年至2019年9月的年化平均收益率\n',return_mean.round(6))  #保留小數(shù)點后6位
2014年至2019年9月的年化平均收益率
浦發(fā)銀行    0.042824
招商銀行    0.211223
海通證券    0.043759
華泰證券    0.138177
中國平安    0.134000
中國太保    0.117563
dtype: float64

In [6]: return_volatility=stock_return.std()*np.sqrt(252)          #計算股票的年化收益波動率
    ...: print('2014年至2019年9月的年化收益波動率\n',return_volatility.round(6))
2014年至2019年9月的年化收益波動率
浦發(fā)銀行    0.282428
招商銀行    0.296238
海通證券    0.396386
華泰證券    0.449228
中國平安    0.465064
中國太保    0.359268
dtype: float64

從下圖不難看出，由于6只股票均是金融類股票，因此在整體的走勢方面存在一定的趨同性。但是每只股票的平均年化收益率則存在較大差異，其中，招商銀行的平均收益率最高，浦發(fā)銀行的收益率則最低。同時，從平均年化波動率來看，銀行股最低，中國平安則最高。

2014年1月至2019年9月期間6只金融股股價走勢圖（股價在2014年首個交易日做歸1處理）

任務(wù)2的代碼

In [7]: x=np.random.random(len(return_mean.index))  #從均勻分布中隨機抽取6個從0到1的隨機數(shù)

In [8]: w=x/np.sum(x)     #生成隨機權(quán)重的一個數(shù)組
    ...: w                #查看生成的隨機權(quán)重數(shù)組
Out[8]: 
array([0.24372614, 0.03925093, 0.20889395, 0.20843467, 0.23808734, 0.06160696])

需要注意的是，由于是通過隨機生成的數(shù)組，因此每一次得到的隨機權(quán)重數(shù)組是不相同的，但是權(quán)重的合計數(shù)是等于1。

In [9] : return_cov=stock_return.cov()*252               #計算每只股票收益率之間的協(xié)方差
     ...: return_cov
Out[9] : 
           浦發(fā)銀行    招商銀行    海通證券   華泰證券    中國平安   中國太保
浦發(fā)銀行  0.079765  0.054347  0.055693  0.065324  0.062048  0.056216
招商銀行  0.054347  0.087757  0.058148  0.066847  0.078228  0.072074
海通證券  0.055693  0.058148  0.157122  0.147365  0.092994  0.086569
華泰證券  0.065324  0.066847  0.147365  0.201806  0.102020  0.096885
中國平安  0.062048  0.078228  0.092994  0.102020  0.216285  0.110579
中國太保  0.056216  0.072074  0.086569  0.096885  0.110579  0.129074

In [10]: return_corr=stock_return.corr()                 #計算每只股票收益率之間的相關(guān)系數(shù)
      ...: return_corr
Out[10]: 
           浦發(fā)銀行    招商銀行    海通證券   華泰證券   中國平安    中國太保
浦發(fā)銀行  1.000000  0.649575  0.497483  0.514872  0.472398  0.554035
招商銀行  0.649575  1.000000  0.495191  0.502310  0.567816  0.677201
海通證券  0.497483  0.495191  1.000000  0.827580  0.504459  0.607889
華泰證券  0.514872  0.502310  0.827580  1.000000  0.488321  0.600306
中國平安  0.472398  0.567816  0.504459  0.488321  1.000000  0.661823
中國太保  0.554035  0.677201  0.607889  0.600306  0.661823  1.000000

In [11]: Rp=np.dot(return_mean,w)                            #計算投資組合的年化收益率
      ...: Vp=np.sqrt(np.dot(w,np.dot(return_cov,w.T)))     #計算投資組合的年化收益波動率
      ...: print('用隨機生成的權(quán)重計算得到投資組合的年化收益率',round(Rp,6))
      ...: print('用隨機生成的權(quán)重計算得到投資組合的年化收益波動率',round(Vp,6))
用隨機生成的權(quán)重計算得到投資組合的年化收益率     0.095816
用隨機生成的權(quán)重計算得到投資組合的年化收益波動率 0.315454

從以上的相關(guān)系數(shù)輸出結(jié)果不難看出，由于都是金融股，因此不同股票之間的相關(guān)系數(shù)是比較高的，投資組合的分散化效應(yīng)可能會不太理想。此外，根據(jù)隨機生成的權(quán)重數(shù)，得到投資組合的年化收益率為9.581 6%，波動率高達31.545 4%。

任務(wù)3的代碼

In [12]: x_2000=np.random.random((len(return_mean.index),2000))  #從均勻分布中隨機抽取6行、2000列的0到1的隨機數(shù)

In [13]: w_2000=x_2000/np.sum(x_2000,axis=0)      #生成包含2000組隨機權(quán)重的數(shù)組
      ...: w_2000
Out[13]: 
array([[0.19250103, 0.01845509, 0.01765565, ..., 0.33889512, 0.0463229 ,
            0.26199306],
           [0.07263106, 0.00973181, 0.13055863, ..., 0.03118864, 0.20474944,
            0.06271757],
           [0.09534805, 0.30004746, 0.18353861, ..., 0.13704764, 0.22151316,
            0.12965449],
           [0.09386134, 0.16068824, 0.212781  , ..., 0.02455051, 0.13288678,
            0.03435049],
           [0.25893945, 0.31725497, 0.14183784, ..., 0.00825204, 0.03630956,
            0.14306535],
           [0.28671907, 0.19382242, 0.31362827, ..., 0.46006606, 0.35821817,
            0.36821904]])

In [14]: Rp_2000=np.dot(return_mean,w_2000)    #計算投資組合不同的2000個收益率
      ...: Vp_2000=np.zeros_like(Rp_2000)       #生成存放投資組合2000個不同收益波動率的初始數(shù)組

In [15]: for i in range(len(Rp_2000)):           #用for語句快速計算投資組合2000個不同的收益波動率
      ...:     Vp_2000[i]=np.sqrt(np.dot((w_2000.T)[i],np.dot(return_cov,w_2000[:,i])))

In [16]: plt.figure(figsize=(9,6))
      ...: plt.scatter(Vp_2000,Rp_2000)
      ...: plt.xlabel(u'波動率',fontsize=13)
      ...: plt.ylabel(u'收益率',fontsize=13,rotation=90)
      ...: plt.xticks(fontsize=13)
      ...: plt.yticks(fontsize=13)
      ...: plt.title(u'投資組合收益率與波動率的關(guān)系', fontsize=13)
      ...: plt.grid('True')
      ...: plt.show()

下圖中的散點就是本次隨機生成2 000組不同投資權(quán)重所對應(yīng)的投資組合收益率和波動率。通過映射至縱坐標(biāo)的數(shù)值，可以目測出投資組合的最高年化收益率超過16%，最低年化收益率則略低于7%；通過映射至橫坐標(biāo)的數(shù)值可以發(fā)現(xiàn)，投資組合的最高波動率接近37%，最低波動率則接近26%。