Python金融數(shù)據(jù)分析與挖掘（微課版） 課件 7-1.股票價格指數(shù)周收益率計算

第7章

基礎(chǔ)案例案例介紹周最小最大交易日獲取股票價格指數(shù)周收益率計算案例介紹第7章

計算上證A股指數(shù)（代碼：000002）2017年的周收益率。周收益率=（周最大交易日收盤指數(shù)?周最小交易日收盤指數(shù)）/周最小交易日收盤指數(shù)本案例使用了交易日歷表和指數(shù)日交易數(shù)據(jù)表MarkettypeClddtDaywkState12017-01-032O12017-01-043O12017-01-054O12017-01-065O12017-01-091O12017-01-102O12017-01-113O12017-01-124O12017-01-135O……………………IndexcdIdxtrd01Idxtrd050000022017-01-033283.450000022017-01-043307.450000022017-01-053314.390000022017-01-063302.790000022017-01-093320.530000022017-01-103310.490000022017-01-113284.370000022017-01-123266.040000022017-01-133259.27………………周最小和最大交易日獲取第7章

由于我們獲取的數(shù)據(jù)為日行情交易數(shù)據(jù)，無法直接計算周收益率，需要對交易日歷數(shù)據(jù)進(jìn)行處理，即找出每周的最大交易日和最小交易日。從交易日歷表的星期（Daywk）字段可以看出，當(dāng)前星期值比下一個星期值大，其對應(yīng)的交易日即為本周的最大交易日，下一個星期值對應(yīng)的交易日即為下周的最小交易日。算法如下：輸入：交易日歷數(shù)據(jù)表date。輸出：周最小交易日和最大交易日列表list1和list2。Step1：定義空的列表list1和list2，將交易日歷表中的首個交易日添加到list1中。Step2：從第2個交易日開始至倒數(shù)第2個交易日，如果其星期值大于下一個交易日的星期值，

則將其交易日添加到list2中，下一個交易日添加到list1中。Step3：將最后的交易日添加到list2中。周最小和最大交易日獲取第7章

importpandasaspdx=pd.read_excel('TRD_Cale.xlsx')list1=['2017-01-03']list2=[]fortinrange(1,len(x)-1):p=x.iloc[t-1,[2]][0]q=x.iloc[t,[2]][0]ifq<p:list1.append(x.iloc[t,[1]][0])list2.append(x.iloc[t-1,[1]][0])list2.append('2017-12-29')周收益率計算第7章

獲得每周的最小交易日列表list1和最大交易日列表list2后，可以通過循環(huán)的方式，依次取最大交易日和最小交易日對應(yīng)的收盤指數(shù)，利用前面介紹的公式計算即可獲得周收益率指標(biāo)數(shù)據(jù)。data=pd.read_excel('IDX_Idxtrd.xlsx')importnumpyasnpr=np.zeros(len(list1))foriinrange(len(list1)):p1=data.loc[data['Idxtrd01'].values==list1[i],'Idxtrd05'].valuesp2=data.loc[data['Idxtrd01'].values==list2[i],'Idxtrd05'].valuesr[i]=(p2-p1)/p1第0周的最大交易日2017年1月6日對應(yīng)的收盤指數(shù)3302.76，減去第0周最小交易日2017年1月3日對應(yīng)的收盤指數(shù)3283.45，再除以第0周最小交易日2017年1月3日對應(yīng)的收盤指數(shù)3283.45，就可以得到周收益率指標(biāo)數(shù)據(jù)為：0.00589015。周收益率計算第7章

importpandasaspdA=pd.read_excel('IDX_Idxtrd.xlsx')A['Idxtrd01']=pd.to_datetime(A.iloc[:,1])A['month']=A['Idxtrd01'].dt.monthA['week']=A['Idxtrd01'].dt.isocalendar().weekA_w=A.iloc[:,[2,4]]A_m=A.iloc[:,[2,3]]p1=A_w.groupby(['week'])['Idxtrd05'].first().valuesp2=A_w.