Python金融數(shù)據(jù)分析與挖掘（微課版） 課件 8-1.基于總體規(guī)模與投資效率指標(biāo)的綜合評價

第8章

上市公司綜合評價指標(biāo)選擇、數(shù)據(jù)處理主成分分析與綜合排名投資組合收益率計算與量化投資策略設(shè)計基于總體規(guī)模與投資效率指標(biāo)的綜合評價（指標(biāo)選擇）第8章

字段名稱字段中文名稱字段說明Stkcd股票代碼Accper會計年度2013-12-31、2014-12-31、2015-12-31、2016-12-31、2017-12-31B001101000營業(yè)收入企業(yè)經(jīng)營過程中確認(rèn)的營業(yè)收入B001300000營業(yè)利潤與經(jīng)營業(yè)務(wù)有關(guān)的利潤B001000000利潤總額公司實(shí)現(xiàn)的利潤總額B002000000凈利潤公司實(shí)現(xiàn)的凈利潤A001000000資產(chǎn)總計資產(chǎn)各項目之總計A001212000固定資產(chǎn)凈額固定資產(chǎn)原價除去累計折舊和固定資產(chǎn)減值準(zhǔn)備之后的凈額F050501B凈資產(chǎn)收益率凈利潤/股東權(quán)益余額F091001A每股凈資產(chǎn)所有者權(quán)益合計期末值/實(shí)收資本期末值F091301A每股資本公積資本公積期末值/實(shí)收資本期末值F090101B每股收益凈利潤本期值/實(shí)收資本期末值總體規(guī)模指標(biāo)包括上市公司的營業(yè)收入、營業(yè)利潤、利潤總額、凈利潤、資產(chǎn)總計、固定資產(chǎn)凈額，投資效率指標(biāo)包括凈資產(chǎn)收益率、每股凈資產(chǎn)、每股資本公積、每股收益，共10個指標(biāo)包括2013年—2017年的數(shù)據(jù)，綜合評價按年進(jìn)行，本案例以2016年為例?；诳傮w規(guī)模與投資效率指標(biāo)的綜合評價（數(shù)據(jù)處理）第8章

（1）讀取2016年的數(shù)據(jù)，其中第0列為標(biāo)識列（股票代碼）

importpandasaspd

data=pd.read_excel('data.xlsx')

data2=data.iloc[data['Accper'].values=='2016-12-31',[0,2,3,4,5,6,7,8,9,10,11]]（2）篩選指標(biāo)值大于0的數(shù)據(jù)以及去掉nan值。

data2=data2[data2>0]

data2=data2.dropna()（3）數(shù)據(jù)標(biāo)準(zhǔn)化，注意標(biāo)準(zhǔn)化需要去掉第0列，這里數(shù)據(jù)標(biāo)準(zhǔn)化方法采用均值-方差法。

fromsklearn.preprocessingimportStandardScaler

X=data2.iloc[:,1:]

scaler=StandardScaler()

scaler.fit(X)

X=scaler.transform(X)基于總體規(guī)模與投資效率指標(biāo)的綜合評價（主成分分析）第8章

對標(biāo)準(zhǔn)化之后的指標(biāo)數(shù)據(jù)X做主成分分析，提取其主成分，要求累計貢獻(xiàn)率在95%以上。fromsklearn.decompositionimportPCApca=PCA(n_components=0.95)#累計貢獻(xiàn)率為95%以上Y=pca.fit_transform(X)

#滿足累計貢獻(xiàn)率為95%的主成分?jǐn)?shù)據(jù)gxl=pca.explained_variance_ratio_

#貢獻(xiàn)率通過主成分分析，可以獲得其主成分，接下來就可以根據(jù)獲得的主成分計算每個上市公司的綜合得分了。根據(jù)綜合得分，可以獲得上市公司的綜合排名?；诳傮w規(guī)模與投資效率指標(biāo)的綜合評價（綜合排名）第8章

1．計算綜合得分#綜合得分等于提取的各個主成分與其貢獻(xiàn)率的加權(quán)求和。

importnumpyasnp

F=np.zeros((len(Y)))#預(yù)定義綜合得分?jǐn)?shù)組F

foriinrange(len(gxl)):

f=Y[:,i]*gxl[i]

#第i個主成分與第i個主成分貢獻(xiàn)率的乘積

F=F+f

#數(shù)組累積求和2．整理排名結(jié)果#第1種方式如下：fs1=pd.Series(F,index=data2['Stkcd'].values)#構(gòu)建序列,值為綜合得分F,index為股票代碼Fscore1=fs1.sort_values(ascending=False)#結(jié)果排名,降序第2種方式如下：co=pd.read_excel('TRD_Co.xlsx')Co=pd.Series(co['Stknme'].values,index=co['Stkcd'].values)Co1=Co[data2['Stkcd'].values]#主成分分析指標(biāo)數(shù)據(jù)對應(yīng)的上市公司名稱fs2=pd.Series(F,index=Co1.values)Fscore2=fs2.sort_values(ascending=False)基于總體規(guī)模與投資效率指標(biāo)的綜合評價（綜合排名）第8章

得到兩種方式的排名結(jié)果基于總體規(guī)模與投資效率指標(biāo)的綜合評價（投資組合收益率計算）第8章

以排名前30的上市公司股票代碼構(gòu)建投資組合作為計算舉例，持有期為2017年5月1日至2017年12月31日，計算其收益率單只股票的收益率計算方法為：以該股票持有期內(nèi)首個交易日考慮現(xiàn)金紅利再投資的收盤價可比價p1買入，持有期內(nèi)最后交易日的考慮現(xiàn)金紅利再投資的收盤價可比價p2賣出，收益率計算公式為(p2-p1)/p1。投資組合的收益率為該組合內(nèi)所有股票收益率之和StkcdTrddtClsprcAdjprcwdAdjprcnd6032272017-03-2910.9822.1616621.9599916032282017-03-2948.0548.0548.056032382017-03-2943.0243.0243.026032392017-03-2998.6698.6698.666032582017-03-2953.7753.7753.776032662017-03-2944.3744.3744.37…………………………2017年交易數(shù)據(jù)，字段依次表示股票代碼、交易日期、收盤價、考慮現(xiàn)金紅利再投資的收盤價可比價、不考慮現(xiàn)金紅利再投資的收盤價可比價基于總體規(guī)模與投資效率指標(biāo)的綜合評價（投資組合收益率計算）第8章

投資組合收益率計算示例代碼：trd=pd.read_excel('trd_2017.xlsx')r_list=[]foriinrange(30):code=Fscore1.index[i]dt=trd.iloc[trd.iloc[:,0].values==code,:]I1=dt['Trddt'].values>='2017-05-01'I2=dt['Trddt'].values<='2017-12-31'dtt=dt.iloc[I1&I2,:].sort_values('Trddt')iflen(dtt)>1:

#首個和最后一個交易日的考慮現(xiàn)金紅利再投資的收盤價可比價p1=dtt.iloc[0,3]p2=dtt.iloc[len(dtt)-1,3]r_list.append((p2-p1)/p1)r_total=sum(r_list)該組合只有28只股票代碼，不足30只，這是因為存在2只股票在計算持有期內(nèi)沒有交易。總的收益率為：r_total=4.54296132786基于總體規(guī)模與投資效率指標(biāo)的綜合評價（量化投資策略設(shè)計）第8章

將數(shù)據(jù)處理、主成分分析與綜合排名過程，定義為一個函數(shù)Fr；將收益率計算，也定義為一個函數(shù)Re。defFr(data,year):

#輸入：

#data--財務(wù)指標(biāo)數(shù)據(jù)

#year--排名年度

#輸出：

#Fscore1--排名結(jié)果（股票代碼形式）

#Fscore2--排名結(jié)果（股票名稱形式）return(Fscore1,Fscore2)defRe(Fscore1,s_trd1,s_trd2,num):

#輸入：

#Fscore1--排名結(jié)果（股票代碼形式）

#s_trd1--持有期開始日期

#s_trd1--持有期結(jié)束日期

#num--排名數(shù)

#輸出：

#r_list--股票代碼收益率列表

#r_total--總收益率

return(r_list,r_total)importpandasaspdimportfunimportfun2data=pd.read_excel('data.xlsx')r1=fun.Fr(data,2016)Fscore1=r1[0]Fscore2=r1[1]r2=fun2.Re(Fscore1,'2017-05-01','2017-12-31',30)r_list=r2[0]r_total=r2[1]其結(jié)果Fscore1、Fscore2、r_list、r_total同前面所述基于總體規(guī)模與投資效率指標(biāo)的綜合評價（量化投資策略設(shè)計）第8章

量化投資策略：以2013年~2016年的財務(wù)指標(biāo)數(shù)據(jù)為基礎(chǔ)計算股票的綜合排名，并取排名前20和前40的股票構(gòu)建投資組合，以下一年的5月1日—6月30日、5月1日—9月30日、5月1日—12月31日作為持有期，分別計算其投資組合的收益率，并與同期的滬深300指數(shù)收益率進(jìn)行對比。持有期內(nèi)指數(shù)收益率=（期末收盤指數(shù)?期初收盤指數(shù)）/期初收盤指數(shù)。importpandasaspdimportfun#導(dǎo)入自定義的函數(shù)文件importfun2#導(dǎo)入自定義的函數(shù)文件data=pd.read_excel('data.xlsx')ind300=pd.read_excel('index300.xlsx')list1=[]#存放年度list2=[]#存放持有期list3=[]#存放投資組合收益率list4=[]#存放滬深300指數(shù)收益率foryearin[2013,2014,2015,2016]:

fortimein['06-30','09-30','12-31']:

r1=fun.Fr(data,year)

r2=fun2.Re(r1[0],str(year+1)+'-05-01',

str(year+1)+'-'+time,40)

r_total=r2[1]

list1.append(year)

list2.append(str(year+1)+'-05-01'+'--'+str(year+1)+'-'+time)

list3.append(r_total)

td1=str(year+1)+'-05-01'

td2=str(year+1)+'-'+time

I1=ind300.iloc[:,1].values>=td1

I2=ind300.iloc[:,1].values<=td2

dt=ind300.iloc[I1&I2,[1,2]].sort_values('Idxtrd01')

p=dt.iloc[:,1].values

list4.append((p[len(p)-1]-p[0])/p[0])#將結(jié)果轉(zhuǎn)化為數(shù)據(jù)框,并導(dǎo)出到ExcelD={'year':list1,'time':list2,'r_total':list3,'index':list4}D=pd.DataFrame(D)D.to_excel('D.xlsx')基于總體規(guī)模與投資效率指標(biāo)的綜合評價（量化投資策略設(shè)計）第8章

ID會計年度/年持有期總收益率滬深300收益率020132014-05-01—2014-06-300.5103040.004011120132014-05-01—2014-09-304.103380.136575220132014-05-01—2014-12-3119.109720.638655320142015-05-01—2015-06-30?1.76119?0.06574420142015-05-01—2015-09-30?5.61932?0.33101520142015-05-01—2015-12-31?4.04831?0.22072620152016-05-01—2016-06-30?0.13978?0.01855720152016-05-01—2016-09-300.8015320.01237