译】Python 金融：算法交易 （1）基础入门

2018.11.16 22:08:42

本文翻译自2018年最热门的Python金融教程 Python For Finance: Algorithmic Trading。

---

这篇 Python 金融教程向您介绍算法交易等内容。

技术已成为金融领域的一项资产：金融机构已不仅仅是单纯的金融机构了，它正向着技术公司演进。除了技术带来的创新速度和竞争优势以外，金融交易的速度、频率和大数据量，使得金融机构对技术的关注度日益提高，技术确已成为金融业的主要推动力。

在最热门的金融编程语言中，有R语言、Python，还有C++、C#和Java。在本教程中，你将学习如何开始使用Python进行金融分析，其内容如下：

• Python金融入门必备基础知识：对于那些刚接触金融的人，首先要了解有关股票和交易策略的知识，什么是时间序列数据，以及如何设置工作空间。

• 常见的金融分析方法：介绍时间序列数据和常见的金融分析方法，比如使用Python包Pandas进行移动窗口、波动率计算等等。

• 简单的动量策略开发：首先逐步完成开发过程，然后开始编写简单的算法交易策略。

• 回溯测试策略：使用Pandas、zipline和Quantopian回溯测试制定的交易策略。

• 评估交易策略：优化策略使之获得更好的表现，并最终评估策略的性能和稳健性。

从这里下载本教程的 Jupyter notebook 代码。

Python 金融入门

在进入交易策略学习之前，最好先来了解基础知识。本教程的第一部分将着重于介绍入门所需的Python基础知识。但这并不意味着你将完全从零开始：你至少需要完成 DataCamp 的免费课程 Intro to Python for Data Science course，从而学会如何使用Python列表、包和NumPy。此外，尽管不是必需，但仍希望你能了解Pandas的基本知识，这是众所周知的Python数据处理包。

然后我建议你参加DataCamp的课程 Intro to Python for Finance，学习Python金融的基本知识。如果你还想要把新学的Python数据科学技能用于真实的金融数据，可以考虑参加 Importing and Managing Financial Data in Python 课程。

股票和交易

当一家公司想要扩张或承接新项目时，它可以发行股票来募集资金。股票代表在公司所有权中占的份额，并以金钱兑换的形式发放。股票可以买入和卖出：买卖双方交易现存的曾发行的股票。卖出股票的价格独立于公司业绩，股价反应的是供需关系。这意味着，每当一只股票因为成功、受欢迎等原因被认为是‘值得的’，那么它的股价就会上涨。

请注意，股票和债券并不完全相同。债券是公司通过借贷的形式筹集资金，无论是作为银行贷款还是发行债券。

正如你刚才读到的那样，买卖或者交易是我们谈论股票所不可避免的，但当然不仅限于此：交易是一种买卖资产的行为，可以是像股票、债券这样的金融证券，或者是如黄金、石油这样的有形资产。

股票交易是这样一个过程：买入股票就是将现金转换成公司所有权的股份，反之，卖出股票就是将股份换回现金。这一切交易都希望能从中获取利润。现在，为了获得丰厚的利润，在市场上要么做多，要么做空：要么你认为股价会上涨并在将来的高价位上卖出股票，要么卖出你的股票，期望在低价位上买回而盈利。当你按照固定的计划在市场上做多或做空时，你就有了一个交易策略。

开发交易策略需要经历若干阶段，就如同构建机器学习模型那样：首先制定一个策略，并以能在电脑上测试的形式实现它，然后进行初步测试或回溯测试，优化你的策略，最后评估策略的性能和稳健性。

交易策略通常通过回溯测试来验证：根据策略制定的规则，使用历史数据，重构过去可能发生的交易。通过这种方式，你能够了解策略的有效性，并在将其应用于真实市场前，把它作为策略优化的起点。当然，这通通依赖于以下信念：任何在过去表现良好的策略，也会在将来取得好的成绩，同样，任何在过去表现差劲的策略，在将来也不可能有好的表现。

时间序列数据

时间序列是在连续的、等间距的时间点上取得的一系列数据点。在投资中，时间序列跟踪选定数据点（如股票价格）的变动，它是在特定的时间跨度内，等间隔地记录数据点。如果你还是疑惑它到底长什么样子，来看看下面的例子：

x轴代表日期，y轴代表价格。在上图中，“连续的、等间距的时间点” 就是x轴上以14天为间隔的时间刻度：注意 3/7/2005 和它的下一个点 3/31/2005 之间的差值，以及 4/5/2005 和 4/19/2005 等等。

然而，你常见的股票数据不仅仅只有时间和价格这两列，大部分时候有5列，包括时间、开盘价、最高价、最低价和收盘价。这意味着，如果时间间隔设置为天，你将会得到某只股票那一天的开盘价、收盘价，以及最高、最低价。

现在，你具备了学习完本教程的基本概念。接下来这些概念马上又会出现，并在后续的学习中变得更深入。

设置工作空间

准备工作空间是一项简单的工作：基本上只需确保你的系统运行了Python和集成开发环境（IDE）。然而仍有些办法可以让你更容易地开始。

以Anaconda为例，它是Python和R的高性能发行版本，包含了超过100个最受欢迎的Python、R和Scala数据科学包。此外，安装Anaconda将使你能通过conda轻松地安装超过720个包，这里conda是集成在Anaconda中的著名管理器，用于管理包、依赖项和环境。除此之外，Anaconda还包含了Jupyter Notebook和Spyder集成开发环境。

听起来不错，对吧？

你可以从这里下载安装Anaconda，同时不要忘了通过这篇教程Jupyter Notebook Tutorial: The Definitive Guide查看如何设置Jupyter Notebook。

当然，Anaconda并不是你唯一的选择：你可以尝试收费的 Canopy Python 发行版本，或者是 Quant Platform。

Quant Platform 相比于 Jupyter 或 Spyder IDE 更有优势，因为它向你提供了在浏览器中进行金融分析所需的一切。通过 Quant Platform，你可以访问基于图形用户界面的金融工程，进行基于Python的交互式金融分析，以及使用你自己的Python分析库。更重要的是，你还可以通过论坛与小伙伴们讨论问题和解决方案。

Python金融基础：Pandas

当你使用Python进行金融分析，会经常使用到数据处理包 Pandas。但当你深入时，也会涉及诸如 NumPy、SciPy、Matplotlib 这些包。

现在，让我们只关注 Pandas 并使用它分析时间序列数据。本节将介绍如何使用 Pandas 导入、探索以及处理数据。最重要的是，你将了解如何对导入的数据进行常见的金融分析。

将金融数据导入Python

pandas-datareader包允许从谷歌、雅虎财经、世界银行等数据源中读取数据。如果你想知道此函数提供的最新的数据源列表，可参阅此文档。在本教程中，你将使用pandas-datareader包读取雅虎财经的数据。首先请确保安装了此包的最新版本，可通过 pip with pip install pandas-datareader 命令实现。

提示：如果你想安装最新的开发版本，或者遇到任何问题，都可以在这里查看安装说明。

import pandas_datareader as pdrimport datetime aapl = pdr.get_data_yahoo('AAPL',                           start=datetime.datetime(2006, 10, 1),                           end=datetime.datetime(2012, 1, 1))

请注意雅虎API端口最近已更改，如果你已经开始使用该库，则需要安装一个临时的修复补丁，直到该补丁被合并到主干中才能使用pandas-datareader包从雅虎财经获取数据。在你开始之前，请确保查阅了此问题 。

无需担心，在本教程中数据已提前为你加载好，所以你在使用Pandas学习Python金融时不会遇到任何问题。

即便pandas-datareader提供了向Python导入数据的许多选择，它也不是唯一能获取金融数据的包：比如Quandl 库，就可以获取谷歌金融数据：

import quandl aapl = quandl.get("WIKI/AAPL", start_date="2006-10-01", end_date="2012-01-01")

更多关于如何使用 Quandl 获取金融数据的信息，可参考此网页。

最后，如果你已经在金融领域工作了一段时间，你可能知道最常用的数据处理工具是Excel。在这种情况下，你需要了解如何将Excel集成到Python中。

查看 DataCamp 的教程 Python Excel Tutorial: The Definitive Guide ，获取更多相关知识。

使用时间序列数据

当你最终将数据导入工作空间后，首先要做的事情就是将手弄脏（指清洗、整理数据——译者注）。然而，现在要处理的是时间序列数据，这看起来可能不那么简单，因为索引是日期时间数据。

即便如此也不用担心。让我们一步步来，首先使用函数来探索数据。如果你先前已经有R或者Pandas的编程经验，那么对于这些函数就不陌生了。

没关系，你将发现这很容易！

如上述代码块所示，使用pandas_datareader将数据导入工作空间。所得到的对象 aapl 是数据框，一个二维数据结构，其每一列可以是不同类型的数据。现在当你手头有了一个常规的数据框时，首先要做的事情之一是运行 head() 和 tail() 函数来查看开始和结束的几行数据。幸运的是，当你使用时间序列数据时，这一点并不会改变。

提示：请务必使用 describe() 函数来查看数据的统计摘要信息。

# 查看`aapl`数据的前几行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`数据的最后几行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` 数据的统计信息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

正如介绍中所述，这一数据包含四列，分别是苹果股票每天的开盘价、收盘价，以及最高、最低价。此外还有另外两列，成交量和调整的收盘价。

成交量（Volume）这一列记录每天交易的股票数量。调整的收盘价（Adj Close）是将当天的收盘价进行调整，以包含第二天开盘前的任何举措。可以使用此列检查或深入分析历史回报情况。

注意索引或行标签如何包含日期，以及列或列标签如何包含数值。

提示：可以使用Pandas中的 to_csv() 函数将该数据保存为csv文档，并且通过 read_csv() 函数将数据重新读回到Python中。当因雅虎API端口被更改而无法获取数据时，这一方法是非常方便的。

import pandas as pdaapl.to_csv('data/aapl_ohlc.csv')  # 注意事先要在当前工作目录下创建data文件夹df = pd.read_csv('data/aapl_ohlc.csv', header=0, index_col='Date', parse_dates=True)

现在你已经简单地查看了数据的前几行以及一些统计信息，是时候更深入一些了。

一种方法是检查索引和列，并选择某列的最后10行数据。后者被称为构造子集，因为你选择了数据中的一小部分。构造子集得到一个序列（Series），它是一个可以存储任何数据类型的一维数组。

请记住数据框结构是一个二维数组，它的每一列可以存储不同的数据类型。

让我们在接下来的练习中检查上面所说的一切。首先，使用 index 和 columns 属性来查看数据的索引和列。接着选取数据集中 Close 列的最后10个观测量。使用方括号 [] 挑出最后10个数值。你也许从其他编程语言（比如R语言）中获知了这一构造子集的方法。最后，将后者指定给变量 ts，并使用 type() 函数查看 ts 的类型。

# 查看索引 aapl.index

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)

# 查看列aapl.columns

Index(['High', 'Low', 'Open', 'Close', 'Volume', 'Adj Close'], dtype='object')

# 选择Close列的最后10个数值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

# 查看ts的类型type(ts)

pandas.core.series.Series

方括号可以很好的对数据取子集，但它可能不是Pandas中最惯用的方法。这就是你还需学习 loc() 和 iloc() 函数的原因：前者用于基于标签的索引，后者用于位置索引。

实际上，这意味着你可以将行标签，如 2007 和 2006-11-01 传递给 loc() 函数，而将整数 22和 43 传递给 iloc() 函数。

完成下面的练习来了解 loc() 和 iloc() 的工作方式。

# 查看2006年11、12月数据的前几行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年数据的前几行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月数据的前几行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 两天的开盘价和收盘价print(aapl.iloc[[22,43], [2, 3]])

Open      CloseDate                            2006-11-01  11.585714  11.3085722006-12-01  13.114285  13.045714

提示：如果仔细查看子集数据，你会发现某些天的数据是缺失的；如果你更仔细地观察其模式，你会发现经常是缺失两或三天；这些天是周末或者假日，所以并不包含在你的数据中。没什么可担心的：这很正常，也无需填补缺失的日期。

除了索引，你可能还想研究其他技术来更好的了解数据。你永远不知道还会发生什么。让我们尝试从数据集中采集20行数据样本，然后按月而不是天对数据 aapl 进行重新采样。可以使用 sample() 和 resample() 函数来实现：

# 采样20行数据sample = aapl.sample(20)# 输出`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

# 按月重新采样monthly_aapl = aapl.resample('M').mean()# 输出 `monthly_aapl` 的前几行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

非常直截了当，不是吗？

resample() 函数使用频繁，因为它为时间序列的频率转换提供了精细而灵活的控制：除了指定新的时间间隔，处理缺失数据以外，还能选择对数据重新采样的方式，如上述代码所示。asfreq() 方法与之类似，不过只能实现前两项功能。

提示：在 IPython 控制台中尝试代码 aapl.asfreq("M", method="bfill")，并查看其输出结果。

最后，在进行数据可视化和常见的金融分析这些进阶的数据探索之前，你可能已经开始计算每天开盘价和收盘价之间的差值了。在Pandas的帮助下，可以轻易地实现这一算数运算；只需将 aapl 数据的 Open 列数值减去该数据的 Close 列数值即可。换言之，就是从 aapl.Open 中减去 aapl.Close。将结果存入 aapl 数据框中新的一列 diff 中，另外可以使用 del 将其删除：

# 在`aapl` 中新增一列`diff`aapl['diff'] = aapl.Open - aapl.Close# 删除`diff` 列#del aapl['diff']

提示：请确保注释掉最后一行代码，这样 aapl 数据框的新列不会被删除，并且你可以检查算术运算的结果！

当然，了解绝对收益可帮助你知道自己是否做了一个好的投资。但是作为一名定量分析者，你可能对使用相对方法衡量股票价值更感兴趣，比如某只股票上涨或下跌的幅度。计算每日的百分比变化便是这样一种方法。

现在知道这一点很好，不过也不用担心，接下来你将会越来越深入地进行了解。

本节介绍了在开始预分析之前，进行数据探索的一些方法。但是仍有可提高的余地，如果你想了解更多，可阅读 Python Exploratory Data Analysis 这篇教程。

可视化时间序列数据

在使用 head(), tail()，索引等方法探索数据之后，你大概想要可视化时间序列数据。多亏了Pandas的绘图功能整合了 Matplotlib 包，使这项任务变得容易了；只要使用 plot() 函数并传递给它相关的参数即可。另外，也可以使用 grid 参数来为图片添加网格背景。

让我们检查并运行以下代码，看看如何绘制这样一幅图！

# 导入Matplotlib包的`pyplot` 模块，简写为 `plt`import matplotlib.pyplot as plt# 绘制收盘价曲线aapl['Close'].plot(grid=True)# 显示绘图plt.show()

如果你想进一步了解 Matplotlib 包，并学习如何开始使用它，那么可以查看 DataCamp的课程 Intermediate Python for Data Science。