【深智書摘】金融資料的定量分析 - Pandas 運算套件

眾所皆知，金融領域存在巨量的資料處理與分析，而Pandas 運算套件就是當時就職於AQR Capital Management的韋斯·麥金尼 (Wes McKinney) 為了金融資料的定量分析從2008 年開始開發的，它本質上是在NumPy 陣列結構基礎上建構的，並納入了大量的套件以及標準資料模型。在2009 年底，Pandas 實現了開放原始碼。如今它已經應用於許多領域的資料探勘、篩選、處理、統計和輸出。以下，為Pandas 運算套件對資料以及檔案的應用。

下面以股票為例講解如何計算收益率。如圖1所示為某幾天股價走勢，不考慮分紅，股票日簡單回報率yi 可以透過式(1) 獲得。

利用pandas_datareader 運算套件可以下載股票歷史資料，並繪製如圖2 所示股價走勢圖。沒有安裝這個運算套件的讀者需要提前安裝。

如圖3展示的是基於圖2股價資料計算得到的日簡單回報率。圖4中5 條紅色畫線從上至下分別為：μ + 2σ、μ + σ、μ、μσ 和μ2σ。μ為日簡單回報率平均值，σ 為日簡單回報率均方差。如圖5所示為日簡單回報率分佈長條圖；可以發現回報率展現出類似正態分佈的有趣現象。基於μ 和σ，可以得到日簡單回報率的常態擬合，如圖6所示。圖6長條圖左尾展現出明顯厚尾 (fat tail) 現象。

周簡單回報率可以透過式(2) 計算獲得。

周簡單回報率和日簡單回報率關係為：式(3)

如圖6所示為基於圖1股價資料計算得到的周簡單回報率。

本文尚有程式可以用來獲得圖2∼圖6。請詳見《手術刀般精準的FRM - 用Python科學管控財金風險(基礎篇) 》。

本叢書以FRM 為中心介紹實際工作所需的金融風險建模和管理知識，並且將Python 程式設計有機地結合到內容中。就形式而言，本書一大特點是透過豐富多彩的圖表和生動貼切的實例，深入淺出地將煩瑣的金融概念和複雜的計算結果進行了視覺化，能有效地幫助讀者領會重點並提高程式設計水準。更多Python在財經風險的應用，請詳見《手術刀般精準的FRM - 用Python科學管控財金風險(基礎篇) 》