Numpy 用Pandas估计股票收益|极客教程

用Pandas估计股票收益，Pandas中的DataFrame是一个兼有矩阵和字典特征的数据结构，其功能类似于R中的dataframe。实际上，DataFrame是Pandas中的核心数据结构，你可以对其做各种操作。进行投资组合分析时，经常需要计算投资组合的相关矩阵，本攻略将对此予以介绍。

具体步骤

首先，创建一个字典对象，其成员是每支股票的日收益率数据。然后，以日期为行标签，创建DataFrame对象。最后，计算相关矩阵并绘制结果。

创建DataFrame对象。

为了创建DataFrame对象，需要先创建一个字典。该字典对象以股票代码为索引关键字（键），对应的值是该股的对数收益率。该DataFrame对象以日期为索引（行标签），以股票代码为列标签。

data = {}

for i in xrange(len(symbols)):
    data[symbols[i]] = numpy.diff(numpy.log(close[i]))

df = pandas.DataFrame(data,
    index=dates[0][:-1], columns=symbols)

操作DataFrame对象。

现在可以对DataFrame对象做各种操作，例如计算相关矩阵或绘图。

print df.corr()
df.plot()

包括下载股价数据在内的完整代码如下。

import pandas
from matplotlib.pyplot import show, legend
from datetime import datetime
from matplotlib import finance
import numpy

# 2011到2012
start = datetime(2011, 01, 01)
end = datetime(2012, 01, 01)

symbols = ["AA", "AXP", "BA", "BAC", "CAT"]

quotes = [finance.quotes_historical_yahoo(symbol, start, end, asobject=True)for symbol in symbols]

close = numpy.array([q.close for q in quotes]).astype(numpy.float)
dates = numpy.array([q.date for q in quotes])

data = {}

for i in xrange(len(symbols)):
data[symbols[i]] = numpy.diff(numpy.log(close[i]))

df = pandas.DataFrame(data, index=dates[0][:-1], columns=symbols)

print df.corr()
df.plot()
legend(symbols)
show()