金融学习
文章平均质量分 74
ryo007gnnu
这个作者很懒,什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
金融学习之十七——使用Tushare绘制系统风险存在性
在股票投资中,投资者面临的除了收益外,还有相应的风险。根据风险是否可以规避,理论上讲风险划分为系统风险和非系统风险。系统风险是由于企业外部的宏观环境中各种不可抗因素的作用下而产生的风险,这些因素包括全球性或区域性恐慌、贸易争端、经济衰退、政府出台经济调控政策等等。对于系统风险,投资者无法提前感知和采取措施规避,也无法通过分散投资进行消除。而非系统风险则是由于企业自身的因素而引发的风险,这些因素包括财务风险、经营风险、信用风险、偶然事件风险等。非系统风险往往可以通过充分分散化投资的方式来进行消除。本讲主要想原创 2021-09-13 11:34:45 · 493 阅读 · 2 评论 -
金融学习之十六——资本市场线
前面两讲在进行投资组合配置时均只考虑到了有风险的资产,而实际在进行投资时,也有可能包含无风险资产(如国债),则在这种状况下进行投资,又会出现什么特点呢?这就要引出另一个概念——资本市场线。资本市场线(CML)是一条从无风险收益率引出的与有效前沿相切的一条直线,该直线的斜率仅与无风险收益率相关,因此当无风险收益率确定时,该直线也就确定下来了。在知乎上看到两张图片,对这个资本市场线的解释非常详细,于是我就借用过来,大致说说吧。文章地址为:从这张图中可以看出,资本配置线是当引入无风险资产后,从无风险收益率原创 2021-09-11 09:46:57 · 11393 阅读 · 1 评论 -
金融学习之十五——投资组合的有效前沿
前一讲我们已经说了如何计算一个投资组合的预期收益率和预期收益率的波动率。然而,人们在投资的时候,往往都是在风险相同的情况下,选择收益最大的配置方案,而在收益相同的情况下,会选择风险最小的配置方案。但上讲的内容在整个计算过程中,有一个问题是没有解决的:在什么配置情况下,我能获得最大的投资收益率?(收益最大)或者说,在投资收益率确定的情况下,什么配置能让我的波动率最小?(风险最小)这里就不得不引入一个概念:有效前沿。我们通常将一定资产所有可能的投资组合称为可行集,而有效前沿就是可行集的一条包络线,在有效前沿原创 2021-09-10 08:38:23 · 13026 阅读 · 0 评论 -
金融学习之十四——使用Tushare获取数据计算投资组合的预期收益率和波动率
为了降低风险,投资者在购买股票时往往会构建一个投资组合,以对冲风险和最大获益。在投资组合中,描述该投资组合效果的两个重要变量是预期收益率及其波动率。1.投资组合的预期收益率预期收益率的计算公式为:E(R)=E(∑k=1nwiRi\displaystyle \sum_{k=1}^n w_i R_ik=1∑nwiRi )=[ w1,w2,w3...wn[ \displaystyle \ w_1,w_2,w_3...w_n[ w1,w2,w3...wn ][ E原创 2021-09-09 11:30:24 · 5157 阅读 · 0 评论 -
金融学习之十三——数据去极值和标准化处理
拿到数据后,数据中可能会存在一些超大或极小的值,这些值与其他的值离得较远,显得格格不入,我们称其为离群点,有时也称为异常点。对于这些值,它的存在会导致影响最终的分析结果,带偏我们的分析。举个简单的例子,10个人的收入分别为2000,2500,2300,2425,2512,2375,2700,2265,2345,10000000,只算前9个,平均值就是2380,但加上最后一个,平均值就是1002144.2,就可能严重带偏最后分析的结果。因此,对于这样的数据,我们需要将其去除或修改。(一)数据去极值数据去极原创 2021-07-07 16:13:38 · 6814 阅读 · 0 评论 -
金融学习之十二——凸性
今天讨论另外一个概念,叫做凸性。什么是凸性呢?凸性也称为凸度或曲率,是衡量债券价格对债券到期收益率变化的非线性关系的指标,是债券价格对收益率的二阶导数。\为什么需要讨论凸性呢,我们可以看下面的例子(这个例子在金融学习第十一期讲过)例如:某债券剩余期限为4年,面值为100元,票面利率为2.95%,票息支付每年2次,到期收益率为3.8%(连续复利)。现假设连续复利的债券到期收益率变动了100个基点,从3.8%增至4.8%,重新计算债券的最新价格。根据在前面第十一期的介绍,可以知道债券的价格原本是96.742原创 2021-04-11 21:41:04 · 6449 阅读 · 0 评论 -
金融学习之十一——久期
久期是指债券投资者收到债券所有现金流需要等待的平均时间,久期可以分为麦考利久期、修正久期和美元久期。(一)麦考利久期债券价格B与连续复利的到期收益率y之间的关系可以表示为:B=∑k=1ncie−yti\displaystyle \sum_{k=1}^n c_i e^{-yt_i}k=1∑ncie−yti (1)即债券价格等于所有未来将要支付的现金流现值之和。麦考利久期D可以表达为:D=∑k=1ncie−yti∗ti\displaystyle \sum_{k=1}^n c_i e^{-yt原创 2021-04-08 11:04:23 · 21768 阅读 · 1 评论 -
金融学习之十——远期利率和远期利率协议
一、远期利率有时企业会根据规划在未来的时间进行融资安排,如在1年后向银行借款,期限为3年,也就意味着企业的融资初始日是1年后,到期日则是4年后,这种发生在未来的交易即为“远期交易”,对于远期交易,零息利率是不适用的,那么就必须要使用远期利率。远期利率通常可以根据零息利率曲线上对应的即期利率求得。假设有债券在不同期限下的零息利率如下:期限1年2年3年4年5年零息利率(连续复利)2.5%2.8%3.2%3.7%4.5%现要求出第2-5年的远期利率。通过上述数据原创 2021-03-25 19:53:44 · 6653 阅读 · 0 评论 -
金融学习之九——票息剥离法求零息利率
计算债券零息利率通常采用票息剥离法。假设有下表:券名剩余期限(年)票面利率债券价格本金牛奔1号0.25099.42100牛奔2号0.5098.83100牛奔3号1.02.77% 每年付息一次100.09100牛奔4号1.53.46% 半年付息一次101.32100牛奔4号2.02.53% 半年付息一次99.39100计算这些债券的零息利率实际上就是在求解如下方程组中的r1—r5:(1)99.42*er1*0.原创 2021-03-23 12:13:56 · 5705 阅读 · 0 评论 -
金融学习之八——ARCH和GARCH模型应用
对衍生产品定价和风险管理中,常常需要对衍生产品的波动率进行预测,这就需要使用到波动率模型。常见的波动率模型有两个,一个是自回归条件异方差模型ARCH,另一个是广义自回归条件异方差模型GARCH。这两个模型的数学公式有点多,但如果只是跑代码的话就没那么麻烦,本次仅介绍这两个模型在python中的应用。我们希望根据2016-2018年的沪深300指数的涨跌幅构建波动率模型,步骤如下:(1)利用Tushare获取沪深300指数的数据因不知道沪深300指数的代码,所以先做了个查询import tushare原创 2021-03-06 16:15:30 · 5924 阅读 · 3 评论 -
金融学习之七——统计检验方法的使用
今天的内容有点无聊,主要是几个统计检验方法的应用,都是scipy模块中的stas子模块中的函数。几个统计检验分别是K-S检验,A-D检验,W检验和正态性检验。(1)K-S检验K-S检验是基于累计分布函数,用以检验一个分布是否服从某种理论分布,或比较两个分布是否存在显著差异。K-S检验所使用的函数是kstest,使用格式为:kstest(rvs,cdf,args,alternative)rvs是待检验样本,cdf指定检验的分布类型,args以元组形式输入分布函数中的相关参数,alternative默原创 2021-03-04 20:45:36 · 1497 阅读 · 1 评论 -
金融学习之六——投资比例最优化求解
假设现在有一家投资机构拟投资如下股票组合(名字瞎编的),下表为股票组合及其相关的价格、预测投资收益和β值,若欲投资总额为1亿元,以当前收盘价进行投资,并要求整个组合的β值不超过1.4,并且不考虑卖空等情况,如何配置该投资组合的比例才能获得最大收益?证券名称预测年化收益率当前收盘价β值暴富之星34.9032%590.011.64平安稳定15.5143%5.291.41小富即安13.2796%26.671.21随遇而安5.5905%6.501.原创 2021-03-03 17:39:58 · 2082 阅读 · 0 评论 -
金融学习之五——求解证券投资组合比例
假设现在已知一个证券组合不同时期的收益率以及该时期每支股票的收益率,现在想了解这个证券组合中各支股票的比例,数据如下:工商银行建设银行农业银行中国银行组合收益率0.3731%-0.001838%-0.003087%-0.024112%-0.0105654%0.021066%0.001842%-0.000344%0.011704%0.0070534%-0.004854%-0.016544%-0.033391%-0.029563%-0.025636原创 2021-02-28 21:16:57 · 1073 阅读 · 1 评论 -
金融学习之四——插值法求远期国债收益率
今天来个简单的,使用插值法求远期国债利率。插值法使用的是scipy模块中的interpolate子模块的interp1d函数,注意这里的是数字1,不是英文字母l。函数的格式为interp1d(x,y,kind),x、y为给定数据,kind是插值方法。kind参数如下:参数名称插值方法nearest最邻近插值法zero0阶样条曲线插值法slinear1阶样条曲线插值法quadratic2阶样条曲线插值法cubic3阶样条曲线插值法假设有如下远期原创 2021-02-27 21:36:18 · 3828 阅读 · 0 评论 -
金融学习之三——晕头转向的alphalens
alphalens分析是一个进行单因子分析的开源项目。alphalens需要的数据有自己要求的格式,因此整个过程就分为两个部分:(a)处理数据,形成所需的格式(b)计算并理解数据的结果。下午跑了一遍前文书中提到的alphalens单因子有效性分析,程序是跑完了,可结果还有待看懂,大概的过程如下:(1)获取数据,进行初步处理import tushare as tsts.set_token('*********************************')pro=ts.pro_api()dat原创 2021-02-23 21:02:26 · 4871 阅读 · 1 评论 -
金融学习之二——稀里糊涂的回测
看到赵志强、刘志伟编的《Python量化投资技术、模型与策略》的策略回测这一章,打算自己动手弄弄,反正也没看懂,先照着敲敲代码再说。不得不吐槽一下,作者在前后逻辑上考虑的不是很周到,一些变量和语句前面不写,后面又冒出来了,让人猜了好久才猜明白。先简单说明一下所使用的双均线突破策略:(1)计算两根移动均线ma1,ma2,周期分别为len1,len2,其中len2>len2。说白了就是一个短期均线和一个长期均线。(2)若ma1上穿ma2时,即ma1>ma2时,平掉空头仓位,买入做多若ma1下原创 2021-02-20 21:27:11 · 559 阅读 · 0 评论 -
金融学习之一——使用Tushare获取数据并制图
Tushare是金融数据获取的重要来源之一,并且已经有了非常好的Python第三方包配合使用。Tushare的官方网站是Tushare官网,里面提供了大量的金融相关数据,非常适合平时的数据练手,但需要授权,即获取TOKEN(Tushare安装方法和授权方法请自行百度)。本次我们以简单的某支股票的收益率和自相关图为例,来说明其使用的基本过程。在Tushare官网中可以查到,获取股票信息的接口股票列表是stock_basic,我们随便选了一支代码为600258的股票(说实话,本人根本不知道这股票是啥,瞎玩的)原创 2021-02-18 17:37:03 · 1873 阅读 · 0 评论
分享