Python：Python编程：金融量化交易

最新推荐文章于 2025-03-03 19:13:42 发布

FishAnd_Yu

最新推荐文章于 2025-03-03 19:13:42 发布

阅读量1.8k

点赞数

分类专栏： Python 文章标签： python 金融

本文链接：https://blog.youkuaiyun.com/u013620306/article/details/130964614

版权

Python 专栏收录该内容

17 篇文章

订阅专栏

文章介绍了在金融量化交易中广泛使用的三个Python库：numpy用于数值计算，scipy涉及统计、优化等多个科学计算领域，而pandas则提供了Series和DataFrame数据结构，便于处理复杂的数据。示例代码展示了如何创建和操作Series和DataFrame。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在金融量化交易中，下面几个模块是应用的比较广泛的

numpy (Numberic Python) : 提供大量的数值编程工具，可以方便的处理：向量矩阵等运算，相比高昂的 matlab , NumPy的出现使 Python得到了更多人的青睐。
scipy : 更多应用于统计，优化，差值，数值积分，时频率转换等领域
Pandas ：一条金融数据通常包含很多数据类型，例如：股票代码是字符串，收盘价是浮点数，成交量是整型
其中它包含：Series 和 DataFrame 两种高级数据结构。
💚 Series：可以认为是一维数据，但是它可以指定索引。
💚 DataFrame：可以认为是将 Series 按列合并而成的二维数据结构，每一列单独取出来就是一个 Series 。

1. numpy

2. scipy

3. Pandas

3.1 : Series

import pandas as pd
import numpy as np
dates = pd.date_range('20230531',periods = 5)
num = np.random.randn(5)
print("--------------数组的方式打印date----------------")
print(dates)
print("--------------数组的方式打印num----------------")
print(num)

s_num = pd.Series(num)
print("-------------Series方式打印s_dates-------------")
s_dates = pd.Series(dates)
print(s_dates)
print("-------------Series方式打印s_num--------------")
print(s_num)

在这里插入图片描述

3.2： DataFrame

import pandas as pd
import numpy as np
dates = pd.date_range('20230531',periods = 5)

df = pd.DataFrame(np.random.randn(5,4),index = dates)
print(df)

df_2 = pd.DataFrame(np.random.randn(5,4),index = dates,columns = list('ABCD'))
print(df_2)

在这里插入图片描述

代码示例

import pandas as pd
import numpy as np
dates = pd.date_range('20230531',periods = 5)
num = np.random.randn(5)
print("--------------数组的方式打印date----------------")
print(dates)
print("\n--------------数组的方式打印num----------------")
print(num)

s_num = pd.Series(num)
print("\n-------------Series方式打印s_dates-------------")
s_dates = pd.Series(dates)
print(s_dates)
print("-------------Series方式打印s_num--------------")
print(s_num)


df = pd.DataFrame(np.random.randn(5,4),index = dates)
print(df)

df_2 = pd.DataFrame(np.random.randn(5,4),index = dates,columns = list('ABCD'))
print(df_2)