新浪博客

利用Python和Tushare构建自定义指数

2018-11-01 10:57阅读：

http://blog.sina.cn/dpool/blog/u/1920634280

利用Python 和 Tushare构建自定义指数

我们经常用到指数这个概念。所谓指数，就是一堆股票组合成的一个集合编制成的一个数字，用来反映这些股票的变动情况。例如我们常用的沪深300指数，上证指数等。Tushare提供了一些指数接口，例如：
  • index_basic
  • index_daily
  • index_weight
但有时候，我们需要自定义一些指数，例如，我们构建了一个投资组合，想把他们编制成一个指数。本文就如何借助tushare编制自定义指数做一个探索。

初始化

初始化部分无非是：
    • 引入一些需要用到的包
    • 设置显示格式
    • 初始化tushare pro接口 在接口初始化部分，请使用自己的token，如果没有token，请先免费注册tusharehttps://tushare.pro/register?reg=124585
    #各种Import import tushare as ts import pandas as pd import matplotlib.pyplot as plt import matplotlib as mpl import seaborn as sb import numpy as np sb.set_style('whitegrid') #绘图样式 mpl.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体 mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题 ts.set_token('94d84c') #请注册使用自己的TS key，这个key没用 pro = ts.pro_api()

    构建指数的成分股


    我们选取600000-600050的部分为例，把他们作为我们这个组合的成分股
    #凑一堆股票做指数 stock_list=[] for i in range(600000,600050): stock_list.append(str(i)+'.SH')

    计算成分股权重



    成分股权重的确定方式很多，例如总股本，流通股，持仓数量，甚至你自己的偏好都可以，这里用总股本占比，我记得沪深300也是如此。 整个过程是这样的：

    • 取得基准日（这里是2018年十月三十一日）的成分股总股本（同时也取了流通股本，您可以自己改）
    • 权重=个股占比 * 系数，这个系数只是为了好看，您自己凑


    #取基准日算权重，这里参照HS300使用总股本做权重占比，也有用流通股本的，那就用float_share df = pro.daily_basic(trade_date='20181031')[['ts_code','total_share','float_share']] df = df[df['ts_code'].isin (stock_list)] #权重，100随便凑个数字 df['weight'] = df['total_share']/df['total_share'].sum()*100




    指数历史行情



    到这里，有了成分股和权重，指数已经编制完成了，那么我们如何显示其历史走势呢？

    • 取得每个成分股的行情（这里以2018.1-2018.6为例）
    • 给行情数据加上权重项
    • 将价格乘以权重
    • 按日分类求和
    • 显示

    可以看出，这个指数就是：
    • 每个股票的价格乘以其权重后相加得出


    #取半年日线 df1 = pd.DataFrame() for x in stock_list: df1 = df1.append(pro.daily(ts_code=x, start_date='20180101', end_date = '20180630')[['ts_code','trade_date','close']]) #合并表，给行情数据加上权重项 df1 = df1.merge(right=df,on='ts_code',how='left') df1['index']=df1['weight']*df1['close'] df2 = df1[['trade_date','index']] idx = pd.DataFrame(df2.groupby(by=['trade_date']).sum().reset_index()) idx['trade_date'] = pd.to_datetime(idx['trade_date']) idx.plot(kind='line',x='trade_date',y='index', figsize=(10,5),fontsize=20, subplots=True, logy=False)




    利用Python和Tushare构建自定义指数

    后记



    在编制指数时，注意以下问题：

    • 如果股票较多，时间跨度较大，可能网络流量和计算量都较大，需要等待
    • 注意处理复权问题，tushare提供复权因子
    • 注意权重变动情况，如果使用股本作为权重参考值，注意处理股本变动情况，如果使用持仓，那么在交易后请及时调整

    对tushare有兴趣，尽请先免费注册和免费使用tushare https://tushare.pro/register?reg=124585
    完整代码
    Python Code
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    		#各种Import
    import tushare as ts
    import pandas as pd
    import matplotlib.pyplot as plt
    import matplotlib as mpl
    import seaborn as sb
    import numpy as np
    sb.set_style('whitegrid') #绘图样式
     mpl.rcParams['font.sans-serif'] = [

    我的更多文章

    下载客户端阅读体验更佳

    APP专享