【Python】我常用的幾個Python金融分析庫，太強了~
共 5573字，需瀏覽 12分鐘
·
2024-07-29 12:00
1 NumPy
從根本上說，所有金融模型都依賴于數字運算。NumPy 是用 Python 進行科學和數學計算的基礎庫。它不僅在 Python 中引入了 n 維數組和矩陣，還包含一些基本的數學函數來操作這些數據結構。本文后面提到的大多數高級金融 Python 庫都依賴于 NumPy。
例如，創(chuàng)建兩個 2×2 復數矩陣并打印總和：
import numpy as np
a = np.array([[1+2j, 2+1j], [3, 4]])
b = np.array([[5, 6+6j], [7, 8+4j]])
print(a+b)
輸出：
[[6.+2.j 8.+7.j]
[10.+0.j 12.+4.j]]
2 SciPy
NumPy 庫為操作和存儲數據提供了基本的數學結構。但要基于這些數據建立復雜的模型，還需要一個包含更高級統(tǒng)計工具和操作的存儲庫，這就是 SciPy。
SciPy提供了對建立任何統(tǒng)計模型所需的高級科學計算至關重要的函數和算法。其中包括插值、優(yōu)化、聚類、轉換和數據整合算法。在進行任何類型的數據分析或構建任何類型的預測模型時，這些操作都是必不可少的。
為了演示插值，我首先使用 NumPy 用任意函數創(chuàng)建一些數據點，然后比較不同的插值方法：
from scipy.interpolate import interp1d
import pylab
x = np.linspace(0, 5, 10)
y = np.exp(x) / np.cos(np.pi * x)
f_nearest = interp1d(x, y, kind='nearest')
f_linear = interp1d(x, y)
f_cubic = interp1d(x, y, kind='cubic')
x2 = np.linspace(0, 5, 100)
pylab.plot(x, y, 'o', label='data points')
pylab.plot(x2, f_nearest(x2), label='nearest')
pylab.plot(x2, f_linear(x2), label='linear')
pylab.plot(x2, f_cubic(x2), label='cubic')
pylab.legend()
pylab.show()
3 Pandas
Pandas建立了一種直觀易用的數據結構--DataFrame，專門用于分析和建立模型。
Pandas以 NumPy 引入的數組為基礎，針對表格、多維和異構數據進行了優(yōu)化。最常見的操作，如分組、連接、合并或填充、替換和歸納空值，都可以在一行中執(zhí)行。
此外，Pandas還提供了從各種標準格式導入數據的函數，以及用于快速繪圖、檢索基本統(tǒng)計數據或輸出數據的其他函數。
創(chuàng)建 DataFrame
import pandas as pd
df_1 = pd.DataFrame({'col1': [1,2], 'col2': [3,4]})
合并dataframe
df_2 = pd.DataFrame({'col3': [5,6], 'col4': [7,8]})
df = pd.concat([df_1,df_2], axis = 1)
4 statsmodels
SciPy 提供了一個統(tǒng)計工具庫，允許用戶構建模型，而 pandas 則使其易于實現。statsmodels 以這些庫為基礎，對不同的統(tǒng)計模型進行了更高級的測試。
對于任何給定的模型，每個估計器都有大量的結果統(tǒng)計和診斷列表，目的是讓用戶全面了解模型的性能。這些結果將根據現有的統(tǒng)計庫進行測試，以確保其正確性。
例如，導入一個內置數據集：
import numpy as np
import statsmodels.api as sm
rand_data = sm.datasets.randhie.load(as_pandas=False)
rand_exog = rand_data.exog.view(float).reshape(len(rand_data.exog), -1)
rand_exog = sm.add_constant(rand_exog, prepend=False)
并用泊松模型對數據集進行擬合：
poisson_mod = sm.Poisson(rand_data.endog, rand_exog)
poisson_res = poisson_mod.fit(method="newton")
print(poisson_res.summary())
5 Quandl
Quandl 是金融數據源庫，提供了的大量經濟、金融和市場數據。大多數原始數據集在注冊后可免費訪問（需要一個 API 密鑰），更高級和更深入的數據集則需要付費。
6 Zipline
Zipline是一個強大的 Python 算法交易庫， 將統(tǒng)計、數據結構和數據源聯系，且為 Quantopian（一個用于構建和執(zhí)行交易策略的免費平臺）提供支持。
Quandl的數據可以輕松導入，自定義算法也可以輕松設計、測試和實施。這包括算法的回溯測試和實時交易。一個基本算法是這樣的：
from zipline.api import order, record, symbol
def initialize(context):
pass
def handle_data(context, data):
order(symbol('AAPL'), 10)
record(AAPL=data.current(symbol('AAPL'), 'price'))
我們從 zipline 中導入訂單、記錄和符號函數，建立了一個記錄蘋果股票價格的算法。
7 Pyfolio
在 zipline 中設計和測試算法后，pyfolio 庫提供了一種生成包含性能統(tǒng)計數據的簡便方法。這些統(tǒng)計數據包括年度/月度回報、回報量化、滾動貝塔/夏普比率、投資組合周轉率等。生成單只股票的示例數據表：
import pyfolio as pf
stock_rets = pf.utils.get_symbol_rets('FB')
pf.create_returns_tear_sheet(stock_rets, live_start_date='2015-12-1')
輸出結果將是一系列包含性能指標的表格和圖表。
8 TA-Lib
接下來的兩個庫是 zipline 和 pyfolio 的替代品。第一個是技術分析庫，簡稱 TA-Lib，它使用 C++ 編寫，但也有 Python 的封裝。與 zipline 一樣，TA-Lib 提供了常見的金融工具，如重疊研究、動量指標、成交量指標、波動率指標、價格轉換、周期指標、模式識別和純統(tǒng)計功能。
9 QuantLib
QuantLib 是 zipline 和 pyfolio 的第二個替代庫，與 TA-Lib 類似，QuantLib 也是用 C++ 編寫，然后導出到 Python。
QuantLib旨在創(chuàng)建一個免費、開源的建模、交易和風險管理庫。該庫包含設計和實施高級算法的工具，其中包括市場慣例、收益曲線模型、求解器、PDE、蒙特卡羅等功能。
10 Matplotlib
前面用于金融的 python庫包含了金融數據源、金融數據的最佳數據結構以及統(tǒng)計模型和評估機制。但沒有一個庫提供了用于金融建模的最重要的 Python 工具之一：數據可視化（本文中的所有可視化均由 matplotlib 提供）。
可視化不僅對于理解金融數據的趨勢很重要，而且對于向非技術人員傳達見解也很重要。Python 中有許多數據可視化庫，每個庫都有其優(yōu)點和缺點，但在金融建模中最容易實現的是 matplotlib。這主要是因為許多庫都已經依賴 matplotlib。
來源：activestate
往期精彩回顧
交流群
歡迎加入機器學習愛好者微信群一起和同行交流，目前有機器學習交流群、博士群、博士申報交流、CV、NLP等微信群，請掃描下面的微信號加群，備注：”昵稱-學校/公司-研究方向“，例如：”張小明-浙大-CV“。請按照格式備注，否則不予通過。添加成功后會根據研究方向邀請進入相關微信群。請勿在群內發(fā)送廣告，否則會請出群，謝謝理解~（也可以加入機器學習交流qq群772479961）