利用Python和Tushare构建自定义指数

(2018-11-01 10:57:17)

标签：

python

tushare

自定义指数

金融数据

分类： Python

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)


http://s6/mw690/0025YMIgzy7oQOeDPCd75&690

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'] = ['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('08a1f9ec1344c') #请注册使用自己的TS key，这个key没用
pro = ts.pro_api()

#凑一堆股票做指数
stock_list=[]
for i in range(600000,600050):
    stock_list.append(str(i)+'.SH')
#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

#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)

阅读┊ 收藏 ┊ 喜欢 ▼ ┊打印┊举报/Report

前一篇：利用Python和tushare查看目前股票价格及基本面的历史情况

后一篇：用Python查看金融数据之行业估值

新浪BLOG意见反馈留言板　欢迎批评指正