CAMP的Python实现——金融大数据股票分析_camp模型jupyter

B站账号@狼群里的小杨，记得点赞收藏加关注，一键三连哦！

一、 实验目的

1. 掌握CAMP相关概念
2. 掌握量化选股方法
3. 掌握 收益、 收益的计算

二、 实验内容
（1）根据输入数据，使用python 编程，CAPM 方程拟合；
（2）对拟合结果进行解释：是否存在阿尔法收益？贝塔收益？并进行对比，按你的理解分析为何这5只股票出现这种差异。
（3）将程序运行结果贴图。
（4）将代码粘贴附后。

三、 实验步骤
1、准备工作
安装tushare库

• 安装statsmodels库
  
• 查看贵州茅台的股票代码
  

中国石油股票代号查询

五粮液股票代号查询

泸州老窖股票代号查询

招商银行股票代号查询

美的集团股票代号查询

2、五家企业的CAMP模型拟合代码介绍
首先写一个函数modelCAMP(code, name)，传入的参数code为企业股票代号，name为企业名称。
从tushare第三方库中获取上证指数和企业2018-01-01~2021-01-01的数据

sh = ts.get_hist_data('sh', start='2018-01-01', end='2021-01-01')  # 获取上证指数数据
stock = ts.get_hist_data(code, start='2018-01-01', end='2021-01-01')  # 获取企业三年的股票数据
1
2

• 将获取到的数据融合成DataFrame形式的数据

ret_merge = pd.merge(pd.DataFrame(sh.p_change), pd.DataFrame(stock.p_change), left_index=True, right_index=True, how='inner')
1

计算日无风险利率

Rf_year =0.04  # 以2018 年中国三年期国债年化收益率为无风险利率
Rf = (1+Rf_year)**(1/365)-1  # 年利率转化为日利率
1
2

计算风险溢价

Eret = ret_merge-Rf
Eret.head()
1
2

画出两个风险溢价的散点图

plt.scatter(Eret.values[:, 0], Eret.values[:, 1])
plt.show()
1
2

利用最小二乘法进行线性回归，拟合CAPM 模型

md_capm = sm.OLS(Eret.p_change_y[1:],sm.add_constant(Eret.p_change_x[1:]))
result = md_capm.fit()
result.summary()
print("\n{}CAMP建立".format(name))
print(result.summary())
1
2
3
4
5

3、计算结果和可视化
贵州茅台的CAMP模型拟合结果

贵州茅台年α为

贵州茅台的程序计算结果如图所示

贵州茅台和大盘风险溢价的散点图

4、结果分析与解释
首先从总体来看六只股票如表1所示。

完整代码

'''
python3.7
-*- coding: UTF-8 -*-
@Project -> File   ：Code -> CAMP
@IDE    ：PyCharm
@Author ：YangShouWei
@USER: 296714435
@Date   ：2021/3/25 15:41:37
@LastEditor:
'''

import pandas as pd
import tushare as ts
import matplotlib.pyplot as plt
import statsmodels.api as sm


def modelCAMP(code, name):
    # 资本资产进价模型(CAPM) 
    # Ri -Rf = β*(Rm-Rf) + ε

    # 载入股指数据
    sh = ts.get_hist_data('sh', start='2018-01-01', end='2021-01-01')  # 获取上证指数数据
    stock = ts.get_hist_data(code, start='2018-01-01', end='2021-01-01')  # 获取企业三年的股票数据

    ret_merge = pd.merge(pd.DataFrame(sh.p_change), pd.DataFrame(stock.p_change), left_index=True, right_index=True, how='inner')

    # 计算日无风险利率
    Rf_year =0.04  # 以2018 年中国三年期国债年化收益率为无风险利率
    Rf = (1+Rf_year)**(1/365)-1  # 年利率转化为日利率

    # 计算风险溢价:Ri-Rf
    Eret = ret_merge-Rf
    Eret.head()

    # 画出两个风险溢价的散点图，查看相关性
    plt.scatter(Eret.values[:, 0], Eret.values[:, 1])
    plt.show()

    # 利用最小二乘法进行线性回归，拟合CAPM 模型
    md_capm = sm.OLS(Eret.p_change_y[1:],sm.add_constant(Eret.p_change_x[1:]))
    result = md_capm.fit()
    result.summary()
    print("\n{}CAMP建立".format(name))
    print(result.summary())


if __name__ == "__main__":
    # 依次调用函数计算企业的CAMP拟合结果
    modelCAMP('600036', "招商银行")
    modelCAMP("600519", "贵州茅台")
    modelCAMP("601857", "中国石油")
    modelCAMP("000858", "五粮液")
    modelCAMP("000568", "泸州老窖")
    modelCAMP("000333", "美的集团")

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
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56