目的

step1 收益波动率和夏普比率的计算是基于收益率是正态分布的假设
step2 为什么收益率正态分布会让收益和风险计算比较容易？
如果收益率的分布可以用正态分布来近似拟合的话，投资管理将变得更加容易
1). 当风险收益对称时，标准差是一个很好的衡量标准
2). 如果各个资产的收益具有正态分布，那么其组成的投资组合的收益也服从正态分布
3). 可以仅适用均值和标准差来估计未来的情境
step3 收益率的分布偏离正态分布怎么办？
此时，
1). 标准差不再是一个衡量风险的完美度量工具
2). 夏普比率不再是证券表现的完美度量工具
因此，
需要考虑偏度和峰度

概念

1. 偏度(Skewness)用来度量随机变量概率分布的不对称性
偏度取值范围为(负无穷,正无穷)
当偏度<0，概率分布左偏
当偏度=0, 表示数据相对均匀的分布在平均值两侧，不一定是绝对的对称分布
当偏度>0, 概率分布右偏
2. 峰度(Kurtosis)用来度量随机变量概率分布的陡峭程度
峰度取值范围为[1,正无穷),完全服从正态分布的数据的峰度值为3，峰度值越大，概率分布图越高尖；峰度值越小，越矮胖
3. 假设检验：检验是否服从正态分布
3.1 假设H0:是正态分布【这个是期望的结果】；HA:不是正态分布
3.2 Jarque Bera是用来检验正态分布【要求样本数在2000个以上】
3.3 置信区间
1). 设置99%的置信区间，表示有99%的信心认为结果是正态分布。
2). 剩余的1%叫做显著性水平
3). 如果置信区间设置为99%,显著水平就是1%;如果置信区间设置为95%,显著性水平就是5%。检验要求越严格，显著性水平就越小，例如医药行业一般设为1%,银行做风险可行性会将显著性水平设置小于1%
4. 看结果p-value值，p-value值越小越拒绝
p<1%，拒绝原假设，结果：不是正态分布
p>1%，接受原假设，结果：是正态分布

先贴结果

偏度:0.017862413071976304 峰度:0.0006589607625819838 检验p值:pvalue=0.501752635804537 检验结果:是正态分布	偏度:-1.0986798779690312 峰度:14.776922600537802 检验p值:pvalue=0.0 检验结果:不是正态分布	偏度:-1.4275663167447816 峰度:26.921066302426375 检验p值:pvalue=0.0 检验结果:不是正态分布

代码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
df_004 = pd.read_csv('600004.csv',encoding='utf-8')
df_004['tradeDate'] = pd.to_datetime(df_004['tradeDate'])
df_004.set_index('tradeDate',inplace=True)
df_004['ret'] = df_004['closePrice'].pct_change()
df = df_004.iloc[-2016:]
df['ret'].plot.hist(bins=200)

# 偏度 bias=False不自动纠正
ss.skew(df['ret'],bias=False)
# out: -1.0986798779690312# 峰度 bias=False不自动纠正
ss.kurtosis(df['ret'],bias=False)
# out: 14.776922600537802# 检验是否正态分布
ss.jarque_bera(df['ret'])
# out: Jarque_beraResult(statistic=18648.83420095886, pvalue=0.0)df_015 = pd.read_csv('600015.csv',encoding='utf-8')
df_015['tradeDate'] = pd.to_datetime(df_015['tradeDate'])
df_015.set_index('tradeDate',inplace=True)
df_015['ret'] = df_015['closePrice'].pct_change()
df02 = df_015.iloc[-2016:]
df02['ret'].plot.hist(bins=200)

# 偏度 bias=False不自动纠正
ss.skew(df02['ret'],bias=False)
# out: -1.4275663167447816# 峰度 bias=False不自动纠正
ss.kurtosis(df02['ret'],bias=False)
# out: 26.921066302426375# 检验是否正态分布
ss.jarque_bera(df02['ret'])
# out: Jarque_beraResult(statistic=61247.39825308066, pvalue=0.0)# 生成一个正态分布
normal_numbers = pd.Series(np.random.normal(0,0.2,10000))
ss.skew(normal_numbers ,bias=False)
# out: 0.017862413071976304
ss.kurtosis(normal_numbers,bias=False)
# out: 0.0006589607625819838
ss.jarque_bera(normal_numbers)
# out: Jarque_beraResult(statistic=1.379296076193386, pvalue=0.501752635804537)
normal_numbers.plot.hist(bins=200)

将检验是否为正态分布写成一个函数

import scipy
def is_normal(r,level=0.01):'''对一个Series实施Jarque-Bera检验，默认显著性水平为1%若p值大于显著性水平，则无法拒绝原假设(正态分布)返回True 表明该Series是正态分布'''if isinstance(r,pd.DataFrame):return r.aggregate(is_normal)else:test_statistic,p_value = scipy.stats.jarque_bera(r)return p_value>level
is_normal(normal_numbers)
# out: True
is_normal(df['ret'])
# out: False
is_normal(df01['ret'])
# out: False

数据

链接：https://pan.baidu.com/s/1StHFKCZPBcj-Y0EXpQkjbA
提取码：w3e7

pandas_收益率的分布相关推荐

【R】【课程笔记】04+05 数据预处理+收益率计算
本文是课程<数据科学与金融计算>第4-5章的学习笔记,主要介绍金融数据处理.收益率计算和R与C++调用,用于知识点总结和代码练习,Q&A为问题及解决方案. 往期回顾: 博文内容 ...
幂律分布（python）
幂律分布 1.幂律分布首先要说的是中心极限定理--在复杂的多因素情况下,只要个体相互独立,集体效果就应该是正态分布.然而实际运用中,尤其是金融中,更多面对的是尖峰胖尾现象,比如下面这幅图描述的是标普 ...
协偏度矩阵 matlab 程序,投资组合收益率高阶矩估计的一种方法——压缩估计
推文人 | 王彦锋参考文章: [1] Martellini, Lionel and Volker Ziemann. Improved estimates of higher-order comome ...
Python数据可视化系列之幂律分布
1.幂律分布首先要说的是中心极限定理--在复杂的多因素情况下,只要个体相互独立,集体效果就应该是正态分布.然而实际运用中,尤其是金融中,更多面对的是尖峰胖尾现象,比如下面这幅图描述的是标普500指数 ...
python计算对数收益率_R语言金融基础：tidyquant数据整理（算术/对数收益率）
作者:黄天元,复旦大学博士在读,热爱数据科学与开源工具(R/Python),致力于利用数据科学迅速积累行业经验优势和科学知识发现,涉猎内容包括但不限于信息计量.机器学习.数据可视化.应用统计建模.知识 ...
Pandas数据可视化工具：图表工具-Seaborn
内容来源:https://www.jiqizhixin.com/articles/2019-01-30-15 简介在本文中,我们将研究Seaborn,它是Python中另一个非常有用的数据可视化库. ...
小一爬取一季度 15646 只基金持仓数据，下半年重点关注这些机会！
大家好,我是小一本篇为系列文章的第二篇,是对 21年一季度的最新基金持仓披露数据进行分析篇幅较长,阅读会花 5-10 分钟,读完本篇文章,你可能会收获以下几点: 基金的整体收益情况? 优秀基金经理 ...
小一爬取了 14455 个已发行基金，到底能分析点啥出来？
大家好,我是小一大概花了一周时间写了这篇文章,篇幅较长,读完会花 5-10 分钟读完本篇文章,你可能会收获以下几点: 基金是买老基还是新基? 买混基还是股基? 跟谁买能赚钱? 买哪些侧重板块的基? ...
爬取上千个年度基金后，才知道这有多坑，千万别被人当韭菜给割了
今天来分析一下2021年的基金市场,分析一下今年表现最好的那些基金有什么特征?作为理财小白的你,如何在2022年如何科学理性地投资从而避免被当做韭菜收割呢? 基金介绍首先对于基金,可以大致分为:货币 ...
年终盘点 | 用Python分析了上千个基金，终于发现了赚钱的秘密!
时间过得真快,2021年差不多还有10天就要和大家说再见了,大家今年过得怎么样?有什么收获或者遗憾呢? 今天我们来分析一下2021年的基金市场,分析一下今年表现最好的那些基金有什么特征?作为理财小白的 ...

pandas_收益率的分布

目的

概念

先贴结果

代码

数据

pandas_收益率的分布相关推荐

最新文章

热门文章