贵州茅台的中国版四因子归因【课程作业】

tushare ID:470138

1.导入包

import pandas as pd
import numpy as np
import datetime
from datetime import timedelta
from dateutil.relativedelta import *
import time
import math
import tushare as ts
pro = ts.pro_api('****')
from jqdatasdk import *
auth('****','****')

2.利用Tushare获取贵州茅台收益率序列

df=pro.monthly(ts_code='600519.SH',start_date='20171201',end_date='20201231')
rf=pd.read_excel("risk_free.xlsx",index_col="date")
df=df.sort_values('trade_date')
#计算贵州茅台的收益率
df['ret']=np.log(df['close']/df['close'].shift(1))
df=df.drop(36,axis=0)
df.head()
r=df['ret'].reset_index(drop=True)
rf=rf['return'].reset_index(drop=True)
pre=r-rf

3.获取中国版四因子收益率数据

date = datetime.datetime.strptime('2018-7-01','%Y-%m-%d')
# 月初获取股票列表
str_date = str(date.date())
stocks = get_all_securities(['stock'], date=str_date)
stocksstock_list = list(stocks.index)# 获取股票财务数据
# query表示查询
# filter表示条件筛选
# valuation是内置市值数据对象(这里表示查询valuation下所有的属性)
# 最终返回一个Query对象
# income为利润数据对象
q = query(valuation, income
).filter(valuation.code.in_(stock_list)
)
stock_values = get_fundamentals(q, date=str_date)#get_fundamentals是查询财务数据
stock_values.head()# 去除市值最末尾的30%的股票
cap = math.ceil(stock_values.code.count()*0.3)filter_stock = stock_values.sort_values(by='market_cap')
filter_stock = filter_stock.iloc[cap:, :]# 按照市值分大小
medium = math.ceil(filter_stock.code.count()*0.5)
filter_stock = filter_stock.reset_index(drop=True)
filter_stock.loc[:medium, 'size'] = 'small'
filter_stock.loc[medium:, 'size'] = 'big'# 计算EP并按照EP分大小
filter_stock['EP'] = 1/filter_stock['pe_ratio']
filter_stock.loc[filter_stock['EP'] < 0, 'EP'] = 0filter_stock = filter_stock.sort_values(by='EP')a_third = math.ceil(filter_stock.code.count()/3)
two_third = math.ceil(filter_stock.code.count()*2/3)
filter_stock = filter_stock.reset_index(drop=True)
filter_stock.loc[:a_third, 'ep_size'] = 'growth'
filter_stock.loc[a_third:two_third, 'ep_size'] = 'middle'
filter_stock.loc[two_third:, 'ep_size'] = 'value'# 计算权重，后面要用
filter_stock['weight'] = filter_stock['market_cap']/filter_stock.market_cap.sum()filter_stockfrom tqdm.notebook import tqdm# 计算日期，获取上月股票收盘数据
dlt = relativedelta(months=-1)
dltday = datetime.timedelta(days=-1)month_start = date + dlt
month_end = date + dltday
month_start = str(month_start.date())
month_end = str(month_end.date())
#     print(month_start)
#     print(month_end)
lists1 = []
lists2 = []
for code in tqdm(list(filter_stock.code)):stock_close = get_price(code, start_date=month_start, end_date=month_end,frequency='daily',fields='close', skip_paused=False, fq='pre',count=None, panel=True, fill_paused=True)['close']lists1.append(code)lists2.append(stock_close)stock_close = pd.concat(lists2, axis=1)
stock_close.columns = lists1
stock_close# 计算股票收益
stock_return = np.log(stock_close.pct_change()+1).sum()
stock_return.name = 'last_return'stock_return# 将收益合并到主表中
filter_stock = pd.merge(filter_stock, stock_return, left_on='code', right_index=True)
filter_stock# 计算日期，获取当月股票收盘数据
dlt = relativedelta(months=+1)
dltday = datetime.timedelta(days=-1)month_end = date + dlt + dltday
month_end = str(month_end.date())#     print(str_date)
#     print(month_end)
lists1 = []
lists2 = []
for code in tqdm(list(filter_stock.code)):stock_close = get_price(code, start_date=str_date, end_date=month_end,frequency='daily',fields='close', skip_paused=False, fq='pre',count=None, panel=True, fill_paused=True)['close']lists1.append(code)lists2.append(stock_close)
stock_close = pd.concat(lists2, axis=1)
stock_close.columns = lists1# 计算股票收益
stock_return = np.log(stock_close.pct_change()+1)
stock_return = stock_return.sum()
stock_return.name = 'return'# 将收益合并到主表中
filter_stock = pd.merge(filter_stock, stock_return, left_on='code', right_index=True)filter_stockreturns = filter_stock.groupby(['size', 'ep_size']).mean()['return']
returnsfilter_stock = filter_stock.sort_values(by='last_return')
half = math.ceil(filter_stock.code.count()/2)
filter_stock = filter_stock.reset_index(drop=True)
filter_stock.loc[:half, 'mom'] = 'not_mom'
filter_stock.loc[half:, 'mom'] = 'mom'param_dicts = {}
SMB = (returns['small'].sum() - returns['big'].sum())/3
VMG = (returns[:,'value'].sum() - returns[:,'growth'].sum())/2
MKT = filter_stock.weight.dot(filter_stock['return'])
MOM = filter_stock[filter_stock.mom=='mom']['return'].mean() - filter_stock[filter_stock.mom=='not_mom']['return'].mean()
param_dicts['SMB'] = SMB
param_dicts['VMG'] = VMG
param_dicts['MKT'] = MKT
param_dicts['MOM'] = MOMparam_dicts

4.业绩归因

import statsmodels.api as sm
x = df_4f.reset_index(drop=True)
x = sm.add_constant(x)
y = df['ret'].reset_index(drop=True)
model = sm.OLS(y, x)
results = model.fit()
print(results.summary())

对贵州茅台（600519.SH）2018年1月-2020年12月的收益进行中国版四因子归因，得到如下结果：

表1：贵州茅台在中国版四因子上的风险暴露及t统计量的值

	风险暴露	t统计量
SMB	-1.4055	-1.671
VGM	0.4702	0.817
MKT	0.9306	3.127
MOM	-0.9618	-1.189

茅台在SMB因子上的风险暴露为-1.4055，在VGM因子上的风险暴露为0.4702，在MOM上的风险暴露为-0.9618，但t统计量均大于-2，小于2，在统计意义上均不显著。

茅台在MKT上的风险暴露为0.9306，且t统计量大于2，在统计意义上显著，表明茅台的业绩主要由中国版四因子中的市场因子MKT贡献。

贵州茅台的中国版四因子归因【课程作业】相关推荐

SAP License：SAP创建中国版免费在线公开课程openSAP
2021 年 8月 14日,北京讯 -- SAP公司宣布,正式开设中国版免费在线公开课程openSAP,将广受赞誉的openSAP全球课程引入中国,帮助中国用户随时随地学习SAP创新技术.首门课程&l ...
SAP创建中国版免费在线课程openSAP
8月14日消息,SAP公司宣布,正式开设中国版免费在线公开课程openSAP,将广受赞誉的openSAP全球课程引入中国,帮助中国用户随时随地学习SAP创新技术.首门课程<让我们开始了解SAP的 ...
中国版的FamFrnh因模型了解一下
转中国版的 Fama-French 三因子模型,了解一下? 作者:石川,量信投资创始合伙人,清华大学学士.硕士,麻省理工学院博士:精通各种概率模型和统计方法,擅长不确定性随机系统的建模及优化.(已获 ...
中国版的FamaFrench三因子模型了解一下
转中国版的 Fama-French 三因子模型,了解一下? 作者:石川,量信投资创始合伙人,清华大学学士.硕士,麻省理工学院博士:精通各种概率模型和统计方法,擅长不确定性随机系统的建模及优化.(已获 ...
四年级计算机走进传统节日教案,小学信息技术黔科版四年级上册第一单元中国传统节日——制作简单电子作品活动3 使用资料制作作品教案...
这是一份小学信息技术黔科版四年级上册第一单元中国传统节日--制作简单电子作品活动3 使用资料制作作品教案,共3页. 活动3 使用资料制作作品教学目标: 1.学会使用简单的快捷方式 2.学会编辑文档 ...
浪潮式发售实操笔记（中国版）
浪潮式发售实操笔记(中国版) 覃小龙中国互联网权威营销专家沃克其人产品发售公式的发明人叫杰夫·沃克,一个精彩的吊丝逆袭人生,他堪称互联网赚钱速度最快的人,目前是亚马逊创始人贝佐斯的创业教练. 杰 ...
300万奖金池，第二届“中国版ImageNet”开赛
作者 | 非主流出品 | AI科技大本营近日,由创新工场.搜狗.美团点评.美图公司联合主办的"2018 AI Challenger 全球 AI 挑战赛"正式开赛. AI Cha ...
AI一分钟 | 谷歌员工对中国版搜索引擎提出抗议；华为麒麟980将于本月底发布...
▌华为麒麟 980 处理器将于 IFA 发布 8 月 17 日消息,华为方面已经确认,旗下最新麒麟 980 芯片将将会在 8 月 31 日举办的 IFA 展会上亮相.重点是,麒麟 980 将成为全球第 ...
如何将Outgoing Webhook部署到中国版Azure
在这篇文章中,我们主要来如何将Azure DevOps中的项目作为应用发布到中国版Azure的App Service中. 什么是Azure DevOps Azure DevOps, 原名为VSTS, ...

贵州茅台的中国版四因子归因【课程作业】

贵州茅台的中国版四因子归因【课程作业】相关推荐

最新文章

热门文章