第一講python金融應(yīng)用概述

北風(fēng)網(wǎng)項目實戰(zhàn)培訓(xùn)Python與金融應(yīng)用概述大數(shù)據(jù)時代的Python金融應(yīng)用什么是PythonPython是一種高級、多目的的編程語言，在很多領(lǐng)域和技術(shù)層面都有廣泛的應(yīng)用。Pythonisaninterpreted,object-oriented,high-levelprogramminglanguagewithdynamicsemantics.Itshigh-levelbuiltindatastructures,combinedwithdynamictypinganddynamicbinding,makeitveryattractiveforRapidApplicationDevelopment,aswellasforuseasascriptingorgluelanguagetoconnectexistingcomponentstogether.Python’ssimple,easytolearnsyntaxemphasizesreadabilityandthereforereducesthecostofprogrammaintenance.Pythonsupportsmodulesandpackages,whichencouragesprogrammodularityandcodereuse.ThePythoninterpreterandtheextensivestandardlibraryareavailableinsourceorbinaryformwithoutchargeforallmajorplatforms,andcanbefreelydistributed.Python語言的主要特征開源Python和大多數(shù)的支撐庫和工具都是開源的，通?？梢苑浅ｌ`活的使用而且有開放的協(xié)議。解釋性也可以使用Cpython完成將解釋性語言轉(zhuǎn)化為實施可執(zhí)行的Python二進制代碼的應(yīng)用多框架Python語言支持不同的編程與實現(xiàn)框架，例如面向?qū)ο?、和必要的函?shù)型或過程化編程。多目的Python可以用于快速的、交互式的代碼開發(fā)以及建構(gòu)大型應(yīng)用系統(tǒng)，它也可以用于底層系統(tǒng)操作以及高級分析的任務(wù)。Python的簡單歷史雖然Python可能對于某些人來說還是新事物，但是其實它已經(jīng)發(fā)展了很長時間。事實上，對Python的開發(fā)自1980年代就已經(jīng)開始，創(chuàng)始人是荷蘭的GuidovanRossum。需要注意的是，這一點也通常使剛剛接觸Python語言的人感到迷惑，就是目前有兩種可行的Python版本，都在開發(fā)，而且自2008年以來被平行使用。目前，兩個版本之間并沒有100%的兼容，而且對Python3.0來說也不是所有的庫都可以使用。因此本課程主要使用的是2.7版本，雖然大多數(shù)的例子代碼在3.0中也是可以運行的。Python生態(tài)系統(tǒng)本課程中展示的例子都是使用Ipython這種流行的Python交互式開發(fā)環(huán)境（IDE）。雖然它開始的時候只是一個升級的外殼，但是今天的IDE中已經(jīng)有很多可選的東西（例如支持調(diào)試）。Ipython通常被稱為Python生態(tài)系統(tǒng)的killerapplication，在很多方面對標(biāo)準(zhǔn)的交互環(huán)境進行了改進。例如，提供了命令行歷史命令的功能，允許較為容易的觀測對象等。在這個系統(tǒng)中，獲得幫助也是非常容易的。Ipython提供了多種版本：包括一個殼版本，一個基于QT圖形用戶界面的版本以及一個基于瀏覽器的版本（NOTEBOOK）。Python的用戶群體Python不僅會吸引專業(yè)的軟件開發(fā)人員，而且可以為業(yè)務(wù)開發(fā)者，領(lǐng)域?qū)＜液涂茖W(xué)計算開發(fā)者所使用。專業(yè)的軟件開發(fā)者：Python支持所有的編程框架，有大量的開發(fā)工具，專業(yè)的軟件開發(fā)者可以使用這些工具來構(gòu)建自定義的框架和類，與基礎(chǔ)的Python庫和科學(xué)計算庫一起，實現(xiàn)生態(tài)系統(tǒng)的最大化應(yīng)用。科學(xué)開發(fā)者和領(lǐng)域?qū)＜遥哼@些用戶會大量的使用某些庫和框架的框架，來創(chuàng)建自己的應(yīng)用程序并且隨著時間進行提升和優(yōu)化，使得整個生態(tài)系統(tǒng)滿足他們的具體需求。這類用戶通常會致力于較長時間的交互操作，快速的形成新代碼的原型，并且對研究以及領(lǐng)域數(shù)據(jù)集進行探討和可視化。比較隨意的編程人員使用Python來處理他們認(rèn)為有優(yōu)勢的具體問題。例如可以將一些matplotlib的具體代碼進行復(fù)制，稍加修改來滿足特定的業(yè)務(wù)需要。另外，還有編程的初學(xué)者也會使用Python作為教學(xué)語言，這是因為它的基礎(chǔ)語法是比較容易學(xué)習(xí)和理解的，解釋對非編程人員來說也是這樣，而且Python還支持幾乎所有的編程模式?？茖W(xué)計算庫科學(xué)計算庫是Python語言的重要組成部分，其包括：NumPy:提供了多維數(shù)組對象保存同質(zhì)或異質(zhì)的數(shù)據(jù)，它還提供了處理這個數(shù)組對象的優(yōu)化函數(shù)/方法。SciPy：包含一系列子庫和函數(shù)來完成科學(xué)和金融領(lǐng)域的重要標(biāo)準(zhǔn)功能，比如三維曲線插值以及數(shù)值積分。Matplotlib：這是Python最為流行的繪圖和可視化庫，提供了2D和3D的繪圖功能。PyTables：是流行的HDF5數(shù)據(jù)存儲庫，這個庫可以完成基于有層次的數(shù)據(jù)庫和文件格式的優(yōu)化的，以磁盤為基礎(chǔ)的IO操作。Pandas：pandas基于NumPy來創(chuàng)建，提供了管理和分析時間序列以及表格數(shù)據(jù)的豐富的類；它與matplotlib庫緊密結(jié)合提供了繪圖功能，和PyTables類結(jié)合提供了數(shù)據(jù)讀取功能。討論一些量化金融中的例子，顯示使用Python以及其附屬的金融分析庫處理起來是多么方便。這些例子是描述性的，對于一些Python語言以及實際應(yīng)用中的細(xì)節(jié)問題并不做過多介紹。本講包括以下幾個例子：隱含波動率：不同到期期限期權(quán)的隱含波動率求解并作圖，這是很多期權(quán)交易者以及風(fēng)險管理者面對的一項日常任務(wù)。MonteCarlo模擬：通過MonteCarlo模擬來得到一組隨時間變化的股票指數(shù)，將選擇的結(jié)果作圖，并計算歐式期權(quán)的價值。MonteCarlo模擬方法是數(shù)值期權(quán)定價以及value-at-risk風(fēng)險管理以及信用價值調(diào)整的基礎(chǔ)。技術(shù)分析：通過對歷史時間序列的分析，完成對一項基于趨勢信號的交易策略的回測，專業(yè)投資者以及激進的業(yè)余投資者通常都會進行這類型的投資分析。Python在金融中應(yīng)用的典型示例隱含波動率給定類似于Black-Scholes-Merton(1973)的期權(quán)定價公式，隱含波動率是指：在其他條件不變的情況下，通過將這個隱含波動率數(shù)值代入到公式中，可以得到不同的執(zhí)行價格和期限的期權(quán)的市場報價。本例中，波動率不是代入到模型或公式中的一個輸入?yún)?shù)，而是給定這個公式而得到的一個（數(shù)值）優(yōu)化過程的結(jié)果。這里我們考慮的例子是關(guān)于一項新的期權(quán)，即基于VSTOXX波動率指數(shù)的波動率期權(quán)。Eurex是提供基于VSTOXX和各種期貨合同的衍生品交易市場，于2013年6月建立了一個綜合化的Python為基礎(chǔ)的關(guān)于這個指數(shù)以及基于此指數(shù)的衍生品合同的教程，稱為”VSTOXXAdvancedServices”。隱含波動率

隱含波動率

隱含波動率隱含波動率從表中可以看出，交易的看漲期權(quán)中有非常實值的（指數(shù)的水平比期權(quán)執(zhí)行價格高出很多），也有非常虛值的（即指數(shù)的水平比期權(quán)執(zhí)行價格低很多）。因此，我們希望將分析限制在某種給定的（遠(yuǎn)期）moneyness水平上，給定分別期限的期貨價值。假設(shè)我們允許期貨水平上下50%的波動。首先，我們定義新的一列來存儲結(jié)果，并引入我們需要的函數(shù)?，F(xiàn)在我們計算看漲期權(quán)的隱含波動率。隱含波動率接著，我們將所選擇的期權(quán)的隱含波動率用圖形表示出來，我們首先取隱含波動率大于0的子集（也就是我們進行了隱含波動率計算的子集）。為了數(shù)據(jù)的可視化，我們對于數(shù)據(jù)集的所有到期日進行迭代，并且將隱含波動率做成線狀圖或者單點圖。因為所有的到期日顯示為多個時間，我們需要使用一點技巧來獲得沒有重復(fù)的，排序的日期列表。在Python中，set操作可以去掉重復(fù)項目，但是獲得的是沒有排序的期限集合。因此，我們還要對set進行排序。接著我們對所有的日期進行迭代并作圖。在這里可以看到一個明顯的波動率微笑圖形。而且對于長期的期權(quán)來說更為明顯。隱含波動率我們來看pandas另外一個強大的功能：對于按照邏輯索引的數(shù)據(jù)，DataFrame對象options_data都有一個整數(shù)的索引。但是這個索引是沒有含義的，2014年3月31日交易的期權(quán)報價通過期限和執(zhí)行價格來唯一描述，也就是說每個到期日的每個執(zhí)行價格水平都對應(yīng)著唯一的一個看漲期權(quán)。Groupby方法可以得到一個更為有意義的索引，我們可以分別按照MATURITY和STRIKE進行索引。在這個例子中，我們只保留PRICE和IMP_VOL的列。這樣的操作會返回一個DataFrameGroupBy對象，為了獲得這個數(shù)據(jù)，我們需要對這個對象進行加總操作。MonteCarlo模擬MonteCarlo模擬是金融和一般計算科學(xué)的一種非常重要的算法。其重要性來源于它在期權(quán)定價和風(fēng)險管理問題上非常有力的事實。與其他數(shù)值算法相比較，MonteCarlo方法可以很容易的處理高維的問題，應(yīng)對復(fù)雜性和計算的需求，而這些需求常常是線性增長的。MonteCarlo模擬方法的不足是其通常需要加大的內(nèi)存，即使是針對比較簡單的問題。因此，有效的運行MonteCarlo方法是必要的。這里的例子給出了Python中處理這個問題的不同策略，統(tǒng)統(tǒng)了不同的歐式期權(quán)Monte-Carlo模擬定價的處理方法。三種方法如下：純Python的解決方案：這個例子依賴于Python基本庫，即那些標(biāo)準(zhǔn)Python安裝時獲得的庫，并且使用內(nèi)在的Python能力來完成MonteCarlo計算。向量化的NumPy：這個實現(xiàn)使用NumPy的能力來進行更為緊湊和快速的處理。完全向量化的NumPy：最后的例子將一個不同的數(shù)學(xué)實現(xiàn)以及NumPy向量化的能力聯(lián)系起來來獲得相同算法的更為緊湊的版本。MonteCarlo模擬MonteCarlo模擬MonteCarlo模擬MonteCarlo模擬MonteCarlo模擬技術(shù)分析基于歷史價格信息的技術(shù)分析對于金融從業(yè)者和其他相關(guān)方而言是一項典型的工作。Infinance,technicalanalysisisasecurityanalysismethodologyforforecastingthedirectionofpricesthroughthestudyofpastmarketdata,primarilypriceandvolume.在下面的介紹中，我們關(guān)注的是為了回測的目的而研究過去的市場數(shù)據(jù)，而不是特別的關(guān)注來預(yù)測未來的價格波動。我們研究的目標(biāo)是基準(zhǔn)指數(shù)S&P500，這通常被看作是美國股票整體市場變化的一項好的代理指標(biāo)。這是因為指數(shù)包含大量的股票范圍而且代表了市值的大部分。它還擁有大量具有流動性的期貨和期權(quán)市場。我們將從網(wǎng)絡(luò)資源中讀入歷史指數(shù)信息，并完成一項基于趨勢信號的交易系統(tǒng)的回測。首先我們需要讀入數(shù)據(jù)，使用的是pandas庫。具體來說，我們使用pandas.io.data中的DataReader函數(shù)來獲得金融時間序列數(shù)據(jù)。同時，這段代碼還會隨Timestamp對象生成一個時間指數(shù)。通過作圖來簡要的看一下數(shù)據(jù)。技術(shù)分析基于歷史價格信息的技術(shù)分析對于金融從業(yè)者和其他相關(guān)方而言是一項典型的工作。Infinance,technicalanalysisisasecurityanalysismethodologyforforecastingthedirectionofpricesthroughthestudyofpastmarketdata,primarilypriceandvolume.在下面的介紹中，我們關(guān)注的是為了回測的目的而研究過去的市場數(shù)據(jù)，而不是特別的關(guān)注來預(yù)測未來的價格波動。我們研究的目標(biāo)是基準(zhǔn)指數(shù)S&P500，這通常被看作是美國股票整體市場變化的一項好的代理指標(biāo)。這是因為指數(shù)包含大量的股票范圍而且代表了市值的大部分。它還擁有大量具有流動性的期貨和期權(quán)市場。我們將從網(wǎng)絡(luò)資源中讀入歷史指數(shù)信息，并完成一項基于趨勢信號的交易系統(tǒng)的回測。首先我們需要讀入數(shù)據(jù)，使用的是pandas庫。具體來說，我們使用pandas.io.data中的DataReader函數(shù)來獲得金融時間序列數(shù)據(jù)。同時，這段代碼還會隨Timestamp對象生成一個時間指數(shù)。通過作圖來簡要的看一下數(shù)據(jù)。技術(shù)分析這里我們要實現(xiàn)的趨勢策略是基于兩個月（或42天）以及一年（即252天）的趨勢（即，對應(yīng)時期的指數(shù)水平的移動平均）。pandas會較為有效的生成對應(yīng)的時間序列并且可以將趨勢序列與原始序列表達(dá)在同一副圖中。我們首先在pandasDataFrame對象中加入新的兩列，分別代表趨勢。這樣數(shù)據(jù)會有所減少。接著對新的帶有趨勢數(shù)據(jù)的數(shù)據(jù)圖進行繪制。技術(shù)分析下面我們來設(shè)計一種規(guī)則來生成交易信號。這個規(guī)則如下：購買信號：42d的趨勢第一次超過252d的趨勢50個點。等待信號：42d的趨勢保持在252d趨勢的