;随着我国证券市场的不断壮大，证券及证券投资在社会经济生活中的地位也越来越重要，上市公司的数量也不断增加，目前在上海证券交易所和深圳证券交易所上市交易的公司已经达到3700多家。投资者面对如此众多的不同行业、背景的股票，除了基本政策面分析外，还希望对这些股票的基本面及市场交易机会进行客观理性地评估。传统的基本面分析投资方法，主要是通过实地调研、阅读公司投资及经营方面的公告、分析研究财务报表等手段找到优质的上市公司并进行投资。在上市公司数量较少时，传统的基本面分析方法不失为一种有效的方法。然而，在庞大的上市公司数量及其数据面前，传统的基本面分析方法具有很大的局限性：一方面，在如此大量的上市公司数据面前，我们无法及时完成分析，也更难找出优质的上市公司；另一方面，在信息高度发达的大数据时代，信息更新非常快，我们更难以应接。因此，基于数量化的投资分析方法，即量化投资应运而生。所谓量化投资就是采用计算机技术及数据挖掘模型，实现自己的投资理念或投资方法的一种过程。量化投资分析方法能够帮助我们快速挖掘并分析数据，从而找到我们需要的信息，这种技能已经成为投资界人士所推崇的技能。本案首先通过财务报表及财务指标数据，采用数量化的分析方法，对上市公司基本面情况进行综合评价，从而选出质地较好的上市公司；其次，以选出的上市公司发行的A股股票作为研究对象，通过计算股票交易的技术分析指标，利用数据挖掘模型预测下一个交易日股票收盘价较开盘价的涨跌方向；最后，基于预测的结果设计量化投资策略并进行实证检验。;本案例的主要目标是基于年度财务数据及其指标，对上市公司进行综合评价，找出较为优质的上市公司股票，通过计算股票交易的技术分析指标，利用数据挖掘模型预测下一个交易日股票收盘价较开盘价涨跌方向，并基于预测的结果设计量化投资策略及实证检验。在上市公司综合评价方面，本章介绍基于总体规模与投资效率指标的综合评价方法，选择的总体规模指标包括上市公司的营业收入、营业利润、利润总额、净利润、资产总计、固定资产净额，投资效率指标包括净资产收益率、每股净资产、每股资本公积、每股收益，评价模型为主成分分析模型，并基于主成分得分获得上市公司综合排名，从而选择排名靠前的上市公司股票作为研究对象。在技术分析指标选择方面，主要选择趋势型、超买超卖型、人气型等指标，包括5日、10日、20日移动平均线指标MA，指数平滑异同平均线指标MACD，随机指标K、D、J，6日、12日、20日相对强弱指标RSI，5日、10日、20日乖离率指标BIAS和能量潮指标OBV等，并将这些指标作为解释变量(自变量)。被解释变量(因变量)为下一个交易日的股票收盘价较开盘价涨跌方向，上涨用+1表示，否则为?1，是一种分类型变量。以一定的计算周期计算其解释变量和被解释变量，作为训练样本，以其后的一定周期计算其解释变量，作为测试样本，并预测其涨跌方向，即被解释变量，最后根据预测的结果设计量化投资策略。这里选择的预测模型为逻辑回归模型。具体的实现思路及计算流程如图7-1所示。;Part 7 ;上市公司总体规模体现了公司的整体竞争能力、市场抗风险能力和影响力。总体规模较大的上市公司在市场上有其优势。除此之外我们还需要考虑其投资效率，如果投资效率低下，那么其优势也许就不存在了。下面主要选择反映公司总体规模和投资效率方面的财务数据及财务指标，利用主成分分析模型进行综合评价。;我们获取的总体规模指标包括上市公司的营业收入、营业利润、利润总额、净利润、资产总计、固定资产，投资效率指标包括净资产收益率、每股净资产、每股资本公积、每股收益，一共10个指标。数据来源于tushare金融大数据社区，具体信息如表7-1所示。;本案例基于Tushare金融大数据社区提供的Python API获取所需的数据。Tushare金融大数据社区提供免费开源的各类金融数据获取API，通过注册社区会员及获得积分即可提取数据，提取权限与积分有关，积分获得及相关事项可与积分管理员联系。本案例是基于教师权限(积分值大于5000)获取度数据，下面给出详细的获取方法。;2．数据获取获取的数据包括股票基本信息表，并从利润表、资产负债表和财务指标表中获取以上指标数据，示例代码如下：;income=income.drop_duplicates(subset=['ts_code'])#从资产负债表中获取资产总计、固定资产指标数据balance = pro.balancesheet_vip(period=, fields='ts_code,total_assets,fix_assets')balance=balance.drop_duplicates(subset=['ts_cod
python大数据分析股票对比_Python大数据分析与挖掘实战 第7章 基于财务与交易数据的量化投资分析.pptx...
