第8章　时间序列的统计分析

时间序列分析在金融领域有广泛而且非常重要的应用。本章将讨论许多与之相关的课题，如下载历史数据、计算回报率、整体风险、市场风险、股票之间的相关性、不同类型的投资组合、不同的国家或市场之间的相关性、投资组合的方差-协方差矩阵、构建有效的投资组合和寻找投资组合的有效边界，以及估算Roll（1984）的买卖价差模型、Amihud（2002）的反流动性指标、Pastor和Stambaugh（2003）的流动性指标。本章主要用到Pandas和statsmodels这两个Python模块。本章主要内容如下。

  • 安装Pandas和statsmodels模块
  • 使用Pandas和statsmodels模块
  • 开源数据，从Excel、txt、csv和MATLAB文件输入数据，以及从网站查询数据
  • date类型、Data Frame类型和按日期合并不同的数据集
  • 利率的期限结构
  • 基于52周最高和最低的交易策略
  • 计算回报率以及从日回报率得到月回报率或年回报率
  • 各种统计检验，如Durbin-Watson检验、T-检验和F-检验
  • 资本资产定价模型（CAPM）和Fama-MacBeth回归模型
  • 滚动时间窗口的波动率、相关系数、构建n只股票的投资组合、方差-协方差矩阵、有效投资组合和投资组合的有效边界
  • Roll（1984）买卖价差模型、Amihud（2002）反流动性指标、Pastor和Stambaugh（2003）流动性指标
  • 个股和投资组合的在险价值（VaR）
  • 一月效应、规模效应和工作日效应
  • 从谷歌金融和TORQ数据库获取高频数据

上一章用到ActivePython包含的pypm命令来安装Pandas模块，不过pypm命令不能安装statsmodels模块。幸运的是，我们可以使用第4章介绍过的Anaconda软件包。Anaconda软件包有两大优点：第一，它包括 ...

Get Python金融实战 now with the O’Reilly learning platform.

O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.

Start your free trial