量化編程技術—numpy與統計學

# -*- coding: utf-8 -*-
# @Date:   2017-08-26
# @Original:

import numpy as np

# 200支股票
stock_cnt = 200
# 504個交易日
view_days = 504
# 生成服從正態分佈：均值指望＝0，標準差＝1的序列
stock_day_change = np.random.standard_normal((stock_cnt, view_days))
# 使用沙盒數據，目的是和書中同樣的數據環境，不須要注視掉
# stock_day_change = np.load('../gen/stock_day_change.npy')
# 打印shape (200, 504) 200行504列
print(stock_day_change.shape)
# 打印出第一支只股票，頭五個交易日的漲跌幅狀況
print(stock_day_change[0:1, :5])


3.1.3 索引選取和切片選擇
# 0:2第一，第二支股票，0:5頭五個交易日的漲跌幅數據
stock_day_change[0:2, 0:5]


3.1.4 數據轉換與規整
# 2表明保留兩位小數
np.around(stock_day_change[0:2, 0:5], 2)


3.1.5 邏輯條件進行數據篩選
mask = stock_day_change[0:2, 0:5] > 0.5
print(mask)

3.1.6 通用序列函數
# np.all判斷序列中的全部元素是否所有是true, 即對bool序列進行與操做
# 本例實際判斷stock_day_change[0:2, 0:5]中是否全是上漲的
np.all(stock_day_change[0:2, 0:5] > 0)

# np.any判斷序列中是否有元素爲true, 即對bool序列進行或操做
# 本例實際判斷stock_day_change[0:2, 0:5]中是至少有一個是上漲的
np.any(stock_day_change[0:2, 0:5] > 0)

# 對兩個序列對應的元素兩兩比較，maximum結果集取大,相對使用minimum爲取小的結果集
np.maximum(stock_day_change[0:2, 0:5], stock_day_change[-2:, -5:])
# array([[ 0.38035486,  0.12259674, -0.2851901 , -0.00889681,  0.45731945],
       # [ 0.13380956,  2.03488293,  1.44701057, -0.92392477,  0.96930104]])
       
change_int = stock_day_change[0:2, 0:5].astype(int)
print(change_int)
# 序列中數值值惟一且不重複的值組成新的序列
np.unique(change_int)

# diff 先後臨近數據進行減法運算
# axis＝1
np.diff(stock_day_change[0:2, 0:5])

# 惟一區別 axis=0
np.diff(stock_day_change[0:2, 0:5], axis=0)

#where 數據篩選
tmp_test = stock_day_change[-2:, -5:]
print(np.where(tmp_test > 0.5, 1, 0))



統計概念與函數使用
stock_day_change_four = stock_day_change[:4, :4]
print('最大漲幅 {}'.format(np.max(stock_day_change_four, axis=1)))
print('最大跌幅 {}'.format(np.min(stock_day_change_four, axis=1)))
print('振幅幅度 {}'.format(np.std(stock_day_change_four, axis=1)))
print('平均漲跌 {}'.format(np.mean(stock_day_change_four, axis=1)))

3.2.2 統計基礎概念
a_investor = np.random.normal(loc=100, scale=50, size=(100, 1))
b_investor = np.random.normal(loc=100, scale=20, size=(100, 1))

# a交易者
print('交易者指望{0:.2f}元, 標準差{1:.2f}, 方差{2:.2f}'.format(a_investor.mean(), a_investor.std(), a_investor.var()))
# b交易者
print('交易者指望{0:.2f}元, 標準差{1:.2f}, 方差{2:.2f}'.format(b_investor.mean(), b_investor.std(), b_investor.var()))

正態分佈

伯努利分佈