def ols_analysis(df, t, i):

"""

迴歸分析

"""

df_ols = pd.DataFrame()

# df_ols['y'] = df[''] # 缺的第一個問題裡的資料

for a in range(5):

df_ols['x%s' % a] = df[''] # 缺的第二個問題裡的資料

y = df_ols.iloc[:, 0] # 因變數取值

x = df_ols.iloc[:, 1:6] # 自變數取值

x = sm.add_constant(x) # 截距項

model = sm.OLS(y, x).fit() # OLS 迴歸

return model

def w_volume(model):

"""

殘差項及周特質收益率

"""

df_resid = pd.DataFrame()

df_resid['re'] = model.resid # 殘差項

df_resid['w'] = [math.log(re + 1, math.e)

for re in df_resid['re']] # w 值，周特質收益率

return df_resid

def duweek(df_resid):

"""

DUVOL ，用到上升周和下降周，上升周是殘差大於平均殘差的，下降周反之

"""

w_down, w_up = [], []

for _w in df_resid['w']: # 歷遍各週中的每一項 w 值

if _w < df_resid['w'].mean(): # 如果 w 值小於平均

w_down.append(_w) # 記一個下降周

w_up.append(0) # 上升周對齊

else: # 否則

w_up.append(_w) # 記一個上升周

w_down.append(0) # 下降周對齊

df_duweek = pd.DataFrame()

df_duweek['w_down'] = w_down

df_duweek['w_up'] = w_up

return df_duweek

def duvol_cal(duvol, df_duweek):

"""

變數部分

"""

w_down_num = list(df_duweek['w_up']).count(0) # 下降周的數量等於上升周列表裡的 0 的個數

w_up_num = list(df_duweek['w_down']).count(0) # 外匯跟單gendan5.com 反之亦然

w_down_sum = sum(w ** 2 for w in df_duweek['w_down']) # 下降周 w 平方和

w_up_sum = sum(w ** 2 for w in df_duweek['w_up']) # 下降周 w 平方和

"""

計算部分

"""

if ((w_down_num - 1) * w_up_sum) > 0 and ((w_up_num - 1) * w_down_sum) > 0: # 分母不能為 0

before_log = ((w_up_num - 1) * w_down_sum) / ((w_down_num - 1) * w_up_sum) # 取對數前 DUVOL

duvol.append(math.log(before_log, math.e)) # 取對數後 DUVOL

else:

duvol.append(' 全年漲或跌 ')

return duvol

def ncskew_cal(ncskew, df_resid, i):

w_lifanghe = sum(w**3 for w in df_resid)

w_pingfanghe = sum(w ** 2 for w in df_resid)

if ((i - 1) * (i - 2) * w_pingfanghe ** (3 / 2)) != 0: # 分母不能為 0

jisuan = -((i * (i - 1) ** (3 / 2)) * w_lifanghe) / ((i - 1) * (i - 2) * w_pingfanghe ** (3 / 2)) # 計算公式

ncskew.append(jisuan)

else:

ncskew.append(' 資料異常 ')

return ncskew

def main():

"""

用擴充套件指數模型做迴歸分析

得到殘差，可以刻畫上市公司的股價崩盤事件

"""

n = pd.read_csv(path1+files1) # 每年交易週數

# k_data = pd.read_csv(path2+files1) # k 線資料，解決問題一和二之後才可用

"""

跳過一些空的檔案

"""

if n.empty or k_data.empty:

pass

else:

df_duvol = pd.DataFrame() # 用來裝 DUVOL

df_ncskew = pd.DataFrame() # 用來裝 NCSKEW

t = 0

df_all = pd.DataFrame()

for i in n['week_num']:

duvol, ncskew = [], []

df_du = pd.DataFrame()

df_nc = pd.DataFrame()

if i > 10: # 一年的交易周低於 10 周的話沒法迴歸

# model = ols_analysis(k_data[''], t, i) # 缺資料

df_resid = w_volume(model)

df_duweek = duweek(df_resid)

duvol = duvol_cal(duvol, df_duweek)

ncskew = ncskew_cal(ncskew, df_resid['w'], i)

else:

duvol.append(' 資料異常 ')

ncskew.append(' 資料異常 ')

t += i

df_du['duvol'] = duvol

df_duvol = df_duvol.append(df_du)

df_nc['ncskew'] = ncskew

df_ncskew = df_ncskew.append(df_nc)

"""

以下就是對齊表格的索引，然後輸出的過程

"""

df_duvol['year'] = list(n['year']) # 這個表格裡面加一個年份的一列，直接用 n['year'] 的話有索引，得先 list

df_duvol.set_index(['year'], inplace=True) # 把 year 這列設定成索引

df_ncskew['year'] = list(n['year']) # 同上

df_ncskew.set_index(['year'], inplace=True) # 同上

df_all['duvol'] = df_duvol['DUVOL'] # 第一次存進來會生成索引

df_all['ncskew'] = df_ncskew['NCSKEW'] # 這個索引和上面是對齊的

df_all.to_csv(r'mypath\%s' % files1) # 輸出到檔案， index 預設 True

if __name__ == '__main__':

path1 = '' # 上一個函式匯出來的交易週資料

path2 = '' # 上一個函式里還缺的資料

for files1 in tqdm(os.listdir(path1)):

main()

求助：Python 股價崩盤風險指標

相關文章