《金融计算：基于Python》 课件 第8章-Python金融市场风险测度.pptx

金融计算：基于Python

第9章 Python最优投资组合【教学目的与要求】通过本章学习，结合习近平新时代中国特色社会主义经济思想，讲授Python的投资组合收益率和风险计算、最优投资组合的计算。【重点和难点】Python的最优投资组合的计算。【思政育人目标】将习近平新时代中国特色社会主义经济思想融入到Python的的投资组合收益率和风险计算、最优投资组合的计算的学习中。【课程学习目标】掌握Python的投资组合收益率和风险计算、最优投资组合的计算。金融计算：基于Python2

主要内容8.1.股票收益率计算8.2.样本密度函数估计8.3.金融风险指标的计算8.4.股票收益率预测8.5.在险价值计算8.6.期望短缺8.7.回溯检验8.8.压力测试金融计算：基于Python3

8.1.股票收益率计算?金融计算：基于Python4#方法一df2[平安银行收益率]=df2[平安银行].pct_change()#方法二df2[平安银行收益率2]=(df2[平安银行]-df2[平安银行].shift(1))/df2[平安银行].shift(1)

8.1.3. 连续复合收益率?金融计算：基于Python5

8.1.4. 收益率均值计算?金融计算：基于Python6

8.2.样本密度函数估计8.2.1.收益率直方图直方图是数值数据分布的精确图形表示，是一个连续变量的概率分布的估计。为了构建直方图，第一步是将值的范围分段，即将整个值的范围分成一系列间隔；第二步计算每个间隔中有多少值。这些值通常被指定为连续的，不重叠的变量间隔。间隔必须相邻，并且通常是相等的大小。金融计算：基于Python7#读取数据文件函数defextract_data(path):#将Excel数据表读入Python中table=pd.read_excel(path，header=None)#将数据表转换为2D数列data=table.values#剔除非数字数据并将一维数列转换为二维数列data=data[~np.isnan(data)]returndata#绘制直方图函数defplot_histogram(data，bins=auto，title=):fig，ax=plt.subplots()#直接使用plt.hist画图freq，bins，patches=plt.hist(data，bins=bins，density=True，edgecolor=black)#频数分布直方图的标签位置bin_centers=np.diff(bins)*0.5+bins[:-1][例8.2.1]绘制平安银行收益率和世纪星源收益率的直方图。

8.2.2. 简单核密度估计法?金融计算：基于Python8[例8.2.2]绘制平安银行股价的简单核密度图。

8.2.3. 核密度估计?金融计算：基于Python9[例8.2.3]绘制带宽分别为0.2，0.4和0.8时，example_data=[-2.95，-2.5，-1.7，-1.65，-1.62，1.1，1.9，2.2，2.4]的核密度图。[例8.2.4]用两个分布为N(?1，0.75)和N(1，0.75)累加的分布产生1000个随机数据，累加起来的分布是一个双峰分布，并根据不同的窗口长度绘制核密度图。[例8.2.5]读取平安银行股价数据，绘制不同带宽的核密度图。

8.3.金融风险指标的计算一般地，用极差、四分位差、平均差、方差、标准差、离散系数、偏度、峰度等指标度量金融市场的风险，使用第三章金融数据基础分析工具来实现。金融计算：基于Python10

8.3.1. 基本指标df2_returns_range=np.max(df2_returns)-np.min(df2_returns)df2_returns_interquartile_range=df2_returns.quantile(0.75)-df2_returns.quantile(0.25)df2_returns_var=np.var(df2_returns)df2_returns_std=np.std(df2_returns)df2_returns_coefficient=np.std(df2_returns)/np.mean(df2_returns)金融计算：基