python量化投資
⑴ 量化投資中，MATLAB和python哪一個好
MATLAB在矩陣處理上的優勢是Python無法比擬的。我曾使用MATLAB和Python實現同一個演算法，特別是涉及到矩陣中的Symbol求導時。Python中使用Numpy、Sympy和Scipy進行處理，盡管Sympy中的Matrix功能強大，但在速度上卻顯得緩慢，且需要關注各種細節。例如，Sympy在處理Complex類型時無法自動expand，常常出現(1+I)(2I+1)這種結果，此時需要調用.expand來解決。相比之下，MATLAB能夠讓你更專注於模型的構建。
然而，Python在數據抓取、機器學習等領域擁有強大的第三方包，如Scrapy、Skikit-learn等，發展速度也非常快。因此，Python正逐漸成為量化投資領域的新興力量。
綜上所述，目前使用MATLAB是明智的選擇，但未來可能會轉向Python。這取決於你所面對的具體需求和項目背景。MATLAB在矩陣處理方面無可比擬的優勢，使得它在當前的量化投資中占據主導地位，而Python則憑借其豐富的第三方庫和快速的發展，有望在未來占據更大份額。
⑵ 【手把手教你】Python量化股票市場情緒指標ARBR
股票投資策略往往需要結合技能和原則，以實現持續的成功。長期而言，運氣的好壞會相互抵消，因此，投資者在市場中取得穩定收益，需依賴自身的技能和遵循良好的原則。市場波動並非完全由基本面決定，公眾情緒在很大程度上影響著股價變動。這種情緒波動是市場自然反饋與糾正過程的一部分。在市場頂部，多數交易者表現出樂觀情緒，在市場底部則表現悲觀。
投資者情緒是行為金融學研究市場異常現象的重要理論基礎之一。它反映了投資者對金融資產的看法，包括樂觀和悲觀態度以及投機傾向。量化投資者情緒主要通過兩種方式：直接調查投資者情緒，如問卷調查、多空調查等；以及通過市場交易數據進行統計處理，構建客觀或間接指標。國內投資者情緒量化多採用後者，如中信證券通過主成分分析構建情緒指標，包括整體市盈率、市凈率、換手率、上漲家數比下跌家數、小盤股相對大盤股的超額收益率、股票首發上市家數、新股上市首日漲幅、封閉式基金折價率和資金流動指標等。
本文以技術分析常用的情緒指標ARBR為例，使用Python進行計算和可視化分析，為量化擇時策略提供基礎。ARBR指標由人氣指標（AR）和意願指標（BR）構成，它們分別通過歷史股價走勢分析，反映市場多空雙方力量對比，進而預測市場趨勢。
AR指標衡量市場交易人氣，當AR值升高至一定限度時，表明能量消耗殆盡，股價反轉概率增大。BR指標反映市場交易意願，基於「反市場心理」，在市場人氣極度狂熱時賣出，人氣悲觀時買進。雙方的分界線為100，AR或BR超過100表示多方或空方優勢，反之則表示弱勢。
買賣信號和背離信號的判斷依賴ARBR指標的曲線與股價走勢的比較。例如，BR在AR之下運行，表明市場開始築底，視為買進信號；BR小於40，AR小於60時，空方力量較強，但可能反轉上漲，考慮買進。賣出信號包括BR大於400，AR大於180時的多方力量極強，但可能反轉下跌；或BR快速上升而AR小幅下降或橫盤，視為賣出信號。頂背離與底背離是ARBR指標的特殊信號，分別在股價高位和低位出現，提示短期內將反轉。
在Python中，可以實現ARBR指標計算和圖形化展示。通過分析上證綜指、創業板指、滬深300和東方通信的價格及其ARBR指標250日曲線，結合上述應用法則，投資者可以進行更深入的分析。近期指數的ARBR指標與價格走勢的背離值得特別關注。
股票市場中，力量的平衡與偏離對股價走勢具有重要影響。ARBR指標通過開盤價、收盤價、最高價和最低價之間的關系分析多空力量對比，預測未來走勢。盡管ARBR指標計算簡單，易於理解，但其應用需要豐富的實戰經驗以作出准確判斷。此外，該指標存在局限性，僅依賴歷史價格信息，而忽略了成交量的重要性。
⑶ Python量化入門：Fama-French三因子模型
Python量化入門，Fama-French三因子模型是一種改進的金融模型，用於分析投資組合收益的多元影響因素。以下是模型的關鍵步驟和Python實戰應用：
技術討論，不構成投資建議！
Fama-French三因子模型彌補了CAPM模型的局限，它關注市值、市盈率（PE）、杠桿比例和賬面市值比（BM）四個因素。Fama和French的研究發現，單個因子的解釋力有限，組合使用時，市值和BM因子對其他因素的影響減弱。模型的核心是市場風險溢酬、市值效應（SMB，小市值優於大市值）和賬面市值比效應（HML，高BM優於低BM）三個因子，形成多元線性回歸模型。
在Python實戰中，首先通過計算SMB和HML來構造投資組合，這可能需要一定時間的數據處理。接著，選擇不同市值和PB水平的股票作為樣本，對相關數據進行整合和探索。通過收益率時序圖和多元線性方程求解，可以估計超額收益率（α）和因子的系數。通常，當p值小於0.05，說明因子對收益率有顯著影響。
雖然理論與計算過程看似復雜，但實際應用中，數據處理可以自動化，以便更有效地進行投資策略分析。