金融科技之數據分析：地產股票因子分析

地產股票因子分析

1.課題簡介

實習公司和幾家地產龍頭客戶都有合作，希望能通過分析他們的財務數據，來對股價有個分析或者說預測。

2.代碼實現

import相關的包

import pandas as pd
from sklearn.linear_model import LinearRegression
from xgboost import XGBRegressor
from xgboost import plot_importance
import matplotlib.pyplot as plt
import lightgbm as lgb
from scipy.stats import pearsonr
import numpy as np
from sklearn import preprocessing

讀取數據與預處理

#min-max規範化方法
min_max_scaler = preprocessing.MinMaxScaler()

#讀取第一個公司的數據
df=pd.read_excel('地產股.xlsx',sheet_name=0)
y=df['股價'].values
x=df.drop(['日期','股價'], axis=1)
headers=x.columns#這裏存儲因子的名字，方便結果展示
x=x.values
#規範化處理，映射到【0，1】
x=min_max_scaler.fit_transform(x)
y=min_max_scaler.fit_transform(np.array([y]).T)

#讀取其他四個公司的數據，進行標準化處理，並將數據合併在一起
for i in range(1,5):
    df=pd.read_excel('地產股.xlsx',sheet_name=i)
    tempy=df['股價'].values
    tempx=df.drop(['日期','股價'], axis=1)
    tempx=tempx.values
    tempx = min_max_scaler.fit_transform(tempx)
    tempy=min_max_scaler.fit_transform(np.array([tempy]).T)
    x=np.vstack((x,tempx))#將數據合併
    y=np.vstack((y,tempy))

注：這裏是將各個公司的數據分別進行標準化處理之後再合併，因爲考慮到不同公司的股價的區間不一致，這可能是由上市公司發放股票的策略決定的。而不同公司的股票的價差不是我們關注的重點，我們關注的是股票縱向變化的規律。將各個公司分別標準化可以消除公司間的一些差異。

線性迴歸版本

線性迴歸模型各因子的係數可以反映各因子的重要性

regr_ = LinearRegression().fit(x, y)#訓練模型
coef_=regr_.coef_[0]#係數
lr_res=[(headers[i],coef_[i]) for i in range(len(coef_))]
lr_res=sorted(lr_res,key=lambda x:x[1],reverse=True)#排序

header=[header for header,coef in lr_res]
coef=[coef for header,coef in lr_res]
lr_res=pd.DataFrame({'factor':header,'coef':coef})

結果：

factor	coef
總資產報酬率	0.842764767
總市值(萬元)	0.448989966
每股營業收入	0.354270929
PE	0.266525706
市淨率PB	0.192295946
每股收益增速%	0.104891241
長期資產負債率	0.092473499
近12個月股息率	0.048185849
市現率	0.041146731
每股淨經營現金流淨額	0.039554912
資產負債率	0.014880207
銷售淨利率	-0.023532551
權益乘數	-0.046475972
每股息稅前利潤	-0.074944096
每股收益EPS	-0.08202864
投入資本回報率ROIC	-0.110803053
歸屬於母公司利潤增速（扣除非經常性損益）	-0.176884016
淨資產收益率ROE	-0.211790641
市銷率PS	-0.248624017
存貨週轉率	-0.555995589

pearsonr相關性係數版本

corr_res=[]
for i in range(len(headers)):
    corr,p=pearsonr(x[:,i],y.ravel())#獲取相關性和p-value
    corr_res.append((headers[i],corr,p))
corr_res=sorted(corr_res,key=lambda x:x[1],reverse=True)#排序

header=[header for header,corr,p in corr_res]
corr=[corr for header,corr,p in corr_res]
p=[p for header,corr,p in corr_res]
corr_res=pd.DataFrame({'factor':header,'corr':corr,'p_value':p})

結果：

factor	corr	p_value
總市值(萬元)	0.744397542	1.0249E-245
每股營業收入	0.600173815	8.7595E-137
每股收益EPS	0.513859816	1.62518E-94
權益乘數	0.504026043	1.95423E-90
市淨率PB	0.487645622	6.28211E-84
資產負債率	0.478420179	2.04251E-80
長期資產負債率	0.428756079	2.96606E-63
每股息稅前利潤	0.353733849	3.08641E-42
市銷率PS	0.319607724	2.2237E-34
近12個月股息率	0.25933871	8.46324E-23
淨資產收益率ROE	0.249068466	4.23874E-21
投入資本回報率ROIC	0.220798206	8.2545E-17
銷售淨利率	0.203669717	1.76032E-14
總資產報酬率	0.199825776	5.50691E-14
PE	0.182179083	7.73554E-12
每股淨經營現金流淨額	0.139141612	1.90617E-07
每股收益增速%	0.110584575	3.59838E-05
存貨週轉率	0.077161548	0.003995772
市現率	0.006789981	0.800326919
歸屬於母公司利潤增速（扣除非經常性損益）	-0.012468487	0.642319104

XGBRegressor模型

model = XGBRegressor(importance_type='weight')
model.fit(x, y.ravel())#訓練模型
importances_=model.feature_importances_#獲取因子重要性

xgb_res=[(i,headers[i],importances_[i]) for i in range(len(model.feature_importances_))]
xgb_res=sorted(xgb_res,key=lambda x:x[2],reverse=True)#排序

index=[index for index,header,importance in xgb_res]
header=[header for index,header,importance in xgb_res]
importances=[importance for index,header,importance in xgb_res]
xgb_res=pd.DataFrame({'index':index,'factor':header,'importance':importances})#轉換成dataframe

plt.figure(figsize=(12,6))#畫圖
plot_importance(model, max_num_features=8)
plt.title("XGB")
plt.show()
print(xgb_res)

結果：

index即爲上方圖片中的序號

index	factor	importance
0	總市值(萬元)	0.295882344
1	PE	0.146764711
2	市淨率PB	0.113529414
5	近12個月股息率	0.107058823
4	市現率	0.104117647
3	市銷率PS	0.084411763
7	每股淨經營現金流淨額	0.01764706
8	每股營業收入	0.014705882
6	每股收益EPS	0.013529412
9	每股息稅前利潤	0.013529412
12	銷售淨利率	0.012058823
14	長期資產負債率	0.012058823
18	每股收益增速%	0.011764706
13	資產負債率	0.010882352
17	投入資本回報率ROIC	0.009705883
10	淨資產收益率ROE	0.008529412
16	存貨週轉率	0.006764706
19	歸屬於母公司利潤增速（扣除非經常性損益）	0.006176471
11	總資產報酬率	0.005588235
15	權益乘數	0.005294118

LGBMRegressor模型

gbm = lgb.LGBMRegressor(objective='regression')
gbm.fit(x, y.ravel())
importances_=gbm.feature_importances_
gbm_res=[(i,headers[i],importances_[i]) for i in range(len(importances_))]
gbm_res=sorted(gbm_res,key=lambda x:x[2],reverse=True)#排序

index=[index for index,header,importance in gbm_res]
header=[header for index,header,importance in gbm_res]
importances=[importance for index,header,importance in gbm_res]
gbm_res=pd.DataFrame({'index':index,'factor':header,'importance':importances})

lgb.plot_importance(gbm, max_num_features=20)
plt.title("GBM")
plt.show()

結果：

index	factor	importance
0	總市值(萬元)	561
5	近12個月股息率	428
2	市淨率PB	318
1	PE	310
4	市現率	291
3	市銷率PS	288
8	每股營業收入	101
6	每股收益EPS	84
14	長期資產負債率	84
7	每股淨經營現金流淨額	68
17	投入資本回報率ROIC	68
13	資產負債率	59
12	銷售淨利率	58
9	每股息稅前利潤	57
18	每股收益增速%	50
11	總資產報酬率	39
19	歸屬於母公司利潤增速（扣除非經常性損益）	39
10	淨資產收益率ROE	38
15	權益乘數	32
16	存貨週轉率	27

保存結果到excel中

with pd.ExcelWriter('res.xlsx') as writer:
    corr_res.to_excel(writer, 'corr_res', index=False)
    lr_res.to_excel(writer, 'lr_res', index=False)
    xgb_res.to_excel(writer,'xgb_res',index=False)
    gbm_res.to_excel(writer,'gbm_res',index=False)