目的
在量化分析中,经常会需要获取 \(\beta\) (贝塔收益或贝塔系数),那该如何查询或计算该系数呢?
贝塔(β)的含义
贝塔系数衡量了个股或基金相对于整个股市的波动情况。
β范围 | 含义 |
---|---|
β=1 | 股票或基金的风险收益率与市场平均风险收益率相同 |
β>1 | 股票或基金的风险相较于市场平均更大 |
β<1 | 股票或基金的风险相较于市场平均更小 |
在量化分析中,经常会需要获取 \(\beta\) (贝塔收益或贝塔系数),那该如何查询或计算该系数呢?
贝塔系数衡量了个股或基金相对于整个股市的波动情况。
β范围 | 含义 |
---|---|
β=1 | 股票或基金的风险收益率与市场平均风险收益率相同 |
β>1 | 股票或基金的风险相较于市场平均更大 |
β<1 | 股票或基金的风险相较于市场平均更小 |
方差在统计描述和概率分布中各有不同的定义,并有不同的公式。
在统计描述中,方差用来计算每一个变量(观察值)与总体均数之间的差异。为避免出现离均差总和为零,离均差平方和受样本含量的影响,统计学采用平均离均差平方和来描述变量的变异程度。
总体方差计算公式
: \({\sigma}^2=\frac{\sum_{i=1}^{N}(X_i-\bar{\mu})}{N}\)
其中\({\sigma}^2\)为总体方差,\(X_i\)为变量,\(\bar{\mu}\)为总体均值,\(N\)为总体例数。
实际工作中,总体均数难以得到时,应用样本统计量代替总体参数,经校正后,
样本方差计算公式
: \({S}^2=\frac{\sum_{i=1}^{N}(X_i-\bar{X})}{n-1}\)
其中\({S}^2\)为样本方差,\(X_i\)为变量,\(\bar{X}\)为样本均值,\(n\)为样本例数。
协方差(Covariance)
在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况,即当两个变量是相同的情况。 协方差表示的是两个变量的总体的误差,这与只表示一个变量误差的方差不同。 如果两个变量的变化趋势一致,也就是说如果其中一个大于自身的期望值,另外一个也大于自身的期望值,那么两个变量之间的协方差就是正值。 如果两个变量的变化趋势相反,即其中一个大于自身的期望值,另外一个却小于自身的期望值,那么两个变量之间的协方差就是负值。
\(Cov(X,Y) = E[(X-E(X))(Y-E(Y))]\)
在jupyter中可以直接使用用dataframe的名字输出美观的表格形式,例如:
1 | import QUANTAXIS as QA |
在升级jupyter到版本6.x以上时,在启动的时候会报很多行以下错误 1
Config option `template_path` not recognized by `LenvsLatexExporter`. Did you mean one of: `template_file, template_name, template_paths`?
使用VS Code依次打开python安装目录下的/lib/site-packages/ ('jupyter_contrib_nbextensions', 'jupyter_latex_envs' 及'latex_envs')子目录。
通过'Edit/Replace in Files'来查找'template_path'并替换为'template_paths'。
注意有的内容已经是template_paths,不需要修改。
1/ [jupyter代码自动补全插件、安装后出现警告“Config option template_path
not recognized by LenvsLatexExporter
”的解决方案](jupyter代码自动补全插件、安装后出现警告"Config option not recognized by "的解决方案_Sun's Blog-CSDN博客)
Windows的cmd实在过于丑陋,且使用起来有诸多的不方便, 平时也会使用git bash, 那么有没有办法将它们集成在一起,并且有个漂亮的外观呢? 答案是肯定的。 那就是cmder + fluent terminal。
Typrora
中使用了Mermaid
来提供强劲的绘制流程图、时序图的功能。
是一种简单的类似 Markdown 的脚本语言,通过 JavaScript 编程语言,将文本转换为图片。因此,真正实现画图功能的并不是 Typora 本身,它只是内置了对 Mermaid 的支持。
主要语法说明:
graph - 表明是流程图
方向:
1 | graph TD; |
1 | graph TD; |
语法解释:->>
代表实线箭头,-->>
则代表虚线。
可以利用队列或管道来进行多进程下的日志输出,但官方文档推荐了一种利用logging.SocketHandler
的方案来实现多进程日志输出。
其原理是:多个进程将各自环境下的日志通过Socket
发送给一个专门打印日志的进程,这样就可以防止多进程打印的冲突与混乱情况。