3.3 利用 Pandas 分析实时股票报价数据
熟悉一项软件的最好方法就是通过示例来亲自使用它。这里将会通过分析苹果公司 2015 年 8 月 3 日秒级股票价格的数据来熟悉 Pandas 的用法。建议通过Python 笔记本或交互式窗口的方法来进行下面的操作。
首先，需要导入相关的模块，在导入Pandas模块的同时，我们还用到了Datetime模块。Datetime模块的主要功能是对时间、日期等数据进行处理，导入命令如下：
import pandas as pd
from datetime import datetime3.3.1 外部数据导入
这里将会导入 2015 年 8 月 3 日苹果公司的秒级股票交易数据，不过，相应的原始数据需要稍做清理才能使用，而这正好符合本章的学习要点。
首先，用Pandas 的read_csv 模块直接从 csv 文件中导入数据。原始数据一共有六列，分别存有原始时间戳、每秒开盘价、最高价、最低价、收盘价和成交量信息。可以通过names 参数将这些名字赋给处理好的数据，导入命令如下：
data = pd.read_csv("aapl.csv",
names = ["timestamp_raw","Open","High",
"Low","Close","Volume"],
index_col = False)
print(type(data))上面的type（data）可以打印出当前数据对象的类。可以看到，这里data 对象的类名为DataFrame，是 Pandas 中最基本的数据形态。
导入数据之后，当然还要看看我们最感兴趣的数据长什么样，在交互窗口中打印前 5 行和后 5 行。这里需要用到DataFrame 的head 和tail 函数，命令如下：
data.head(5)
data.tail(5)可以注意到记录中的股价数值为原始股价乘以 10000。
原始数据中的时间记录为每天距离格林威治标准时间的秒数乘以 1000，为增加可读性，需要将数据先还原。这里先将data 对象的索引变为处理后的时间标记，并调用 DataFrame.index 域，示例代码如下：
UNIX_EPOCH = datetime(1970, 1, 1, 0, 0)
def ConvertTime(timestamp_raw, date):
""" 该函数会将原始的时间转化为所需的datetime格式 """
delta = datetime.utcfromtimestamp(timestamp_raw) - UNIX_EPOCH
return date + delta
data.index = map(lambda x: ConvertTime(x, datetime(2015, 8, 3)),
data["timestamp_raw"]/1000)这个时候timestamp_raw 一列将不再有用，可以删掉它。这里调用了DataFrame.drop（）函数来实现该功能：
data = data.drop("timestamp_raw",1)3.3.2 数据分析基本操作
导入数据并做初步清理之后，可以调用 DataFrame 对象的函数对其进行各种基本的修改和描述。DataFrame的很多操作都是通过调用对象的函数来进行的，具体有哪些函数呢？可以通过如下dir（）命令来查看：
dir(data)经过查看可以得知，大多数的常用函数都已经包含在内了，如 mean（均值）、max（最大值）、min（最小值）。例如，为了求得该数据集每一列的均值，我们可以进行如下操作，求最大值、最小值的操作也与此类似：
data.mean()同时还可以调用 describe 函数直接产生常用的描述性统计量，命令如下：
data.describe()我们进行数据分析时，往往需要对数据的假设进行检验。例如美股交易时间是从美国东部时间的早上 9:30 到下午 3:30，但是很多主流股票还具有盘前和盘后交易。盘前和盘后交易时间中估价波动较大，成交量较小，对此本书不进行研讨。在进行其他分析之前，我们需要检视一下所有数据记录的时间范围。上面的统计量操作也可以在 data.index 上执行。这里DataFrame.index 相当于一个 Series 对象，命令如下：
data.index.min()
data.index.max()可以看到，交易时间其实包括了盘前和盘后的大量时间。在实际交易策略中，我们往往只会在正常交易时间进行交易，所以需要对数据按照时间进行拆分，只保留正常交易时间的数据，完成该项操作非常容易，命令如下：
data_trading_hour = data["201508030930":"201508031529"]3.3.3 可视化操作
进行了简单的数据清理之后，就可以开始进行可视化操作了，首先通过目测的方式来查看数据的分布。Pandas 进行可视化操作需要依赖于 Matplolib 模块，这里首先导入对应的模块，导入命令如下：
import matplotlib
from matplotlib import pyplot as pltMatplotlib 自带的画图风格比较僵硬，需要改改，同时为了向 R 致敬，这里设置画图风格为 R ggplot 风，设置命令如下：
matplotlib.style.use('ggplot')画图查看每一秒的收盘价。这里只需要对 Series 类的变量调用plot 函数，即可得到
图3-1所示的股价走势图，调用命令如下：
data_trading_hour["Close"].plot()
plt.show()
同时，也有人可能对成交量感兴趣。根据格兰杰因果检验等研究，成交量对股价变化也有影响。每秒成交量是什么样的分布？可以通过下面的命令做出直方图。只需要调用 Series 类对象的plot.hist 函数即可：
data_trading_hour["Volume"].plot.hist()
plt.show()直方图画出来之后，读者将会发现大多数观测集中在了较小的范围之内，但是有若干秒的交易量是其他时候的数倍。为了更深入地研究，可以画出时序图做进一步的观察，画时序图的命令如下，得到的图形如图3-2所示。
data_trading_hour["Volume"].describe()
data_trading_hour["Volume"].plot()
plt.show()果然正如我们所假设的，中午时分有大单交易发生。
3.3.4 秒级收盘价变化率初探
当然，对于实时量化交易，我们最感兴趣的还是每秒的变化率。那么下面我们就来看看股价变化的分布情况。为了到相邻时间点股价的变化率，我们可以通过调用diff 函数来实现，得到的变化率序列也是一个 Series 类对象。就如3.3.3节一样，我们可以将变化率可视化，得到图3-3。调用diff 函数的命令如下：
data_trading_hour["Close"].diff().plot.hist()
plt.show()
change = data_trading_hour["Close"].diff()/data_trading_hour["Close"]
change.plot()
plt.show()
现在回到出发点，我们分析和可视化数据是为了在后文中发掘出可能的量化交易策略。我们常常听说股价会追涨杀跌，在这种模式中的股价会按照趋势继续上涨或下跌。我们也听说过可能会均值反转，在这种模式中的股价会在具有了大幅波动之后回归平均值。那么，秒级数据又有什么样的趋势模式呢？可以通过shift 函数对时间序列进行错位，并且通过corr 函数计算两个时间序列之间的相关性系数。绝对值较大的相关性系数代表前后时间中股价变化的相关程度较高；绝对值近乎为 0则代表前后时间中股票变化相关线性程度低。shift 函数命令如下：
change.shift(1).corr(change)
change.shift(2).corr(change)通过图3-4可以看到，前后一秒股价变化率的相关性系数为 -0.167，这样的相关性对于金融数据来说已经非常显著了。但是这一相关性在两秒的间隔之后迅速衰减到了-0.034，所以这就要求我们的实时交易策略系统必须具有非常低的延迟，才能抓住这样的先机，得到超额的收益。
其实，在时间序列研究中，已经有了一套比较完备的描述性统计量，自相关性（auto-correlation）就是这样一个例子。MatplotLib 的 acorr 函数可以自动对时间序列做出自相关图，acorr 函数的命令如下：
plt.acorr(change[1:], lw = 2)
plt.show()
图3-4所示为AAPL 股价变化率自相关系数柱状图，其横轴的每个刻度均代表时间序列的错位大小，1 表示时间序列与错位 1 秒的自身进行相关性计算；2表示时间序列与错位 2 秒的自身进行相关性计算。以此类推。该图纵轴代表计算的相关性系数大小。在错位为 0 时，时间序列和自身完美相关，这里的相关性系数为 1。
从图3-4可以看出，苹果公司当天股价变化率的自相关性随着时间错位的增加而递减。前一秒股价变化率和后一秒股价呈负相关关系，这暗示我们在短期股票交易中，股价变化具有均值回归的模式。在均值回归模式中，如果股票出现大幅上涨或下跌，那么在后面的短时间内，可能会出现反向的股价波动，以减弱前期的变化。
