# 申万二级行业在最近1年、3个月、5个交易日的涨幅统计
> 来源：https://uqer.io/community/share/55401d69f9f06c1c3d687fa1
功能：运行此代码可知最近1年、3个月、5个交易日各个行业的涨幅
注意1：行业是采用申万二级行业分类
注意2：行业涨幅是个股涨幅加权平均成交金额所得
```py
def GetEquIndustry(universe,field): #获得行业信息
num = 100
cnt_num = len(universe)/num
if cnt_num > 0:
df = pd.DataFrame({})
for i in range(cnt_num):
sub_df = DataAPI.EquIndustryGet(secID=universe[i*num:(i+1)*num],field=field)
df = pd.concat([df,sub_df])
if (i+1)*num != len(universe):
sub_df = DataAPI.EquIndustryGet(secID=universe[(i+1)*num:],field=field)
df = pd.concat([df,sub_df])
else:
df = DataAPI.EquIndustryGet(secID=universe,field=field)
return df
def CountTime(): #获得可获得数据的最后一个交易日日期，返回的是datetime格式
cal = Calendar('China.SSE')
today = datetime.today()
today_str = today.strftime("%Y%m%d")
cal_date = Date.fromDateTime(today)
time1=" 17:05:00"
ben_time = datetime.strptime(today_str+time1,"%Y%m%d %H:%M:%S")
if cal.isBizDay(cal_date) & (today>ben_time): #如果是交易日，则判断当天是不是在15点前
date = today
else: #如果当天不是交易日，则获得前一个交易日
cal_wd = cal.advanceDate(cal_date, '-1B', BizDayConvention.Following) #Date格式
date = cal_wd.toDateTime() #datetime格式
return date
def GetMktEqud(tk_list,**kargs):
num = 100
cnt_num = len(tk_list)/num
if cnt_num > 0:
df = pd.DataFrame({})
for i in range(cnt_num):
sub_df = DataAPI.MktEqudGet(ticker=tk_list[i*num:(i+1)*num],**kargs)
df = pd.concat([df,sub_df])
if (i+1)*num != len(tk_list):
sub_df = DataAPI.MktEqudGet(ticker=tk_list[(i+1)*num:],**kargs)
df = pd.concat([df,sub_df])
else:
df = DataAPI.MktEqudGet(ticker=tk_list,**kargs)
list_info = GetSecID(tk_list = tk_list,field=['ticker','listDate']) #获得上市日期信息，修改上市当天的数据中的preClosePrice为openPrice
df.set_index(['ticker','tradeDate'],inplace=True)
df_gp = df.groupby(level='ticker')
df_new = pd.DataFrame({}) #储存新数据
for tk,sub_info in df_gp:
list_date = list_info['listDate'][list_info['ticker']==tk].iloc[0]
try:
sub_info.loc[(tk,list_date),'preClosePrice'] = sub_info.loc[(tk,list_date),'openPrice']
except:
pass
list_info = list_info[list_info['ticker']!=tk]
df_new = pd.concat([df_new,sub_info])
df_new.reset_index(inplace=True)
return df_new
def GetSecID(tk_list,field): #获取上市日期
num = 100
cnt_num = len(tk_list)/num
if cnt_num > 0:
df = pd.DataFrame({})
for i in range(cnt_num):
sub_df = DataAPI.SecIDGet(ticker=tk_list[i*num:(i+1)*num],field=field)
df = pd.concat([df,sub_df])
if (i+1)*num != len(tk_list):
sub_df = DataAPI.SecIDGet(ticker=tk_list[(i+1)*num:],field=field)
df = pd.concat([df,sub_df])
else:
df = DataAPI.SecIDGet(ticker=tk_list,field=field)
return df
def GetReturn(Mkt_Info_df): #该函数是用来获得行业在一段时间内的收益，以及个股在这段时间内的收益（先计算成分股在一段时间内的涨幅，再加权成交金额得到主题的涨幅）
Mkt_Info_df_gp = Mkt_Info_df.groupby('ticker')
tk_inc_dic = {'ticker':[],'return':[],'turnoverValue':[]}
for tk,sub_info in Mkt_Info_df_gp:
rtn = sub_info['increase'].prod()-1
tnv = sub_info['turnoverValue'].sum()/len(sub_info) #获得平均成交金额
tk_inc_dic['ticker'].append(tk)
tk_inc_dic['return'].append(rtn)
tk_inc_dic['turnoverValue'].append(tnv)
tk_inc_df = pd.DataFrame(tk_inc_dic)
tk_inc_df['secShortName'] = tk_inc_df['ticker'].apply(lambda x:tk2nm_dic[x])
rtn_together = (tk_inc_df['return']*tk_inc_df['turnoverValue']).sum()/tk_inc_df['turnoverValue'].sum() #获得该主题一段时间的涨幅，成交金额加权收益
return rtn_together,tk_inc_df
```
```py
import pandas as pd
cal = Calendar('China.SSE')
universe = DataAPI.EquGet(equTypeCD='A')['secID'].tolist() #获得全A股的secID
id2nm = lambda x:x[0:6]
tk_list_A = map(id2nm,universe) #获得全A股的ticker
Ind_info = GetEquIndustry(universe=universe,field=['ticker','secShortName','industryName2']) #获得个股的申万行业分类
Ind_info_gp = Ind_info.groupby('industryName2') #按照行业分组
Ind_tks_dic = {} #获得每个行业包含的股票
for ind_nm,sub_info in Ind_info_gp:
Ind_tks_dic[ind_nm] = sub_info['ticker'].tolist()
```
```py
#获得统计的日期
#获得研究的结束时间，如果在当天收盘前，则为前一个交易日
endDate_dt = CountTime()
endDate_CAL = Date.fromDateTime(endDate_dt)
#前一季度的时间
beginDate_3M_CAL = cal.advanceDate(endDate_CAL,'-3M',BizDayConvention.Following)
beginDate_3M_dt = beginDate_3M_CAL.toDateTime()
#前5个交易日的时间
period_day = 5 ###################输入###################
period_CAL = '-'+str(period_day)+'B'
beginDate_5B_CAL = cal.advanceDate(endDate_CAL, period_CAL, BizDayConvention.Following)
beginDate_5B_dt = beginDate_5B_CAL.toDateTime()
```
```py
#获得全A股在过去1年的市场行情
field = ['ticker','secShortName','tradeDate','preClosePrice','closePrice','turnoverValue','marketValue']
Mkt_Info_df_1Y = GetMktEqud(tk_list=tk_list_A,field =field) #获取市场行情，省略了beginDate和endDate，则获取最近1年的行情
Mkt_Info_df_1Y['tradeDate'] = pd.to_datetime(Mkt_Info_df_1Y['tradeDate']) #将tradeDate这一列的格式由string改为datetime
Mkt_Info_df_1Y['increase'] = Mkt_Info_df_1Y['closePrice']/Mkt_Info_df_1Y['preClosePrice'] #获得个股每天的收益
tk_nm_dic = dict(zip(Mkt_Info_df_1Y['ticker'],Mkt_Info_df_1Y['secShortName'])) #获得个股ticker与名称的对应字典
Mkt_Info_df_3M = Mkt_Info_df_1Y[Mkt_Info_df_1Y['tradeDate']>beginDate_3M_dt] #最近3个月的信息
Mkt_Info_df_5B = Mkt_Info_df_1Y[Mkt_Info_df_1Y['tradeDate']>beginDate_5B_dt] #最近5个交易日的信息
```
```py
#统计得到个股以下信息：1年收益inc_1Y、3个月收益inc_3M、5个交易日收益inc_5B，1年平均市值mkv_1Y、3个月平均市值mkv_3M、5个交易日平均市值mkv_5B
#获得一年的涨幅、平均成交金额数据
Mkt_Info_df_1Y_gp = Mkt_Info_df_1Y.groupby('ticker') #按照ticker分类
tk_rtn_dic_1Y = {'ticker':[],'inc_1Y':[],'tnv_1Y':[]} #获得每个个股的收益和平均市值
for tk,sub_info in Mkt_Info_df_1Y_gp:
inc_1Y = sub_info['increase'].prod()-1 #获得在这段时间内该股的涨幅
tnv_avg_1Y = sub_info['turnoverValue'].sum()/len(sub_info)
tk_rtn_dic_1Y['ticker'].append(tk)
tk_rtn_dic_1Y['inc_1Y'].append(inc_1Y)
tk_rtn_dic_1Y['tnv_1Y'].append(tnv_avg_1Y)
tk_rtn_df_1Y = pd.DataFrame(tk_rtn_dic_1Y)
#获得3个月的涨幅、平均成交金额数据
Mkt_Info_df_3M_gp = Mkt_Info_df_3M.groupby('ticker') #按照ticker分类
tk_rtn_dic_3M = {'ticker':[],'inc_3M':[],'tnv_3M':[]} #获得每个个股的收益和平均市值
for tk,sub_info in Mkt_Info_df_3M_gp:
inc_3M = sub_info['increase'].prod()-1 #获得在这段时间内该股的涨幅
tnv_avg_3M = sub_info['turnoverValue'].sum()/len(sub_info)
tk_rtn_dic_3M['ticker'].append(tk)
tk_rtn_dic_3M['inc_3M'].append(inc_3M)
tk_rtn_dic_3M['tnv_3M'].append(tnv_avg_3M)
tk_rtn_df_3M = pd.DataFrame(tk_rtn_dic_3M)
#获得5个交易日的涨幅、平均成交金额数据
Mkt_Info_df_5B_gp = Mkt_Info_df_5B.groupby('ticker') #按照ticker分类
tk_rtn_dic_5B = {'ticker':[],'inc_5B':[],'tnv_5B':[]} #获得每个个股的收益和平均市值
for tk,sub_info in Mkt_Info_df_5B_gp:
inc_5B = sub_info['increase'].prod()-1 #获得在这段时间内该股的涨幅
tnv_avg_5B = sub_info['turnoverValue'].sum()/len(sub_info)
tk_rtn_dic_5B['ticker'].append(tk)
tk_rtn_dic_5B['inc_5B'].append(inc_5B)
tk_rtn_dic_5B['tnv_5B'].append(tnv_avg_5B)
tk_rtn_df_5B = pd.DataFrame(tk_rtn_dic_5B)
```
```py
#计算1年、3个月、5个交易日的行业涨幅
Ind_tks_dic
ind_rtn_dic = {'industry':[],'rtn_1Y':[],'rtn_3M':[],'rtn_5B':[],'bigstk_1Y':[],'bigstk_3M':[],'bigstk_5B':[],'Num':[]}
for ind,tks in Ind_tks_dic.items():
sub_info_1Y = tk_rtn_df_1Y[tk_rtn_df_1Y['ticker'].isin(tks)] #先选出该行业的个股内容，包括收益和平均成交金额
rtn_ind_1Y = (sub_info_1Y['inc_1Y']*sub_info_1Y['tnv_1Y']).sum()/sub_info_1Y['tnv_1Y'].sum()
bigstk_1Y = sub_info_1Y.sort(columns='tnv_1Y',ascending=False)['ticker'][0:3].tolist()
sub_info_3M = tk_rtn_df_3M[tk_rtn_df_3M['ticker'].isin(tks)] #先选出该行业的个股内容，包括收益和平均成交金额
rtn_ind_3M = (sub_info_3M['inc_3M']*sub_info_3M['tnv_3M']).sum()/sub_info_3M['tnv_3M'].sum()
bigstk_3M = sub_info_3M.sort(columns='tnv_3M',ascending=False)['ticker'][0:3].tolist()
sub_info_5B = tk_rtn_df_5B[tk_rtn_df_5B['ticker'].isin(tks)] #先选出该行业的个股内容，包括收益和平均成交金额
rtn_ind_5B = (sub_info_5B['inc_5B']*sub_info_5B['tnv_5B']).sum()/sub_info_5B['tnv_5B'].sum()
bigstk_5B = sub_info_5B.sort(columns='tnv_5B',ascending=False)['ticker'][0:3].tolist()
ind_rtn_dic['industry'].append(ind)
ind_rtn_dic['Num'].append(len(sub_info_1Y))
ind_rtn_dic['rtn_1Y'].append(rtn_ind_1Y)
ind_rtn_dic['bigstk_1Y'].append(map(lambda x:tk_nm_dic[x],bigstk_1Y))
ind_rtn_dic['rtn_3M'].append(rtn_ind_3M)
ind_rtn_dic['bigstk_3M'].append(map(lambda x:tk_nm_dic[x],bigstk_3M))
ind_rtn_dic['rtn_5B'].append(rtn_ind_5B)
ind_rtn_dic['bigstk_5B'].append(map(lambda x:tk_nm_dic[x],bigstk_5B))
ind_rtn_df = pd.DataFrame(ind_rtn_dic)
```
```py
ind_rtn_df_sort_1Y = ind_rtn_df.sort(columns='rtn_1Y',ascending=False).loc[:,['industry','rtn_1Y','bigstk_1Y','Num','rtn_3M','rtn_5B']]
ind_rtn_df_sort_1Y.columns = [u'行业名称',u'最近一年收益',u'一年内平均成交量最大的股票',u'该行业个股数目',u'最近3个月收益',u'最近5个交易日收益']
print u'一共有%d个申万二级行业'%len(ind_rtn_df_sort_1Y),u'，1年内行业涨幅'
ind_rtn_df_sort_1Y
一共有103个申万二级行业 ，1年内行业涨幅
```
| | 行业名称 | 最近一年收益 | 一年内平均成交量最大的股票 | 该行业个股数目 | 最近3个月收益 | 最近5个交易日收益 |
| --- | --- |
| 99 | 运输设备 | 5.303234 | [中国南车, 中国北车, 晋西车轴] | 8 | 1.173940 | -0.014448 |
| 90 | 基础建设 | 4.691083 | [中国中铁, 中国铁建, 中国交建] | 25 | 0.921275 | 0.093444 |
| 1 | 航空运输 | 3.131124 | [海南航空, 南方航空, 春秋航空] | 6 | 0.876162 | 0.056124 |
| 8 | 航运 | 3.057806 | [中海集运, 中国远洋, 中海发展] | 12 | 1.016439 | 0.270692 |
| 15 | 计算机应用 | 2.754977 | [用友网络, 恒生电子, 华胜天成] | 96 | 0.860180 | 0.011083 |
| 98 | 互联网传媒 | 2.651445 | [乐视网, 鹏博士, 东方财富] | 24 | 0.802981 | 0.062447 |
| 39 | 专业工程 | 2.625073 | [中国中冶, 中国化学, 航天工程] | 20 | 0.915729 | 0.247647 |
| 53 | 房屋建设 | 2.582405 | [中国建筑, 上海建工, 龙元建设] | 4 | 0.629508 | 0.091970 |
| 71 | 计算机设备 | 2.366100 | [同方股份, 大华股份, 浪潮信息] | 40 | 0.575884 | 0.014130 |
| 13 | 证券 | 2.361874 | [中信证券, 东方证券, 海通证券] | 23 | 0.523428 | 0.021711 |
| 34 | 通信运营 | 2.353681 | [中国联通, 二六三] | 2 | 1.195826 | 0.305338 |
| 11 | 仪器仪表 | 2.329112 | [航天科技, 天和防务, 先河环保] | 24 | 0.734938 | 0.069429 |
| 24 | 船舶制造 | 2.266239 | [中国重工, 中国船舶, 广船国际] | 8 | 0.602151 | 0.111529 |
| 7 | 专用设备 | 2.191821 | [三一重工, 中国一重, 中联重科] | 105 | 0.504312 | 0.083313 |
| 81 | 钢铁 | 2.183165 | [包钢股份, 宝钢股份, 河北钢铁] | 33 | 0.550343 | 0.035136 |
| 60 | 物流 | 2.115166 | [怡亚通, 中储股份, 建发股份] | 18 | 0.703845 | 0.008994 |
| 70 | 港口 | 2.063319 | [天津港, 唐山港, 营口港] | 17 | 0.389900 | 0.018574 |
| 33 | 农产品加工 | 1.938949 | [中粮屯河, 中粮生化, 朗源股份] | 17 | 0.646614 | 0.078169 |
| 94 | 通用机械 | 1.894176 | [中核科技, 机器人, 晋亿实业] | 96 | 0.604509 | 0.016274 |
| 52 | 高速公路 | 1.891902 | [福建高速, 重庆路桥, 五洲交通] | 18 | 0.645981 | 0.040706 |
| 23 | 化学纤维 | 1.821298 | [中纺投资, 皖维高新, 华峰氨纶] | 27 | 0.638380 | 0.085734 |
| 12 | 地面兵装 | 1.820928 | [北方导航, 中航黑豹, 四创电子] | 4 | 0.228236 | -0.024187 |
| 44 | 服装家纺 | 1.805284 | [雅戈尔, 际华集团, 探路者] | 39 | 0.621356 | 0.002398 |
| 62 | 航空装备 | 1.793423 | [中航飞机, 成飞集成, 洪都航空] | 13 | 0.351965 | 0.005921 |
| 97 | 商业物业经营 | 1.791940 | [小商品城, 农产品, 轻纺城] | 15 | 0.638699 | 0.010417 |
| 36 | 多元金融 | 1.787572 | [中航资本, 爱建股份, 安信信托] | 11 | 0.330127 | 0.096928 |
| 41 | 景点 | 1.787031 | [九华旅游, 宋城演艺, 长白山] | 8 | 0.819598 | 0.030744 |
| 25 | 旅游综合 | 1.783006 | [中青旅, 腾邦国际, 北部湾旅] | 16 | 0.809576 | 0.005146 |
| 83 | 营销传播 | 1.779635 | [蓝色光标, 省广股份, 腾信股份] | 9 | 0.431896 | -0.006486 |
| 56 | 电力 | 1.766792 | [国电电力, 国投电力, 长江电力] | 58 | 0.489520 | 0.050847 |
| ... | ... | ... | ... | ... | ... | ... |
| 50 | 造纸 | 1.263068 | [景兴纸业, 山鹰纸业, 冠豪高新] | 23 | 0.480623 | 0.019398 |
| 95 | 化学制药 | 1.256582 | [鲁抗医药, 恒瑞医药, 新和成] | 62 | 0.478035 | 0.009671 |
| 69 | 综合 | 1.248448 | [中国宝安, 中信国安, 东方集团] | 53 | 0.444324 | 0.031787 |
| 65 | 公交 | 1.229096 | [大众交通, 强生控股, 锦江投资] | 8 | 0.451447 | 0.009324 |
| 75 | 饲料 | 1.216313 | [新希望, 大北农, 禾丰牧业] | 11 | 0.403494 | 0.000612 |
| 58 | 半导体 | 1.206561 | [国民技术, 长电科技, 华天科技] | 22 | 0.471403 | 0.030992 |
| 32 | 畜禽养殖 | 1.177174 | [罗牛山, 大康牧业, 仙坛股份] | 16 | 0.529071 | 0.011948 |
| 26 | 机场 | 1.166775 | [上海机场, 白云机场, 厦门空港] | 4 | 0.275427 | -0.039167 |
| 101 | 金属非金属新材料 | 1.131387 | [烯碳新材, 方大炭素, 中科三环] | 24 | 0.404832 | 0.009488 |
| 22 | 水泥制造 | 1.112418 | [海螺水泥, 金隅股份, 亚泰集团] | 19 | 0.411717 | -0.003110 |
| 30 | 中药 | 1.090465 | [康美药业, 吉林敖东, 云南白药] | 59 | 0.506922 | 0.023478 |
| 28 | 医疗服务 | 1.086574 | [恒康医疗, 爱尔眼科, 金陵药业] | 8 | 0.770956 | -0.007666 |
| 40 | 石油化工 | 1.062722 | [中国石化, 广汇能源, 上海石化] | 15 | 0.458994 | 0.155356 |
| 45 | 动物保健 | 1.061414 | [中牧股份, 金宇集团, 升华拜克] | 7 | 0.397987 | 0.002755 |
| 10 | 采掘服务 | 1.059690 | [海油工程, 中海油服, 中矿资源] | 11 | 0.391112 | -0.026253 |
| 9 | 农业综合 | 1.047126 | [大禹节水, 农发种业] | 2 | 0.215880 | -0.004511 |
| 49 | 银行 | 1.031171 | [兴业银行, 浦发银行, 民生银行] | 16 | 0.243698 | 0.031925 |
| 46 | 汽车服务 | 1.024574 | [庞大集团, 申华控股, 国机汽车] | 6 | 0.572989 | 0.112366 |
| 43 | 稀有金属 | 1.023880 | [北方稀土, 五矿稀土, 厦门钨业] | 21 | 0.326484 | 0.028529 |
| 79 | 石油开采 | 0.999020 | [中国石油] | 1 | 0.169796 | 0.103156 |
| 77 | 种植业 | 0.997333 | [亚盛集团, 海南橡胶, 隆平高科] | 14 | 0.255847 | -0.008357 |
| 76 | 玻璃制造 | 0.988161 | [南玻A, 金刚玻璃, 金晶科技] | 9 | 0.495342 | 0.117769 |
| 6 | 汽车整车 | 0.976699 | [上汽集团, 比亚迪, 长安汽车] | 22 | 0.300511 | 0.031516 |
| 91 | 光学光电子 | 0.960364 | [京东方A, 三安光电, 东旭光电] | 42 | 0.389974 | -0.029134 |
| 21 | 食品加工 | 0.873128 | [伊利股份, 双汇发展, 梅花生物] | 33 | 0.383895 | -0.016259 |
| 63 | 园林工程 | 0.856421 | [东方园林, 蒙草抗旱, 棕榈园林] | 7 | 0.421860 | -0.027685 |
| 38 | 渔业 | 0.778087 | [大湖股份, 好当家, 獐子岛] | 10 | 0.389029 | 0.018921 |
| 93 | 饮料制造 | 0.774735 | [五粮液, 贵州茅台, 泸州老窖] | 36 | 0.267515 | -0.024910 |
| 2 | 其他轻工制造 | 0.742366 | [易尚展示] | 1 | 0.742366 | 0.742366 |
| 55 | 餐饮 | 0.552202 | [中科云网, 西安饮食, 零七股份] | 4 | 0.192203 | 0.013139 |
```
103 rows × 6 columns
```
```py
ind_rtn_df_sort_3M = ind_rtn_df.sort(columns='rtn_3M',ascending=False).loc[:,['industry','rtn_3M','bigstk_3M','Num','rtn_1Y','rtn_5B']]
ind_rtn_df_sort_3M.columns = [u'行业名称',u'最近3个月收益',u'3个月内平均成交量最大的股票',u'该行业个股数目',u'最近一年收益',u'最近5个交易日收益']
print u'一共有%d个申万二级行业'%len(ind_rtn_df_sort_1Y),u'，3个月内行业涨幅'
ind_rtn_df_sort_3M
一共有103个申万二级行业 ，3个月内行业涨幅
```
| | 行业名称 | 最近3个月收益 | 3个月内平均成交量最大的股票 | 该行业个股数目 | 最近一年收益 | 最近5个交易日收益 |
| --- | --- |
| 34 | 通信运营 | 1.195826 | [中国联通, 二六三] | 2 | 2.353681 | 0.305338 |
| 99 | 运输设备 | 1.173940 | [中国南车, 中国北车, 晋西车轴] | 8 | 5.303234 | -0.014448 |
| 8 | 航运 | 1.016439 | [中海集运, 中国远洋, 中海发展] | 12 | 3.057806 | 0.270692 |
| 90 | 基础建设 | 0.921275 | [中国中铁, 中国铁建, 中国交建] | 25 | 4.691083 | 0.093444 |
| 39 | 专业工程 | 0.915729 | [中国中冶, 中国化学, 中工国际] | 20 | 2.625073 | 0.247647 |
| 1 | 航空运输 | 0.876162 | [南方航空, 海南航空, 中国国航] | 6 | 3.131124 | 0.056124 |
| 15 | 计算机应用 | 0.860180 | [大智慧, 用友网络, 恒生电子] | 96 | 2.754977 | 0.011083 |
| 41 | 景点 | 0.819598 | [宋城演艺, 九华旅游, 峨眉山A] | 8 | 1.787031 | 0.030744 |
| 25 | 旅游综合 | 0.809576 | [中青旅, 腾邦国际, 号百控股] | 16 | 1.783006 | 0.005146 |
| 98 | 互联网传媒 | 0.802981 | [乐视网, 掌趣科技, 鹏博士] | 24 | 2.651445 | 0.062447 |
| 100 | 装修装饰 | 0.789720 | [金螳螂, 洪涛股份, 亚厦股份] | 12 | 1.460358 | 0.022219 |
| 28 | 医疗服务 | 0.770956 | [迪安诊断, 恒康医疗, 爱尔眼科] | 8 | 1.086574 | -0.007666 |
| 51 | 电子制造 | 0.755818 | [歌尔声学, 蓝思科技, 得润电子] | 32 | 1.431560 | -0.004972 |
| 2 | 其他轻工制造 | 0.742366 | [易尚展示] | 1 | 0.742366 | 0.742366 |
| 11 | 仪器仪表 | 0.734938 | [航天科技, 先河环保, 雪迪龙] | 24 | 2.329112 | 0.069429 |
| 57 | 环保工程及服务 | 0.722461 | [万邦达, 碧水源, 桑德环境] | 28 | 1.687707 | 0.021656 |
| 5 | 医疗器械 | 0.711224 | [和佳股份, 千山药机, 新华医疗] | 22 | 1.628250 | 0.044459 |
| 60 | 物流 | 0.703845 | [怡亚通, 建发股份, 中储股份] | 18 | 2.115166 | 0.008994 |
| 61 | 一般零售 | 0.669449 | [文峰股份, 国际医学, 永辉超市] | 49 | 1.501575 | 0.033214 |
| 89 | 电气自动化设备 | 0.647961 | [国电南瑞, 许继电气, 汇川技术] | 38 | 1.429676 | 0.017054 |
| 33 | 农产品加工 | 0.646614 | [中粮屯河, 中粮生化, 东凌粮油] | 17 | 1.938949 | 0.078169 |
| 52 | 高速公路 | 0.645981 | [中原高速, 福建高速, 重庆路桥] | 18 | 1.891902 | 0.040706 |
| 97 | 商业物业经营 | 0.638699 | [小商品城, 农产品, 华联股份] | 15 | 1.791940 | 0.010417 |
| 23 | 化学纤维 | 0.638380 | [皖维高新, 中纺投资, 华峰氨纶] | 27 | 1.821298 | 0.085734 |
| 29 | 包装印刷 | 0.637423 | [劲嘉股份, 陕西金叶, 奥瑞金] | 24 | 1.531204 | 0.042091 |
| 53 | 房屋建设 | 0.629508 | [中国建筑, 上海建工, 龙元建设] | 4 | 2.582405 | 0.091970 |
| 44 | 服装家纺 | 0.621356 | [雅戈尔, 际华集团, 美邦服饰] | 39 | 1.805284 | 0.002398 |
| 0 | 家用轻工 | 0.621297 | [宜华木业, 威华股份, 明牌珠宝] | 43 | 1.272965 | 0.081527 |
| 94 | 通用机械 | 0.604509 | [中核科技, 机器人, 中航重机] | 96 | 1.894176 | 0.016274 |
| 24 | 船舶制造 | 0.602151 | [中国重工, 中国船舶, 广船国际] | 8 | 2.266239 | 0.111529 |
| ... | ... | ... | ... | ... | ... | ... |
| 63 | 园林工程 | 0.421860 | [东方园林, 普邦园林, 蒙草抗旱] | 7 | 0.856421 | -0.027685 |
| 22 | 水泥制造 | 0.411717 | [海螺水泥, 亚泰集团, 金隅股份] | 19 | 1.112418 | -0.003110 |
| 86 | 其他交运设备 | 0.411019 | [隆鑫通用, 中国嘉陵, 深中华A] | 7 | 1.294861 | -0.028150 |
| 101 | 金属非金属新材料 | 0.404832 | [烯碳新材, 中科三环, 沃尔核材] | 24 | 1.131387 | 0.009488 |
| 75 | 饲料 | 0.403494 | [新希望, 大北农, 海大集团] | 11 | 1.216313 | 0.000612 |
| 45 | 动物保健 | 0.397987 | [中牧股份, 金宇集团, 瑞普生物] | 7 | 1.061414 | 0.002755 |
| 92 | 贸易 | 0.392636 | [辽宁成大, 厦门国贸, 五矿发展] | 23 | 1.607619 | 0.026065 |
| 10 | 采掘服务 | 0.391112 | [海油工程, 中海油服, 恒泰艾普] | 11 | 1.059690 | -0.026253 |
| 91 | 光学光电子 | 0.389974 | [京东方A, 东旭光电, 三安光电] | 42 | 0.960364 | -0.029134 |
| 70 | 港口 | 0.389900 | [上港集团, 宁波港, 唐山港] | 17 | 2.063319 | 0.018574 |
| 38 | 渔业 | 0.389029 | [大湖股份, 獐子岛, 好当家] | 10 | 0.778087 | 0.018921 |
| 21 | 食品加工 | 0.383895 | [伊利股份, 梅花生物, 双汇发展] | 33 | 0.873128 | -0.016259 |
| 62 | 航空装备 | 0.351965 | [中航飞机, 中航动力, 洪都航空] | 13 | 1.793423 | 0.005921 |
| 84 | 园区开发 | 0.349786 | [张江高科, 陆家嘴, 浦东金桥] | 9 | 1.700588 | 0.059708 |
| 85 | 燃气 | 0.332420 | [深圳燃气, 陕天然气, 金鸿能源] | 7 | 1.489302 | -0.018759 |
| 36 | 多元金融 | 0.330127 | [中航资本, 大众公用, 爱建股份] | 11 | 1.787572 | 0.096928 |
| 43 | 稀有金属 | 0.326484 | [北方稀土, 五矿稀土, 锡业股份] | 21 | 1.023880 | 0.028529 |
| 14 | 电机 | 0.325072 | [卧龙电气, 佳电股份, 通达动力] | 8 | 1.455971 | -0.022692 |
| 47 | 航天装备 | 0.323204 | [中国卫星, 航天电子, 航天动力] | 6 | 1.422559 | 0.032242 |
| 6 | 汽车整车 | 0.300511 | [上汽集团, 比亚迪, 一汽轿车] | 22 | 0.976699 | 0.031516 |
| 26 | 机场 | 0.275427 | [上海机场, 深圳机场, 白云机场] | 4 | 1.166775 | -0.039167 |
| 93 | 饮料制造 | 0.267515 | [五粮液, 贵州茅台, 泸州老窖] | 36 | 0.774735 | -0.024910 |
| 77 | 种植业 | 0.255847 | [亚盛集团, 海南橡胶, 隆平高科] | 14 | 0.997333 | -0.008357 |
| 49 | 银行 | 0.243698 | [兴业银行, 中国银行, 浦发银行] | 16 | 1.031171 | 0.031925 |
| 12 | 地面兵装 | 0.228236 | [北方导航, 中航黑豹, 四创电子] | 4 | 1.820928 | -0.024187 |
| 9 | 农业综合 | 0.215880 | [大禹节水, 农发种业] | 2 | 1.047126 | -0.004511 |
| 55 | 餐饮 | 0.192203 | [中科云网, 零七股份, 全聚德] | 4 | 0.552202 | 0.013139 |
| 79 | 石油开采 | 0.169796 | [中国石油] | 1 | 0.999020 | 0.103156 |
| 18 | 林业 | 0.151489 | [平潭发展, 吉林森工, 福建金森] | 5 | 1.573602 | -0.054994 |
| 72 | 保险 | 0.122277 | [中国平安, 中国人寿, 中国太保] | 5 | 1.480924 | 0.001178 |
```
103 rows × 6 columns
```
```py
ind_rtn_df_sort_5B = ind_rtn_df.sort(columns='rtn_5B',ascending=False).loc[:,['industry','rtn_5B','bigstk_5B','Num','rtn_1Y','rtn_5B']]
ind_rtn_df_sort_5B.columns = [u'行业名称',u'最近5个交易日收益',u'5个交易日内平均成交量最大的股票',u'该行业个股数目',u'最近一年收益',u'最近3个月收益']
print u'一共有%d个申万二级行业'%len(ind_rtn_df_sort_1Y),u'，5个交易日内行业涨幅'
ind_rtn_df_sort_5B
一共有103个申万二级行业 ，5个交易日内行业涨幅
```
| | 行业名称 | 最近5个交易日收益 | 5个交易日内平均成交量最大的股票 | 该行业个股数目 | 最近一年收益 | 最近3个月收益 |
| --- | --- |
| 2 | 其他轻工制造 | 0.742366 | [易尚展示] | 1 | 0.742366 | 0.742366 |
| 34 | 通信运营 | 0.305338 | [中国联通, 二六三] | 2 | 2.353681 | 0.305338 |
| 8 | 航运 | 0.270692 | [中国远洋, 中海集运, 中海发展] | 12 | 3.057806 | 0.270692 |
| 39 | 专业工程 | 0.247647 | [中国中冶, 中国化学, 中工国际] | 20 | 2.625073 | 0.247647 |
| 40 | 石油化工 | 0.155356 | [中国石化, 广汇能源, 上海石化] | 15 | 1.062722 | 0.155356 |
| 76 | 玻璃制造 | 0.117769 | [南玻A, 金晶科技, 耀皮玻璃] | 9 | 0.988161 | 0.117769 |
| 46 | 汽车服务 | 0.112366 | [庞大集团, 申华控股, 中国汽研] | 6 | 1.024574 | 0.112366 |
| 24 | 船舶制造 | 0.111529 | [中国重工, 中国船舶, 广船国际] | 8 | 2.266239 | 0.111529 |
| 79 | 石油开采 | 0.103156 | [中国石油] | 1 | 0.999020 | 0.103156 |
| 36 | 多元金融 | 0.096928 | [中航资本, 大众公用, 渤海租赁] | 11 | 1.787572 | 0.096928 |
| 90 | 基础建设 | 0.093444 | [中国中铁, 中国铁建, 中国交建] | 25 | 4.691083 | 0.093444 |
| 53 | 房屋建设 | 0.091970 | [中国建筑, 上海建工, 龙元建设] | 4 | 2.582405 | 0.091970 |
| 35 | 酒店 | 0.091441 | [华天酒店, 锦江股份, 大东海A] | 7 | 1.469323 | 0.091441 |
| 23 | 化学纤维 | 0.085734 | [石化油服, 中纺投资, 华西股份] | 27 | 1.821298 | 0.085734 |
| 7 | 专用设备 | 0.083313 | [中国一重, 三一重工, 中联重科] | 105 | 2.191821 | 0.083313 |
| 0 | 家用轻工 | 0.081527 | [宜华木业, 威华股份, 乐凯胶片] | 43 | 1.272965 | 0.081527 |
| 33 | 农产品加工 | 0.078169 | [中粮屯河, 中粮生化, 国投中鲁] | 17 | 1.938949 | 0.078169 |
| 3 | 铁路运输 | 0.074405 | [大秦铁路, 广深铁路, 铁龙物流] | 3 | 1.552497 | 0.074405 |
| 11 | 仪器仪表 | 0.069429 | [航天科技, 雪迪龙, 天和防务] | 24 | 2.329112 | 0.069429 |
| 42 | 其他采掘 | 0.063680 | [攀钢钒钛, 西藏矿业, 金岭矿业] | 9 | 1.334411 | 0.063680 |
| 98 | 互联网传媒 | 0.062447 | [乐视网, 掌趣科技, 鹏博士] | 24 | 2.651445 | 0.062447 |
| 84 | 园区开发 | 0.059708 | [张江高科, 陆家嘴, 南京高科] | 9 | 1.700588 | 0.059708 |
| 1 | 航空运输 | 0.056124 | [海南航空, 南方航空, 中国国航] | 6 | 3.131124 | 0.056124 |
| 73 | 文化传媒 | 0.055896 | [百视通, 东方明珠, 电广传媒] | 35 | 1.552490 | 0.055896 |
| 80 | 白色家电 | 0.053758 | [格力电器, 青岛海尔, 美的集团] | 44 | 1.321674 | 0.053758 |
| 16 | 化学原料 | 0.052725 | [内蒙君正, 三友化工, 中泰化学] | 23 | 1.363827 | 0.052725 |
| 56 | 电力 | 0.050847 | [国电电力, 国投电力, 浙能电力] | 58 | 1.766792 | 0.050847 |
| 68 | 工业金属 | 0.047487 | [中国铝业, 南山铝业, 江西铜业] | 42 | 1.603236 | 0.047487 |
| 5 | 医疗器械 | 0.044459 | [千山药机, 新华医疗, 鱼跃医疗] | 22 | 1.628250 | 0.044459 |
| 27 | 煤炭开采 | 0.042696 | [中国神华, 中煤能源, 永泰能源] | 42 | 1.308314 | 0.042696 |
| ... | ... | ... | ... | ... | ... | ... |
| 65 | 公交 | 0.009324 | [大众交通, 强生控股, 锦江投资] | 8 | 1.229096 | 0.009324 |
| 60 | 物流 | 0.008994 | [怡亚通, 建发股份, 中储股份] | 18 | 2.115166 | 0.008994 |
| 66 | 其他建材 | 0.006497 | [国栋建设, 国睿科技, 濮耐股份] | 41 | 1.446100 | 0.006497 |
| 62 | 航空装备 | 0.005921 | [中航飞机, 中航动力, 洪都航空] | 13 | 1.793423 | 0.005921 |
| 25 | 旅游综合 | 0.005146 | [号百控股, 中青旅, 腾邦国际] | 16 | 1.783006 | 0.005146 |
| 45 | 动物保健 | 0.002755 | [天康生物, 中牧股份, 金宇集团] | 7 | 1.061414 | 0.002755 |
| 44 | 服装家纺 | 0.002398 | [际华集团, 美邦服饰, 报喜鸟] | 39 | 1.805284 | 0.002398 |
| 72 | 保险 | 0.001178 | [中国平安, 中国太保, 中国人寿] | 5 | 1.480924 | 0.001178 |
| 88 | 通信设备 | 0.001046 | [中兴通讯, 网宿科技, 海格通信] | 59 | 1.338543 | 0.001046 |
| 75 | 饲料 | 0.000612 | [大北农, 新希望, 禾丰牧业] | 11 | 1.216313 | 0.000612 |
| 59 | 橡胶 | -0.002903 | [黔轮胎A, 青岛双星, 赛轮金宇] | 14 | 1.310560 | -0.002903 |
| 22 | 水泥制造 | -0.003110 | [海螺水泥, 金隅股份, 冀东水泥] | 19 | 1.112418 | -0.003110 |
| 9 | 农业综合 | -0.004511 | [农发种业, 大禹节水] | 2 | 1.047126 | -0.004511 |
| 51 | 电子制造 | -0.004972 | [歌尔声学, 蓝思科技, 得润电子] | 32 | 1.431560 | -0.004972 |
| 83 | 营销传播 | -0.006486 | [蓝色光标, 省广股份, 华谊嘉信] | 9 | 1.779635 | -0.006486 |
| 28 | 医疗服务 | -0.007666 | [迪安诊断, 恒康医疗, 泰格医药] | 8 | 1.086574 | -0.007666 |
| 77 | 种植业 | -0.008357 | [亚盛集团, 海南橡胶, 隆平高科] | 14 | 0.997333 | -0.008357 |
| 99 | 运输设备 | -0.014448 | [中国南车, 中国北车, 晋西车轴] | 8 | 5.303234 | -0.014448 |
| 21 | 食品加工 | -0.016259 | [伊利股份, 梅花生物, 汤臣倍健] | 33 | 0.873128 | -0.016259 |
| 85 | 燃气 | -0.018759 | [国新能源, 长春燃气, 金鸿能源] | 7 | 1.489302 | -0.018759 |
| 14 | 电机 | -0.022692 | [江特电机, 卧龙电气, 佳电股份] | 8 | 1.455971 | -0.022692 |
| 12 | 地面兵装 | -0.024187 | [北方导航, 中航黑豹, 光电股份] | 4 | 1.820928 | -0.024187 |
| 17 | 视听器材 | -0.024822 | [TCL集团, 四川长虹, 海信电器] | 9 | 1.427695 | -0.024822 |
| 93 | 饮料制造 | -0.024910 | [贵州茅台, 五粮液, 泸州老窖] | 36 | 0.774735 | -0.024910 |
| 10 | 采掘服务 | -0.026253 | [海油工程, 中海油服, 恒泰艾普] | 11 | 1.059690 | -0.026253 |
| 63 | 园林工程 | -0.027685 | [东方园林, 普邦园林, 蒙草抗旱] | 7 | 0.856421 | -0.027685 |
| 86 | 其他交运设备 | -0.028150 | [中国嘉陵, 隆鑫通用, 深中华A] | 7 | 1.294861 | -0.028150 |
| 91 | 光学光电子 | -0.029134 | [京东方A, 三安光电, 东旭光电] | 42 | 0.960364 | -0.029134 |
| 26 | 机场 | -0.039167 | [上海机场, 厦门空港, 深圳机场] | 4 | 1.166775 | -0.039167 |
| 18 | 林业 | -0.054994 | [平潭发展, 永安林业, 吉林森工] | 5 | 1.573602 | -0.054994 |
```
103 rows × 6 columns
```
- Python 量化交易教程
- 第一部分 新手入门
- 一 量化投资视频学习课程
- 二 Python 手把手教学
- 量化分析师的Python日记【第1天：谁来给我讲讲Python？】
- 量化分析师的Python日记【第2天：再接着介绍一下Python呗】
- 量化分析师的Python日记【第3天：一大波金融Library来袭之numpy篇】
- 量化分析师的Python日记【第4天：一大波金融Library来袭之scipy篇】
- 量化分析师的Python日记【第5天：数据处理的瑞士军刀pandas】
- 量化分析师的Python日记【第6天：数据处理的瑞士军刀pandas下篇
- 量化分析师的Python日记【第7天：Q Quant 之初出江湖】
- 量化分析师的Python日记【第8天 Q Quant兵器谱之函数插值】
- 量化分析师的Python日记【第9天 Q Quant兵器谱之二叉树】
- 量化分析师的Python日记【第10天 Q Quant兵器谱 -之偏微分方程1】
- 量化分析师的Python日记【第11天 Q Quant兵器谱之偏微分方程2】
- 量化分析师的Python日记【第12天：量化入门进阶之葵花宝典：因子如何产生和回测】
- 量化分析师的Python日记【第13天 Q Quant兵器谱之偏微分方程3】
- 量化分析师的Python日记【第14天：如何在优矿上做Alpha对冲模型】
- 量化分析师的Python日记【第15天：如何在优矿上搞一个wealthfront出来】
- 第二部分 股票量化相关
- 一 基本面分析
- 1.1 alpha 多因子模型
- 破解Alpha对冲策略——观《量化分析师Python日记第14天》有感
- 熔断不要怕， alpha model 为你保驾护航！
- 寻找 alpha 之: alpha 设计
- 1.2 基本面因子选股
- Porfolio（现金比率+负债现金+现金保障倍数）+市盈率
- ROE选股指标
- 成交量因子
- ROIC&cashROIC
- 【国信金工】资产周转率选股模型
- 【基本面指标】Cash Cow
- 量化因子选股——净利润／营业总收入
- 营业收入增长率+市盈率
- 1.3 财报阅读 • [米缸量化读财报] 资产负债表-投资相关资产
- 1.4 股东分析
- 技术分析入门 【2】 —— 大家抢筹码（06年至12年版）
- 技术分析入门 【2】 —— 大家抢筹码（06年至12年版）— 更新版
- 谁是中国A股最有钱的自然人
- 1.5 宏观研究
- 【干货包邮】手把手教你做宏观择时
- 宏观研究：从估值角度看当前市场
- 追寻“国家队”的足迹
- 二 套利
- 2.1 配对交易
- HS300ETF套利（上）
- 【统计套利】配对交易
- 相似公司股票搬砖
- Paired trading
- 2.2 期现套利 • 通过股指期货的期现差与 ETF 对冲套利
- 三 事件驱动
- 3.1 盈利预增
- 盈利预增事件
- 事件驱动策略示例——盈利预增
- 3.2 分析师推荐 • 分析师的金手指？
- 3.3 牛熊转换
- 历史总是相似 牛市还在延续
- 历史总是相似 牛市已经见顶？
- 3.4 熔断机制 • 股海拾贝之 [熔断错杀股]
- 3.5 暴涨暴跌 • [实盘感悟] 遇上暴跌我该怎么做？
- 3.6 兼并重组、举牌收购 • 宝万战-大戏开幕
- 四 技术分析
- 4.1 布林带
- 布林带交易策略
- 布林带回调系统-日内
- Conservative Bollinger Bands
- Even More Conservative Bollinger Bands
- Simple Bollinger Bands
- 4.2 均线系统
- 技术分析入门 —— 双均线策略
- 5日线10日线交易策略
- 用5日均线和10日均线进行判断 --- 改进版
- macross
- 4.3 MACD
- Simple MACD
- MACD quantization trade
- MACD平滑异同移动平均线方法
- 4.4 阿隆指标 • 技术指标阿隆（ Aroon ）全解析
- 4.5 CCI • CCI 顺势指标探索
- 4.6 RSI
- 重写 rsi
- RSI指标策略
- 4.7 DMI • DMI 指标体系的构建及简单应用
- 4.8 EMV • EMV 技术指标的构建及应用
- 4.9 KDJ • KDJ 策略
- 4.10 CMO
- CMO 策略模仿练习 1
- CMO策略模仿练习2
- [技术指标] CMO
- 4.11 FPC • FPC 指标选股
- 4.12 Chaikin Volatility
- 嘉庆离散指标测试
- 4.13 委比 • 实时计算委比
- 4.14 封单量
- 按照封单跟流通股本比例排序，剔除6月上市新股，前50
- 涨停股票封单统计
- 实时计算涨停板股票的封单资金与总流通市值的比例
- 4.15 成交量 • 决战之地， IF1507 ！
- 4.16 K 线分析 • 寻找夜空中最亮的星
- 五 量化模型
- 5.1 动量模型
- Momentum策略
- 【小散学量化】-2-动量模型的简单实践
- 一个追涨的策略(修正版)
- 动量策略（momentum driven）
- 动量策略（momentum driven）——修正版
- 最经典的Momentum和Contrarian在中国市场的测试
- 最经典的Momentum和Contrarian在中国市场的测试-yanheven改进
- ［策略］基于胜率的趋势交易策略
- 策略探讨（更新）：价量结合+动量反转
- 反向动量策略（reverse momentum driven）
- 轻松跑赢大盘 - 主题Momentum策略
- Contrarian strategy
- 5.2 Joseph Piotroski 9 F-Score Value Investing Model · 基本面选股系统：Piotroski F-Score ranking system
- 5.3 SVR · 使用SVR预测股票开盘价 v1.0
- 5.4 决策树、随机树
- 决策树模型（固定模型）
- 基于Random Forest的决策策略
- 5.5 钟摆理论 · 钟摆理论的简单实现——完美躲过股灾和精准抄底
- 5.6 海龟模型
- simple turtle
- 侠之大者 一起赚钱
- 5.7 5217 策略 · 白龙马的新手策略
- 5.8 SMIA · 基于历史状态空间相似性匹配的行业配置 SMIA 模型—取交集
- 5.9 神经网络
- 神经网络交易的训练部分
- 通过神经网络进行交易
- 5.10 PAMR · PAMR ： 基于均值反转的投资组合选择策略 - 修改版
- 5.11 Fisher Transform · Using Fisher Transform Indicator
- 5.12 分型假说， Hurst 指数 · 分形市场假说，一个听起来很美的假说
- 5.13 变点理论 · 变点策略初步
- 5.14 Z-score Model
- Zscore Model Tutorial
- 信用债风险模型初探之：Z-Score Model
- user-defined package
- 5.15 机器学习 · Machine Learning 学习笔记（一） by OTreeWEN
- 5.16 DualTrust 策略和布林强盗策略
- 5.17 卡尔曼滤波
- 5.18 LPPL anti-bubble model
- 今天大盘熔断大跌，后市如何—— based on LPPL anti-bubble model
- 破解股市泡沫之谜——对数周期幂率（LPPL）模型
- 六 大数据模型
- 6.1 市场情绪分析
- 通联情绪指标策略
- 互联网+量化投资 大数据指数手把手
- 6.2 新闻热点
- 如何使用优矿之“新闻热点”？
- 技术分析【3】—— 众星拱月，众口铄金?
- 七 排名选股系统
- 7.1 小市值投资法
- 学习笔记：可模拟（小市值+便宜 的修改版）
- 市值最小300指数
- 流通市值最小股票（新筛选器版）
- 持有市值最小的10只股票
- 10% smallest cap stock
- 7.2 羊驼策略
- 羊驼策略
- 羊驼反转策略（修改版）
- 羊驼反转策略
- 我的羊驼策略，选5只股无脑轮替
- 7.3 低价策略
- 专捡便宜货(新版quartz)
- 策略原理
- 便宜就是 alpha
- 八 轮动模型
- 8.1 大小盘轮动 · 新手上路 -- 二八ETF择时轮动策略2.0
- 8.2 季节性策略
- Halloween Cycle
- Halloween cycle 2
- 夏买电，东买煤？
- 历史的十一月板块涨幅
- 8.3 行业轮动
- 银行股轮动
- 申万二级行业在最近1年、3个月、5个交易日的涨幅统计
- 8.4 主题轮动
- 快速研究主题神器
- recommendation based on subject
- strategy7: recommendation based on theme
- 板块异动类
- 风险因子（离散类）
- 8.5 龙头轮动
- Competitive Securities
- Market Competitiveness
- 主题龙头类
- 九 组合投资
- 9.1 指数跟踪 · [策略] 指数跟踪低成本建仓策略
- 9.2 GMVP · Global Minimum Variance Portfolio (GMVP)
- 9.3 凸优化 · 如何在 Python 中利用 CVXOPT 求解二次规划问题
- 十 波动率
- 10.1 波动率选股 · 风平浪静 风起猪飞
- 10.2 波动率择时
- 基于 VIX 指数的择时策略
- 简单低波动率指数
- 10.3 Arch/Garch 模型 · 如何使用优矿进行 GARCH 模型分析
- 十一 算法交易
- 11.1 VWAP · Value-Weighted Average Price (VWAP)
- 十二 中高频交易
- 12.1 order book 分析 · 基于高频 limit order book 数据的短程价格方向预测—— via multi-class SVM
- 12.2 日内交易 · 大盘日内走势 (for 择时)
- 十三 Alternative Strategy
- 13.1 易经、传统文化 · 老黄历诊股
- 第三部分 基金、利率互换、固定收益类
- 一 分级基金
- “优矿”集思录——分级基金专题
- 基于期权定价的分级基金交易策略
- 基于期权定价的兴全合润基金交易策略
- 二 基金分析
- Alpha 基金“黑天鹅事件” -- 思考以及原因
- 三 债券
- 债券报价中的小陷阱
- 四 利率互换
- Swap Curve Construction
- 中国 Repo 7D 互换的例子
- 第四部分 衍生品相关
- 一 期权数据
- 如何获取期权市场数据快照
- 期权高频数据准备
- 二 期权系列
- [ 50ETF 期权] 1. 历史成交持仓和 PCR 数据
- 【50ETF期权】 2. 历史波动率
- 【50ETF期权】 3. 中国波指 iVIX
- 【50ETF期权】 4. Greeks 和隐含波动率微笑
- 【50ETF期权】 5. 日内即时监控 Greeks 和隐含波动率微笑
- 【50ETF期权】 5. 日内即时监控 Greeks 和隐含波动率微笑
- 三 期权分析
- 【50ETF期权】 期权择时指数 1.0
- 每日期权风险数据整理
- 期权头寸计算
- 期权探秘1
- 期权探秘2
- 期权市场一周纵览
- 基于期权PCR指数的择时策略
- 期权每日成交额PC比例计算
- 四 期货分析
- 【前方高能！】Gifts from Santa Claus——股指期货趋势交易研究