华泰证券：量化股票投资（第一到六周）

Week 1: 数据收集与探索性分析（NVDA）

任务目标

我们将围绕英伟达（NVIDIA, 股票代码：NVDA）开展量化研究。第一周的目标是掌握如何通过公开数据源获取金融数据，并对这些数据进行基础处理和可视化分析。

一、数据来源

通过 yfinance 与 pandas-datareader 获取以下数据：

• 股票基本信息（名称、行业、市值等）
• 日线行情数据（近5年）
• 年度与季度财报
• 资产负债表
• 现金流量表

二、数据预处理步骤

• 将所有日期列转换为标准时间格式。
• 清洗缺失数据：如部分列数据缺失严重则删除；少量缺失则使用均值填补。
• 检查重复行，确保数据唯一性。
• 类型统一（数值列转为float/int）。

三、探索性数据分析（EDA）

1. 历史收盘价趋势（近5年）

展示了NVDA的日线收盘价格走势：

2. 年度与季度财务表现

分析 季度营收、营业利润 与 毛利润：

4. 资产负债表分析（年度 + 季度）

展示了资产总额、流动资产与现金的变化：

• 季度趋势：

5. 现金流分析

• 季度现金流：

Week 2: 数据预处理与可视化

一、空值处理

在金融数据分析中，填充空值可能引入偏差，故此处采用删除缺失值行的方式处理关键财务数据字段，以保障模型训练数据的准确性。

二、数据合并与时间对齐

由于历史价格（日频）、财务数据（季频或年频）时间精度不一致，我们采用以下策略：

• 对日线数据保持原频率
• 使用广播填充（forward fill）将季度数据扩展到月度或日度
• 最终将所有数据合并到统一的时间索引

三、辅助数据广播与特征融合

季度报表字段（如：营收、现金流、资产等）经过扩展后，合并进历史行情数据中，为后续建模构造完整特征向量。

四、历史波动率分析

我们利用对数收益率的标准差计算历史波动率：

• 采用1天精度，回看期为2年
• 与价格的boxplot联合展示，辅助判断异常波动

插图：历史波动率与价格箱线图（boxplot）：

面对时间分布不均的数据，特别是在数据量随时间远去而减少的情况下，进行特征工程和窗口采样时需要谨慎处理。

五、预测建模与评估

使用'totalAssets', 'operatingIncome', 'totalLiabilities'预测2024Q1-4的totalRevenue

VDA 所属行业: SEMICONDUCTORS & RELATED DEVICES

2023年行业平均总收入: 112416709000.0

2023年nvda总收入: 26974000000.0

2023年nvda总收入高于行业平均总收入是: 否

Week 3: 量化交易策略与回测分析

一、任务目标

本周核心任务包括：

• 批量爬取并更新上证/深证市场全部股票数据通过ak.stock_zh_a_spot()（sqlalchemy的.to_sql保存至本地MySQL数据库）
• 实现基础交易策略（移动平均交叉策略）
• 单股与多股策略回测
• 回测数据可视化
• 策略优化与自动提醒开发

二、数据爬取与存储

使用 akshare 和 pandas 获取完整市场行情，并存入 my_stocks_data.db：

engine = create_engine('sqlite:///my_stocks_data.db')
all_stocks_data.to_sql('stock_data', con=engine, index=False, if_exists='append')

三、构建交易策略：移动平均交叉法

• 策略逻辑：当短期均线（如20日）上穿长期均线（如50日）时买入，反之卖出。
• 策略应用于股票代码：600000

signals = moving_average_strategy(stock_data, short_window=40, long_window=100)

图示：买卖信号与股价交叉点：

四、策略回测

构建组合价值与交易记录：

portfolio, trades = backtest(signals, stock_data)

五、股票池筛选与批量回测

通过波动率选出低风险股票构建股票池（下25%波动性）：

low_volatility_stocks = all_stocks_data.groupby('股票代码')['波动性'].mean().nsmallest(...)

六、策略优化与性能评估

遍历多个窗口组合寻找最佳参数：

best_params, best_perf = optimize_strategy(data, range(20,60,10), range(80,160,20))

结果示意：

Best Parameters: {'short_window': 50, 'long_window': 100}
Best Performance: 0.0134

七、开发自动提醒功能

实时监测股票池个股，触发交易信号发送邮件通知：

monitor_stocks(stock_pool=[600000, 600004, 600007], short_window=40, long_window=100)

Week 4: 使用基础机器学习方法选取特征

本周的目标是从金融时间序列数据中提取有效特征，构建基础机器学习模型，评估其预测能力，并最终生成可用于后续神经网络训练的特征集。

一、时间序列划分（TimeSeriesSplit）

我们使用 TimeSeriesSplit 方法将历史数据划分为训练集和测试集，保持时间上的连续性，防止未来信息泄露。

训练集与测试集划分结果：

• 训练集样本数：1051
• 测试集样本数：210

二、模型训练：Gradient Boosting Regression

我们使用梯度提升回归（GBR）模型进行收盘价预测，损失函数为RMSE：

GradientBoostingRegressor(learning_rate=0.01, n_estimators=500, subsample=0.5)

RMSE指标：2.52（NVDA）

三、特征选择与可视化

从模型中导出特征重要性，分析后决定不剔除原始特征

重要性柱状图展示：

四、弃用复杂模型，测试基础回归器

我们比较了线性回归与决策树：

• Linear Regression RMSE：1.41
• Decision Tree Regressor RMSE：3.51

五、特征预处理函数封装

定义 prepare_features(df) 函数，将原始数据清洗并格式化为训练用特征组，适用于未来实时预测任务。

六、扩充数据样本：获取额外股票历史数据

通过 Alpha Vantage API 获取包括 NVDA、AAPL、AMD、META、MSFT、GOOGL 等19支科技股数据，合并后保存为 all_stock_data.csv

Week 5-6: 回报率预测模型构建与评估

一、预测目标：Daily Return（日收益率）

相比直接预测股价，收益率具备更好的稳定性与统计特性，适合用作模型目标变量：

• 避免价格的量级差异
• 对市场噪声不敏感，预测更可靠
• 更易符合正态分布假设

二、数据处理与日收益率计算

选取四支科技龙头股（AAPL, AMZN, GOOGL, MSFT），合并数据并计算daily return：

apple['daily_return'] = apple['4. close'].pct_change()

查看每日收益率的直方图分布：

三、训练日收益率预测模型（LSTM）

模型结构：

• 输入：滑动时间窗口（20天）
• 网络结构：2层 LSTM + 全连接输出层
• 损失函数：MSE
• 优化器：Adam

model.add(LSTM(units=50, return_sequences=True))
model.add(LSTM(units=50))
model.add(Dense(units=1))

训练损失下降过程：

Epoch 1/50
93/93 [==============================] - 2s 13ms/step - loss: 0.0028 - val_loss: 0.0013
...
Epoch 50/50
93/93 [==============================] - 1s 9ms/step - loss: 0.0012 - val_loss: 4.6233e-04

四、模型评估指标

参考论文建议，评估指标从传统RMSE扩展到 ROI, D-return, VaR, Sharpe Ratio 等：

五、结论与下一步

LSTM 模型展示了极强的收益预测能力，适用于策略开发和智能投顾场景。下一阶段将进行策略部署与实盘测试。