【量化杂谈之基础篇8】时间与周期

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

量化杂谈之基础篇系列文章：

基础篇1：https://bbs.pinggu.org/thread-4145710-1-1.html

基础篇2：https://bbs.pinggu.org/thread-4154818-1-1.html

基础篇3：https://bbs.pinggu.org/thread-4164534-1-1.html

基础篇4：https://bbs.pinggu.org/thread-4172585-1-1.html

基础篇5：https://bbs.pinggu.org/thread-4191475-1-1.html

基础篇6：https://bbs.pinggu.org/thread-4409589-1-1.html

基础篇7：https://bbs.pinggu.org/thread-4451050-1-1.html

今天我们来谈一下量化投资中涉及到的关于时间和周期的一些问题。

在前面的讲解中，大家应该还记得量化中的数据主要有两种：一种是tick数据，另一种则是bars数据。bars数据理解起来较为简单，它就是K线中蜡状图所包含的最高、最低、开盘、收盘等数据；bars数据是与周期有关的，如日K中看到的一根bar就是以1d为周期。对于什么是tick数据，我想大家可能还不太明白，下面我们对它的含义做了一个浅显的解释。

什么是Tick

在国内，tick是一种snapshot，它指的是间隔很短的时间（毫秒）对交易流数据进行快照。tick数据也包含了开盘价、最高价、最低价、最新价、成交量、成交额这些字段，需要注意的是这些数据是从开盘作为起始时间点计算的。这种tick数据可以理解为更加高频的bars数据，它并不能反映真实的订单成交情况，相邻的tick与tick数据之间可能发生了多笔成交事件。

真实的tick是把orderbook每一次变化的结果在成交价附近取一个快照记录下来，只要在交易委托book上最优买卖单的状态发生变化，那么就会产生一条tick数据。这里的状态改变指的是增加、减少订单数量，改变订单价格，订单成交等。

Bars周期的变换

Bars数据是与周期有关的，那么自然就产生了一个问题，如何将短周期的bars变换为长周期的bars数据。

我们以日线和周线为例来讲解周期变换的过程，周线中的各数据指标与日线指标之间的关系如下：

周线【close】= 本周最后一个交易日线【close】

周线【open] = 本周最后一个交易日线【open】

周线的【high】= max（本周所有日线【high】)

周线的【low】= min（本周所有日线【low】）

周线的【volume】= sum（本周所有日线【volume】）

在pandas函数中，使用resample能够非常方便地完成周期转换的工作。resample方法中有两个参数，一个参数是重采样的周期period，另一个参数是重采样的方法how。使用resample需要注意的是series中的index必须是 datetimeIndex。

下面的代码完整地展现了bars周期转换的实现方法。

1. import pandas as pd
   
2. import tushare as ts
   
3. 
   
4. def convert_period(bars, period):
   
5.     ''' convert bars to low freq bars'''
   
6.     if not isinstance(bars.index,pd.DatetimeIndex):
   
7.     bars.index = pd.DatetimeIndex(bars.index).to_datetime()
   
8.     nbars = pd.DataFrame()
   
9.     nbars['open'] = bars['open'].resample(period,how = 'first')
   
10.     nbars['high'] = bars['high'].resample(period,how = 'max')
    
11.     nbars['low'] = bars['low'].resample(period,how = 'min')
    
12.     nbars['close'] = bars['close'].resample(period,how = 'last')
    
13.     nbars['volume'] = bars['volume'].resample(period,how = 'sum')
    
14.     return nbars
    
15.    
    
16. if __name__ == '__main__':
    
17.     bars_60m = ts.get_hist_data('600848', ktype='60')
    
18.     bars_1d = ts.get_h_data('002337', start='2015-01-01', end='2015-03-16')
    
19.     convert_period(bars_1d,'W')
    
20.     convert_period(bars_60m,'D')

复制代码

时间周期编码

从前面的讨论我们知道，任何bars数据都是内含周期的，于是便产生了一个问题：如何区分相同时间但不同周期的bars数据。我们需要一种通用的方法对时间周期进行编码，使得同一交易品种在不同时间周期的数据具有唯一性。编码的方式可以采用时间戳+周期自定义id的形式进行，实现该编码变换比较简单，大家有兴趣可以自己练习。

我的微信公众号：会掘金的小鹿（NuggetsRoad)
是时候关注一波了！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏7 回帖

关键词：基础篇 Dataframe Resample datetime instance 文章 开盘 收盘