Python量化交易进阶讲堂-基于欧奈尔RPS指标选股策略

欢迎你们订阅《Python实战-构建基于股票的量化交易系统》小册子，小册子会陆续推出与小册内容相关的专栏文章，对涉及到的知识点进行更全面的扩展介绍，而且会有选择地收录至小册中，更便于广大读者查阅知识点。本篇专栏为小册子内容的加推篇！！！

前言

在国内你们可能对彼得·林奇（Peter Lynch）、沃伦·巴菲特（Warren E. Buffett）这些华尔街（wall street）的金融大鳄比较熟悉，其实威廉·欧奈尔（William J. O’Neil）的投资成就一样和他们相媲美。

威廉·欧奈尔把投资理念集中于他自创的CANSLIM选股系统，凭借着这个系统驰骋股票市场数十年，不管在牛市仍是熊市，这个系统都是最稳定、表现最好的系统之一。

归纳地说，CANSLIM体系是典型的价值投资法，它专一于挑选基本面优秀、技术面突出、又有足够机构投资者支持的领涨股。

CANSLIM选股系统中有一个RPS指标（Relative Price Strength Rating），即股价相对强度指标，根据一段时间内个股涨幅在所有股票涨幅排名中的位次值，选取出市场中的强势股。

本节咱们就来介绍下如何计算欧奈尔RPS指标，以及如何基于欧奈尔RPS指标制定选股策略。

涨跌幅指标的计算

RPS指标怎么计算呢？RPS的值介于0-100之间，好比A股共有1000只股票，若某只股票的250日的涨幅在全部股票中排名第100位，则该股票的RPS值为：(1-100/1000)*100=90。

RPS的值表明该股的250日涨幅超过其余90%的股票的涨幅。经过该指标能够反映出个股的走势在同期市场中的相对强弱表现。所以在过去250个交易日，全部股票的涨幅排行中，前1%的股票的RPS值为99至100，前2%的股票的RPS值为98至99……以此类推。

RPS时间周期能够本身根据须要进行调整，默认定义为250日（一年），固然经常使用的还有60日（3个月）、120日（半年）等等。

接下来咱们一步步用代码来实现RPS指标的计算。这里咱们使用tushare的数据，查看下股票伟星新材的收盘价序列，数据获取可参照《差别化分析经常使用股票交易数据接口》小节。以下所示：

""" trade_date 2018-01-02 19.78 2018-01-03 20.36 2018-01-04 20.60 2018-01-05 20.77 2018-01-08 20.62 2018-01-09 20.96 2018-01-10 20.53 ... 2019-12-31 13.17 Name: close, Length: 487, dtype: float64 """
复制代码

计算股票N日的涨跌幅，公式为：今日收盘价/昨日收盘价-1，其实也可使用DataFrame.pct_change()这个方法，效果是同样的。为了显示比较直观以5日涨幅为例，以下所示，固然对于缺失值咱们应该按以前介绍的方法用0去填充。

""" trade_date 2018-01-02 NaN 2018-01-03 NaN 2018-01-04 NaN 2018-01-05 NaN 2018-01-08 NaN 2018-01-09 0.059656 2018-01-10 0.008350 ... 2019-12-31 0.025701 Name: close, Length: 487, dtype: float64 """
复制代码

由于RPS指标指的是一段时间内个股涨幅在所有股票涨幅排名中的位次值，因此接下来咱们要计算出所有股票的120日涨跌幅数值，以下所示：

""" 平安银行 万科A 国农科技 ... 继峰股份 方盛制药 读者传媒 trade_date ... 2019-07-03 0.524483 0.220502 NaN ... 0.016753 0.576159 0.147368 2019-07-04 0.507543 0.227669 NaN ... NaN 0.554585 0.151579 2019-07-05 0.427692 0.181308 NaN ... 0.040506 0.495763 0.096192 2019-07-08 0.395277 0.163673 NaN ... -0.008906 0.389344 0.043478 2019-07-09 0.406832 0.166000 NaN ... -0.044529 0.384146 0.029703 2019-07-10 0.364185 0.151599 NaN ... -0.047134 0.338614 0.043651 2019-07-11 0.340594 0.163282 NaN ... -0.034982 0.324803 0.048000 2019-07-12 0.384314 0.171937 NaN ... -0.028894 0.333992 0.029762 2019-07-15 0.384768 0.199041 NaN ... -0.014066 0.355865 0.042510 2019-07-16 0.342773 0.194754 NaN ... -0.007732 0.351085 0.021825 2019-07-17 0.306298 0.185287 0.267123 ... -0.040764 0.339921 0.034137 2019-07-18 0.333659 0.205046 0.244923 ... -0.033376 0.338028 0.011834 2019-07-19 0.341323 0.192158 0.225904 ... -0.011796 0.370297 -0.011583 2019-07-22 0.339458 0.212476 0.138211 ... -0.045514 0.352475 -0.046967 2019-07-23 0.338521 0.181102 0.148126 ... -0.045337 0.406000 -0.027668 2019-07-24 0.341063 0.184117 0.162694 ... -0.029948 0.394790 -0.002004 ...  ... ... ... ... ... ... ... 2019-12-31 0.210449 0.103945 0.085536 ... 0.037227 0.224189 0.390152 [124 rows x 3003 columns] """
复制代码

其中不一样股票由于上市的时间不一样，因此120日周期的移动涨跌幅会存在缺失值，咱们能够用0去填充。

同窗们能够参照《股票交易策略：线性回归算法创建选股策略》小节获取市场所有股票信息，再逐个获取个股数据。

固然笔者已经把数据存储为CSV文件，这样下次能够从CSV文件中导入，有须要的同窗能够经过交流群获取，文件以下所示：

咱们看下2019-12-31这一天平安银行120日涨幅为0.210449，咱们用可视化方法看下这一天所有股票的涨跌幅排布如何，显示效果以下所示：

能够发如今3000只股票中， 120日收益率在[-0.11188698 -0.03826044]区间的股票最多，有657只，在这个区间附近也很是多。分布的数值以下所示：

""" [ 3. 8. 7. 22. 67. 151. 348. 657. 547. 427. 225. 145. 102. 97. 62. 25. 30. 15. 15. 6. 9. 8. 8. 5. 2. 0. 2. 0. 2. 0. 1. 0. 0. 1. 0. 1. 0. 0. 3. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 1.] [-0.62727273 -0.55364619 -0.48001966 -0.40639312 -0.33276658 -0.25914005 -0.18551351 -0.11188698 -0.03826044 0.03536609 0.10899263 0.18261916 0.2562457 0.32987224 0.40349877 0.47712531 0.55075184 0.62437838 0.69800491 0.77163145 0.84525799 0.91888452 0.99251106 1.06613759 1.13976413 1.21339066 1.2870172 1.36064373 1.43427027 1.50789681 1.58152334 1.65514988 1.72877641 1.80240295 1.87602948 1.94965602 2.02328256 2.09690909 2.17053563 2.24416216 2.3177887 2.39141523 2.46504177 2.5386683 2.61229484 2.68592138 2.75954791 2.83317445 2.90680098 2.98042752 3.05405405] """
复制代码

咱们选取前10只股票可视化涨跌幅值，显示效果以下所示：

RPS指标的计算

下一步对所有股票的涨跌幅值进行排序，排序完成后咱们能够获得每一天的涨幅排名，以下所示：

""" 2019-11-22 中国天楹 0.548611 中国长城 0.515271 深大通 0.502844 深桑达A 0.490971 全新好 0.450980 德赛电池 0.408602 神州数码 0.325490 平安银行 0.257258 ...  ... 长虹华意 -0.139588 特发信息 -0.140711 兴业矿业 -0.148893 方大集团 -0.152330 """
复制代码

而后对每一个股票的涨跌幅从1开始逐个编号排序，而且计算出RPS指标，如下是某一天通过排序后涨跌幅排名以及对应的RPS值和股票代码，以DataFrame数据格式存储，此处咱们只罗列了其中的10只，以下所示：

""" pct name rps n 1 0.457271 全新好 90.0 2 0.190374 平安银行 80.0 3 0.101951 国农科技 70.0 4 0.088542 中国宝安 60.0 5 0.071986 万科A 50.0 6 -0.051693 深振业A 40.0 7 -0.052493 神州高铁 30.0 8 -0.058116 深物业A 20.0 9 -0.077844 世纪星源 10.0 10 -0.078804 *ST美丽 0.0 """

复制代码

一样咱们看下截止到2019-12-31这一天涨幅榜前十名和后十名分别是什么股票，以下所示：

RPS指标的选股

有了天天的股票RPS值排名之后，咱们就能够把天天排名第一的股票聚集起来，以下所示：

""" pct name rps 20190703 2.925358 金运激光 99.9667 20190704 2.883792 金运激光 99.9667 20190705 2.779621 兴齐眼药 99.9667 20190708 3.089744 兴齐眼药 99.9667 20190709 3.130105 兴齐眼药 99.9667 ...  ... ... ... 20191120 2.724040 宝鼎科技 99.9667 20191230 2.931699 漫步者 99.9667 20191231 3.054054 漫步者 99.9667 [124 rows x 3 columns] """
复制代码

好了，计算RPS指标只是第一步，而后咱们会针对这些数据展开可视化选股分析。

首先查看下2019年7月3日-2019年12月31日每日RPS的状况，这里咱们仅列出每日RPS排名前十的股票，显示效果以下所示：

从中能够看到里面出现很多熟悉的“妖股”身影，好比金运激光、兴齐眼药、宝鼎科技、漫步者……

拿漫步者和金运激光来讲，漫步者在A点开始RPS一直处于高位，保持着强势股的特征。金运激光在B点开始一直下跌，而后持续处于低位，股价一直反弹不起来。可见RPS的实战意义是，在强势股出现第一波上涨后发现它，而后深刻挖掘，。当强势股转弱时也能够经过RPS的变化来观察。

总结

因而可知经过RPS指标能够初步筛选出市场中的强势股，对于选股过程来讲意义重大。另外一方面，该指标仍旧须要结合CANSLIM系统的其余指标一块儿使用，对初步筛选的股票进一步的过滤。

以上策略及涉及到的股票仅用于教学，不构成任何投资建议！投资需谨慎，入市有风险！！！

更多的量化交易内容欢迎你们订阅小册阅读！！同时也欢迎你们关注个人微信公众号【元宵大师带你用Python量化交易】了解更多Python量化交易相关内容