Python金融大数据分析——第13章面向对象笔记

不念不忘少年蓝@ 2022-05-20 03:15 277阅读 0赞

*  第13章 面向对象和图形用户界面
    
     *  13.1 面向对象
        
         *  13.1.1 Python类基础知识
         *  13.1.2 简单的短期利率类
         *  13.1.3 现金流序列类
     *  13.2 图形用户界面

# 第13章 面向对象和图形用户界面 #

## 13.1 面向对象 ##

### 13.1.1 Python类基础知识 ###

class ExampleOne(object):
        pass
    
    
    class ExampleTwo(object):
        def __init__(self, a, b):
            self.a = a
            self.b = b
    
    
    c = ExampleTwo(1, 'text')
    c.a
    # 1
    c.b
    # 'test'
    c.a = 100
    c.a
    # 100
    
    
    # 对象的属性可以在实例化之后定义
    
    
    c = ExampleOne()
    c.first_name = 'Jason'
    c.last_name = 'Bourne'
    c.movies = 4
    print(c.first_name, c.last_name, c.movies)
    
    
    # Jason Bourne 4
    
    class ExampleThree(object):
        def __init__(self, a, b):
            self.a = a
            self.b = b
    
        def addition(self):
            return self.a + self.b
    
    
    c = ExampleThree(10, 15)
    c.addition()
    # 25
    c.a += 10
    c.addition()
    # 35
    
    # 继承
    class ExampleFour(ExampleTwo):
        def addition(self):
            return self.a + self.b
    
    
    c = ExampleFour(10, 15)
    c.addition()
    # 25
    
    
    # Python 允许多重继承。然而，应该小心处理可读性和可维护性，特别是供其他人使用时
    class ExampleFive(ExampleFour):
        def multiplication(self):
            return self.a * self.b
    
    
    c = ExampleFive(10, 15)
    c.addition()
    # 25
    c.multiplication()
    # 150
    
    
    # 自定义方法定义不一定要包含在类定义中。 它们可以放在其他位置， 只要它们处于全局命名空间， 就可以在类定义中使用
    def multiplication(self):
        return self.a * self.b
    
    
    class ExampleSix(ExampleFour):
        multiplication = multiplication
    
    
    c = ExampleSix(10, 15)
    c.addition()
    # 25
    c.multiplication()
    # 150
    
    class ExampleSeven(object):
        def __init__(self, a, b):
            self.a = a
            self.b = b
            self.__sum = a + b
    
        multiplication = multiplication
    
        def addition(self):
            return self.__sum
    
    
    c = ExampleSeven(10, 15)
    c.addition()
    # 25
    
    # 不能直接访问私有属性sum。但是， 通过如下语法仍然可以做到：
    c._ExampleSeven__sum
    # 25
    
    c.a += 10
    c.a
    # 20
    
    c.multiplication()
    # 300
    
    
    class sorted_list(object):
        def __init__(self, elements):
            self.elements = sorted(elements)  # sorted list object
    
        def __iter__(self):
            self.position = -1
            return self
    
        def __next__(self):
            if self.position == len(self.elements) - 1:
                raise StopIteration
            self.position += 1
            return self.elements[self.position]
    
    
    name_list = ['Sandra', 'Lilli', 'Guido', 'Zorro', 'Henry']
    for name in name_list:
        print(name)
    # Sandra
    # Lilli
    # Guido
    # Zorro
    # Henry
    
    sorted_name_list = sorted_list(name_list)
    for name in sorted_name_list:
        print(name)
    
    # Guido
    # Henry
    # Lilli
    # Sandra
    # Zorro
    
    type(sorted_name_list)
    # __main__.sorted_list

### 13.1.2 简单的短期利率类 ###

在连续折现的固定短期利率世界中，日期 t>0 时的未来现金流与当前日期 t=0 之间的折现因子定义为：D0(t)=e−rt  D 0 ( t ) = e − r t 。

import numpy as np
    
    
    def discount_factor(r, t):
        """
        Function to calculate a discount factor.
        :param r: float
        positive, constant short rate
        :param t: float
        future date(s), in fraction of years:;
        e.g. 0.5 means half a year from now
        :return:float
        discount factor
        """
        # use of NumPy universal function for vectorization
        df = np.exp(-r * t)
        return df
    
    
    import matplotlib.pyplot as plt
    
    # 不同短期利率在5年内的折现因子
    t = np.linspace(0, 5)
    for r in [0.01, 0.05, 0.1]:
        plt.plot(t, discount_factor(r, t), label='r= %4.2f' % r, lw=1.5)
    plt.xlabel('years')
    plt.ylabel('discount factor')
    plt.grid(True)
    plt.legend(loc=0)

![不同短期利率在5年内的折现因子][5]

上图展示了5年内不同固定短期利率下折现因子的表现。t=0时的折现因子都等于1；也就是说， 当日现金流 “没有折现”。如果短期利率为10%, 5 年后到期的现金流将被折算为略高于0.6个货币单位（即60%）。

# 基于类的实现方法
    class short_rate(object):
        """
        Class to model a constant shrot rate object.
        """
    
        def __init__(self, name, rate):
            """
            :param name: string
            name of the object
            :param rate: float
            positive, constant short rate 
            """
            self.name = name
            self.rate = rate
    
        def get_discount_factors(self, time_list):
            """
            获取折现因子
            :param time_list: list/array-like
            :return:
            """
            time_list = np.array(time_list)
            return np.exp(-self.rate * time_list)
    
    
    sr = short_rate('r', 0.05)
    sr.name, sr.rate
    # ('r', 0.05)
    
    # 包含年分数的时间列表
    time_list = [0.0, 0.5, 1.0, 1.25, 1.75, 2.0]
    sr.get_discount_factors(time_list)
    # array([1.        , 0.97530991, 0.95122942, 0.93941306, 0.91621887,
    #        0.90483742])
    
    # 生成图表
    for r in [0.025, 0.05, 0.1, 0.15]:
        sr.rate = r
        plt.plot(t, sr.get_discount_factors(t), label='r=%4.2f' % sr.rate, lw=1.5)
    plt.xlabel('year')
    plt.ylabel('discount factor')
    plt.grid(True)
    plt.legend(loc=0)

![不同短期利率在5年内的折现因子][5 1]

通常， 折现因子 “ 只是” 达到某种目的的手段。例如， 你可能想要用它们计算未来现金流的现值。利用我们的短期利率对象， 在已知现金流和出现日期 / 时间的情况下， 这是很容易做到的。 考虑如下现金流示例， 在例子中包含今天的负现金流和经过一年及两年之后的正现金流， 这可能是某种投资机会的现金流配置：

sr.rate = 0.05
    cash_flows = np.array([-100, 50, 75])
    time_list = [0.0, 1.0, 2.0]
    # 折现因子
    disc_facts = sr.get_discount_factors(time_list)
    disc_facts
    # array([1.        , 0.95122942, 0.90483742])
    
    # 现金流乘以折现因子就可以得到所有现金流的现值
    disc_facts * cash_flows
    # array([-100.        ,   47.56147123,   67.86280635])

投资理论中的典型决策原则之一是，决策者应该在给定（短期）利率（表示投资的机会成本）下净现值（NPV）为正数的项目上投资。在我们的例子中， NPV就是简单地加总单个现值：

# net present value
    np.sum(disc_facts * cash_flows)
    # 15.424277577732667
    
    sr.rate = 0.15
    np.sum(sr.get_discount_factors(time_list) * cash_flows)
    # -1.403234627618268

显然， 在短期利率为5%时应该做出投资。 对于15%的利率，此时NPV 变成负数， 不应该进行投资。

### 13.1.3 现金流序列类 ###

定义一个现金流序列的模型。这个类提供方法，返回给定现金流系列（即现金流价值和日期／时间）现值和净现值的列表数

class cash_flow_series(object):
        """
        Class to model a cash flow series.
        """
    
        def __init__(self, name, time_list, cash_flows, short_rate):
            """
            :param name: string
             name of the object
            :param time_list: list/array-like
            list of (positive) year fractions
            :param cash_flows: list/array-like
            corresponding list of cash flow values
            :param short_rate: instance of short_rate class
            short rate object used for discounting
            """
            self.name = name
            self.time_list = time_list
            self.cash_flows = cash_flows
            self.shrt_rate = short_rate
    
        def present_value_list(self):
            df = self.shrt_rate.get_discount_factors(self.time_list)
            return np.array(self.cash_flows) * df
    
        def net_presnt_value(self):
            return np.sum(self.present_value_list())
    
    
    sr.rate = 0.05
    cfs = cash_flow_series('cfs', time_list, cash_flows, sr)
    cfs.cash_flows
    # array([-100,   50,   75])
    cfs.time_list
    # [0.0, 1.0, 2.0]
    cfs.present_value_list()
    # array([-100.        ,   47.56147123,   67.86280635])
    cfs.net_presnt_value()
    
    
    # 15.424277577732667
    
    # 定义新类，提供计算不同短期利率下NPV的方法——即敏感度分析
    # 从cash_flow_series类继承：
    class cfs_sensitivity(cash_flow_series):
        def npv_sensitivity(self, short_rates):
            npvs = []
            for rate in short_rates:
                sr.rate = rate
                npvs.append(self.net_presnt_value())
            return np.array(npvs)
    
    
    cfs_sens = cfs_sensitivity('cfs', time_list, cash_flows, sr)
    # 定义一个包含不同短期利率的列表， 就可以轻松地比较结果NPV
    short_rates = [0.01, 0.025, 0.05, 0.075, 0.1, 0.125, 0.15, 0.2]
    npvs = cfs_sens.npv_sensitivity(short_rates)
    npvs
    # array([23.01739219, 20.10770244, 15.42427758, 10.94027255,  6.64667738,
    #         2.53490386, -1.40323463, -8.78945889])
    
    plt.plot(short_rates, npvs, 'b')
    plt.plot(short_rates, npvs, 'ro')
    plt.plot((0, max(short_rates)), (0, 0), 'r', lw=2)
    plt.grid(True)
    plt.xlabel('short rate')
    plt.ylabel('net present value')

![不同短期利率下的现金流列表净现值][70]

## 13.2 图形用户界面 ##

用的比较少，这里就不再赘述。参考 traits

[5]: /images/20220520/0cc6ed7c59594c57b4046dc2e88e207c.png
[5 1]: /images/20220520/7ab11a5410204bc193508b51ce4b9ac7.png
[70]: /images/20220520/1fa4fd1b12d24696b932a9f2e2e9f6d7.png