为北交所构造一个股票指数，【北证50】,包含50个成分股。

前言

北交所目前没有一个成熟的指数，咱给他编一个。

一、股指构建流程

一、基期和基点的确定：

基期：20211231 

大部分股指是以某一固定日为基日。基于北交所的情况，选取其开市当年的年尾作为基日

基点：1000

基点参考沪深300指数

二、样本股的确定：

考虑到北交所上市不到180天，上市公司不到一百家，故根据日均成交金额剔除排名后25%的股票，再根据日均总市值对剩余股票进行排名，选取前50只股票作为样本股。

三、计算公式的确定

二、Python实现

1.引入库

代码如下（示例）：

import pandas as pd
import mplfinance as mpf
from datetime import datetime,timedelta
base_index = 1000 #基期的基点数确定为1000

2.绘制K线图函数

def draw_candlepic(data, filename):
    # 设置marketcolors
    mc = mpf.make_marketcolors(
        up=\'red\',
        down=\'green\',
        edge=\'i\',
        wick=\'i\',
        volume=\'in\',
        inherit=True)

    # 设置图形风格
    s = mpf.make_mpf_style(
        gridaxis=\'both\',
        gridstyle=\'-.\',
        y_on_right=False,
        marketcolors=mc)

    kwargs = dict(
        type=\'candle\',
        mav=(5, 10),
        volume=True,
        title=\"BJ stock exchange stock index\",
        ylabel=\'Stock Index\',
        ylabel_lower=\'Traded Volume\',
        # figratio=(15, 10),
        # figscale=5
        )
    pic = mpf.plot(data,
             **kwargs,
             style=s,
             show_nontrading=False,
             savefig=filename
             )
    return pic

3.从含有多个股票数据的面板中抽取出某个股票的数据函数

def pro_daily_stock(code_val,data,start_val ,end_val):
    \"\"\"
    从含有多个股票数据的面板中抽取出某个股票的数据。

    Parameters:
     code_val - 要抽取的股票带代码
     data - 含有股指成分股票的open、close、high、low、volume、流通股本、总股本数据的dataframe
     start_val - 开始的时间
     end_val - 结束的时间

    Returns:
     股指的open、close、high、low、volume、equity_all 、equity_mkt，dataframe。

    Raises:
     KeyError - raises an exception
    \"\"\"
    df = data.loc[data[\'Code\'] == code_val]
    df = df[(df[\'Date\'] < end_val) & (df[\'Date\'] > start_val)]

    #返回
    return  df

4.判断调整股本系数函数

def adjusted_pro(proposition_all):
    #print(proposition_all)
    result = []
    for proposition in proposition_all:
        if(proposition <= 0.1):
            result.append(proposition)
        elif(proposition > 0.1 and proposition <= 0.2):
            result.append(0.2)
        elif(proposition > 0.2 and proposition <= 0.3):
            result.append(0.3)
        elif(proposition > 0.3 and proposition <= 0.4):
            result.append(0.4)
        elif(proposition > 0.4 and proposition <= 0.5):
            result.append(0.5)
        elif(proposition > 0.5 and proposition <= 0.6):
            result.append(0.6)
        elif(proposition > 0.6 and proposition <= 0.7):
            result.append(0.7)
        elif(proposition > 0.7 and proposition <= 0.8):
            result.append(0.8)
        elif(proposition > 0.8):
            result.append(1.0)
    #print(result)
    return result

5.成分股筛选函数

def component_select( stock_list , volum , value):
    \"\"\"
    对选入北交所股指的成分股进行筛选.

    Parameters:
     stock_list - 所有股票的代码列表
     volum - 用于筛选的成交量列表
     value - 用于筛选的市值列表

    Returns:
     被筛选进入股指的股票代码列表

    Raises:
     KeyError - raises an exception
    \"\"\"
    table = []
    for stock, vol, val in zip(stock_list , volum , value):
        table.append([stock, vol, val])
    table.sort(key=lambda x : x[1],reverse=True)
    table = table[0:int(3*(len(table)/4))]
    
    table.sort(key=lambda x : x[2],reverse=True)
    table = table[0:20]
    return [i[0] for i in table]

6.股指计算函数（加权计算公式）

#股指计算函数（加权计算公式）
def stockindex_cal(list_code, data , start_val, end_val):
  \"\"\"
    计算股指的open、close、high、low、volume数值，并返回dataframe。

    Parameters:
     list_code - 所有股票的代码列表
     data - 含有股指成分股票的open、close、high、low、volume、流通股本、总股本数据的dataframe
     start_val - 开始的时间
     end_val - 结束的时间

    Returns:
     股指的open、close、high、low、volume，dataframe。

    Raises:
     KeyError - raises an exception
    \"\"\"
    dfopen_list = pd.DataFrame()
    dfclose_list = pd.DataFrame()
    dfhigh_list = pd.DataFrame()
    dflow_list = pd.DataFrame()
    dfvolumn_list = pd.DataFrame()
    dfequity_adjusted_list = pd.DataFrame()
    dfdatetime_list = pd.DataFrame()

    i = 0
    j = []
    stock_dati = pro_daily_stock(list_code[0],data, start_val, end_val)
    dfdatetime_list = stock_dati[\'Date\']
    for code in list_code:
        print(i,\"股票代码：\",code)
        stock_dati = pro_daily_stock(code,data, start_val, end_val)
        #dfdatetime_list[i] = stock_dati[\'Date\']
        #stock_dati.info()
        ##更新数值，叠加序列
        proposition_all = []
        for a,b in zip(stock_dati[\'equity_mkt\'] , stock_dati[\'equity_all\']):
            proposition_all.append(a/b)
        dfequity_adjusted_list[i] = (np.multiply(np.array(stock_dati[\'equity_all\']),np.array(adjusted_pro(proposition_all)))).tolist()
        dfopen_list[i] = (np.multiply(np.array(stock_dati[\'Open\']),np.array(dfequity_adjusted_list[i]))).tolist()
        dfclose_list[i] = (np.multiply(np.array(stock_dati[\'Close\']),np.array(dfequity_adjusted_list[i]))).tolist()
        dfhigh_list[i] = (np.multiply(np.array(stock_dati[\'High\']),np.array(dfequity_adjusted_list[i]))).tolist()
        dflow_list[i] = (np.multiply(np.array(stock_dati[\'Low\']),np.array(dfequity_adjusted_list[i]))).tolist()
        dfvolumn_list[i] = stock_dati[\'Volume\'].tolist()
        j.append(dfequity_adjusted_list[i])
        i = i + 1
    new_j = []
    
    for column in range(len(j[0])):
        total = 0
        # print(\"column = \",column)
        for i in range(len(j)):
            total += j[i][column]
        new_j.append(total)
    df_new_j = pd.DataFrame(new_j)
    # 
    print(pd.concat([dfopen_list,df_new_j],axis=1,ignore_index=True).index)
    stockindex = pd.DataFrame()
    stockindex[\'Open\'] = pd.concat([dfopen_list,df_new_j],axis=1,ignore_index=True).apply(lambda x: x[0:len(x)-2].sum()/x[len(x)-1], axis=1)
    stockindex[\'Close\'] = pd.concat([dfclose_list,df_new_j],axis=1,ignore_index=True).apply(lambda x: x[0:len(x)-2].sum()/x[len(x)-1], axis=1)
    stockindex[\'High\'] = pd.concat([dfhigh_list,df_new_j],axis=1,ignore_index=True).apply(lambda x: x[0:len(x)-2].sum()/x[len(x)-1], axis=1)
    stockindex[\'Low\'] = pd.concat([dflow_list,df_new_j],axis=1,ignore_index=True).apply(lambda x: x[0:len(x)-2].sum()/x[len(x)-1], axis=1)
    stockindex[\'Volume\'] = dfvolumn_list.apply(lambda x: x.sum(), axis=1)
    coefficient = 1000 / stockindex[\'Open\'][0]
    stockindex[\'Open\'] = stockindex[\'Open\'] *coefficient
    stockindex[\'Close\'] = stockindex[\'Close\'] *coefficient
    stockindex[\'High\'] = stockindex[\'High\'] *coefficient
    stockindex[\'Low\'] = stockindex[\'Low\'] *coefficient  
    stockindex.index = dfdatetime_list
    return stockindex

7.调用函数实现功能

#获取数据
filepath = r\'\'#北交所股票数据文件位置
df_data = pd.read_excel(filepath)
df_data=df_data[~df_data.isin([\'--\'])]
df_data=df_data[~df_data.isin([\'#VALUE!\'])]
df_data[\'Date\'] = pd.to_datetime(df_data[\'Date\'])
df_data.dropna(inplace = True)
name = [\'Code\',\'Date\']
for (columnName, columnData) in df_data.iteritems():
    if(columnName not in name):
        df_data[columnName] = df_data[columnName].astype(\'float\')
benchemarkday = \'2021-12-31\'
df_data_benchemarkday = df_data[df_data[\'Date\'] == benchemarkday]
#print(df_data_benchemarkday)
#对应代码 选取市值前十的编制指数
list_code = component_select(list(df_data_benchemarkday[\'Code\']),list(df_data_benchemarkday[\'Volume\']),list(df_data_benchemarkday[\'Value\']))
#print(list_code)
BJstockindex = stockindex_cal(list_code,df_data,datetime(2021,12,31), datetime(2022,4,29))
print(BJstockindex)
BJstockindex.info()
BJstockindex.to_excel(r\'\')#股指行情数据存储位置
#绘制版块K线图
filename = r\'\'#k线图存储位置
pic = draw_candlepic(BJstockindex, filename)

mpf.plot(BJstockindex)
print(\"成分股包括\",len(list_code),\"个:\",list_code)

总结

结果

北交所【北证50】行情数据：

数据点我主页查找