【原】streamlit量化选择etf：可视化界面实现

AI量化实验室 2023-10-12 发布于北京

展开全文

原创文章第132篇，专注“个人成长与财富自由、世界运作的逻辑，AI量化投资”。

本以为本周的早高峰人会变多，因为有大量的公司要开始复工，结果似乎没有发生。所以，“大家做自己健康的第一责任人”是没有问题的，而且很多店铺自己就把店关了，多数人都自觉戴上了N95，自觉保持社交距离。——也许这就是“市场经济”的力量吧，你越不管，“自觉”的力量就觉醒了。

今天把etf的列表可视化出来，人是视觉动物，可视化非常重要。

看下效果：

01 从tushare下载场内基金基本信息

A股场内基金一共1700多支（比场外基金少多了），退市的500多支，可交易的1205支。

# ================ basic =========================
def download_etfs_basic():
    # 拉取数据
    df = pro.fund_basic(**{
        "ts_code": "",
        "market": "E",
        "update_flag": "",
        "offset": "",
        "limit": "",
        "status": "L",
        "name": ""
    }, fields=[
        "ts_code",
        "name",
        "management",
        "custodian",
        "fund_type",
        "found_date",
        "due_date",
        "list_date",
        "issue_date",
        "delist_date",
        "issue_amount",
        "m_fee",
        "c_fee",
        "duration_year",
        "p_value",
        "min_amount",
        "exp_return",
        "benchmark",
        "status",
        "invest_type",
        "type",
        "trustee",
        "purc_startdate",
        "redm_startdate",
        "market"
    ])
    df.rename(columns={'ts_code': 'code'}, inplace=True)
    df.sort_values(by='list_date', inplace=True)
    df.set_index('code', inplace=True)
    return df

调用的代码，写入hdf5:

from engine.config import DATA_DIR_HDF5_ALL, DATA_DIR_HDF5_BASIC
basic = download_etfs_basic()
print(basic)

with pd.HDFStore(DATA_DIR_HDF5_BASIC.resolve()) as store:
    store['etfs'] = download_etfs_basic()

结果显示：（最早的etf，上市时间是2004年底）

02 streamlit读出并查询etfs

@staticmethod
def load_etfs_basic():
    with pd.HDFStore(DATA_DIR_HDF5_BASIC.resolve()) as store:
        return store['etfs']

03 界面布局

col_indicators, col_corr = st.columns(2)
col_indicators.subheader('风险收益指标')
col_indicators.table(DataUtils.calc_indicators(df_returns))

col_corr.subheader('相关系数')
col_corr.table(df_returns.corr())

核心代码就是st.columns(N)，即可以横向布局：

04 etf筛选

这里使用了streamlit的多页面：

只需要在main.py的同级目录下，创建一个pages，然后里面的xx.py都会自动生成一个页面：

多级联动也非常简单，主要使用pandas的query查询语法：

import streamlit as st
from engine.data_utils import DataUtils
from engine.logic import Logic

st.header('etf分析')


@st.cache
def load_etfs():
    return Logic.load_etfs_basic()


col_fund, col2_invest = st.columns(2)
# 基金类型
df = load_etfs()
total = len(df)
fund_type = col_fund.selectbox('基金类型：', options=df['fund_type'].unique())

df = df.query("fund_type == '{}'".format(fund_type))
invest_type = col2_invest.selectbox('投资类型：', options=df['invest_type'].unique())
df = df.query("invest_type == '{}'".format(invest_type, fund_type))

col1, col2 = st.columns(2)
col1.metric("场内基金总数", total)
col2.metric("当前数量", len(df))
st.table(df)