“巧婦難為無米之炊”，找不到數(shù)據(jù)，量化分析也就無從談起。對于金融分析者來說，獲取數(shù)據(jù)是量化分析的第一步。Python的一個強大功能之一就是數(shù)據(jù)獲?。ㄅ老x）。但是對于沒時間學(xué)爬蟲程序的小白來說，python豐富的開源包為我們節(jié)省了不少時間精力，只要會用前人的車輪（wheel），就可以造就自己的車（py）。
【誰來教我python入門？】
對于python零基礎(chǔ)的童鞋怎么辦？莫慌，關(guān)注公眾號CuteHand，并回復(fù)python入門，奉上python的程序安裝和入門應(yīng)用指南。對于python的高階學(xué)習(xí)，如數(shù)據(jù)分析挖掘、機器學(xué)習(xí)和量化投資，請繼續(xù)關(guān)注公眾號的動態(tài)。
【tushare財經(jīng)數(shù)據(jù)包安裝】
Tushare是一個免費、開源的python財經(jīng)數(shù)據(jù)接口包，可以獲取新浪財經(jīng)、騰訊財經(jīng)、上交所和深交所提供的數(shù)據(jù)。如果安裝了Anaconda（建議），可以使用Anaconda Prompt或者通過win+R輸入cmd調(diào)出dos操作界面，輸入pip install tushare進(jìn)行安裝。如果沒有pip或pip3，可以先用conda install pip （或pip3）安裝。
【獲取宏觀經(jīng)濟數(shù)據(jù)】
Tushare包可以獲取宏觀經(jīng)濟數(shù)據(jù)、股票交易數(shù)據(jù)、基本面數(shù)據(jù)（公司盈利能力、業(yè)績報告等）、新聞事件、銀行間同業(yè)拆放利率等，下面著重介紹使用tushare包獲取宏觀經(jīng)濟數(shù)據(jù)和可視化分析。
1、引入需要的包（模塊module）：import xxx
其中，pandas和matplotlib分別是數(shù)據(jù)處理和畫圖常用的包，%matplotlib inline表示在Jupyter Notebook上直接顯示圖形（%magic函數(shù)），如果使用spyder來運行程序則不需要，但要加上plt.show()。as意味著后面調(diào)用這些包將分別使用縮寫ts、pd、plt。
2、獲取所需數(shù)據(jù)
tushare獲取數(shù)據(jù)的命令為get_xx，xx為相應(yīng)指標(biāo)名字，很直觀。如獲取存款利率命令為ts.get_deposit_rate()，貸款利率ts.get_loan_rate()，存款準(zhǔn)備金率ts.get_rrr()。下面主要以CPI、GDP、M1、M2為例進(jìn)行分析。
3、保存到本地文件夾
使用to_csv將數(shù)據(jù)保存到本地c:/zjy/data/cpi.csv。
4、讀取數(shù)據(jù)和可視化
使用pandas讀取剛剛保存的數(shù)據(jù),注意pandas的縮寫是pd，代碼如下。
輸出圖形如下：
從上圖中可以清晰地看出，93、94年出現(xiàn)超20%的高通貨膨脹，當(dāng)時還伴隨著資產(chǎn)價格泡沫，“股票熱”、“期貨熱”、“房地產(chǎn)熱”。以史明鑒，可以知興替。我們當(dāng)時是怎么走過這一段風(fēng)雨飄搖歷程的，Very interesting！回顧歷史，有很多值得我們反思和借鑒的地方。此處不詳細(xì)展開分析，對當(dāng)時經(jīng)濟金融形勢和ZF如何治理宏觀風(fēng)險感興趣的童鞋，可以翻閱這一時期的歷史資料學(xué)習(xí)下。
再來看看貨幣供應(yīng)量M1和M2的情況。首先了解下貨幣供應(yīng)量的幾個指標(biāo)含義。根據(jù)貨幣金融學(xué)和央行實踐，整個經(jīng)濟體系的貨幣供應(yīng)大致可分為M0、M1、M2及M3。
M0：居民持有的貨幣（即市場上流通的貨幣）。
M1：居民持有的貨幣＋銀行客戶的活期存款。M1又稱為狹義貨幣供應(yīng)量。
M2：M1＋銀行客戶的儲蓄及定期存款，以及由銀行發(fā)行的可轉(zhuǎn)讓存款證（由非銀行持有），又稱為廣義貨幣供應(yīng)量。
M3：M1＋M2＋有限制牌照銀行及接受存款公司的客戶存款，及由上述機構(gòu)發(fā)行的存款證（由非銀行持有）。
從M1與M2的定義可見，兩者的差異只在于M1不包括儲蓄存款和定期存款，因此M1與M2增幅的差異，應(yīng)由儲蓄存款和定期存款變動所引起。M1反映居民和企業(yè)資金松緊變化，是經(jīng)濟周期波動的先行指標(biāo)，流動性僅次于M0；M2流動性偏弱，但反映的是社會總需求的變化和未來通貨膨脹的壓力狀況，通常所說的貨幣供應(yīng)量，主要指M2。
其中：month :統(tǒng)計時間，m2 :貨幣和準(zhǔn)貨幣（廣義貨幣M2）(億元)，m2_yoy:貨幣和準(zhǔn)貨幣（廣義貨幣M2）同比增長(%) ，m1:貨幣(狹義貨幣M1)(億元)，m1_yoy:貨幣(狹義貨幣M1)同比增長(%)，m0:流通中現(xiàn)金(M0)(億元)，m0_yoy:流通中現(xiàn)金(M0)同比增長(%)，其他指標(biāo)省略。
使用pandas讀取數(shù)據(jù)并進(jìn)行數(shù)據(jù)清洗。
輸出結(jié)果如下：
對M1和M2數(shù)據(jù)進(jìn)行可視化，并與重大經(jīng)濟金融事件聯(lián)系起來，這里主要加入1997年的亞洲金融危機、2007年開始的美國次貸危機、2009年的四萬億刺激計劃和2017年的金融去杠桿。代碼如下（注意：數(shù)據(jù)存儲在df變量上，畫圖包matplotlib.pyplot已經(jīng)使用plt來代替）：
得到如下結(jié)果：
從上圖可以發(fā)現(xiàn)，我國ZF推行的“四萬億刺激計劃”使M2和M1的增長率達(dá)到峰值，而2017年以來，隨著金融去杠桿，M2增長率一直處于下滑中。很遺憾，由于數(shù)據(jù)缺失，不能與前面93、94年高通貨膨脹時期聯(lián)系起來看。
再來看下貨幣供應(yīng)量和GDP年度變化情況。首先，獲取M2、M1和GDP年度數(shù)據(jù)，并計算M2/GDP、M1/GDP數(shù)據(jù)。代碼如下：
經(jīng)過數(shù)據(jù)處理后進(jìn)行可視化分析：
從上圖不難看出,M2/GDP總體上是曲折上升的，從1990年的不到90%到2017年的接近220%。2017年以來，盡管經(jīng)濟增長一直處于下行空間，但在金融去杠桿的影響下，廣義貨幣供應(yīng)量持續(xù)下滑，導(dǎo)致M2/GDP出現(xiàn)下降趨勢。
很多“專家”會經(jīng)常使用M2/GDP指標(biāo)來解讀經(jīng)濟質(zhì)量、通脹和危機，認(rèn)為M2越高，貨幣發(fā)行量越大，所以通脹越嚴(yán)重；M2/GDP越高，GDP增長需要M2越高，貨幣供給不足，GDP增速會下降。特別是當(dāng)2009年后中國M2絕對值超過美國，更為各界詬病，普遍認(rèn)為中國存在巨大的貨幣隱患，它可能導(dǎo)致通脹失控、產(chǎn)生泡沫甚至經(jīng)濟危機。
那么到底中國M2/GDP高企的本質(zhì)是什么？成因何在？是不是導(dǎo)致中國通脹的根本原因？它對經(jīng)濟和金融系統(tǒng)穩(wěn)定究竟有多大危害？這些都是值得進(jìn)一步探討的問題。
從現(xiàn)有文獻(xiàn)來看，M2/GDP并不存在所謂的最優(yōu)比例，而且由于種種客觀原因，不同經(jīng)濟體之間并不具備可比性。盡管M2/GDP指標(biāo)通常反映了金融機構(gòu)發(fā)展在市場中的重要程度或者對于個人儲蓄的貢獻(xiàn)，但作為傳統(tǒng)的金融深化指標(biāo)，兩者只在成熟金融系統(tǒng)中呈正相關(guān)趨勢，在一個借貸受限制的不成熟市場中，兩者往往反而是負(fù)相關(guān)趨勢。Elhiraika研究指出M2/GDP對于金融深化的衡量可能并不貼切，因為M2/GDP畸高可能是金融市場不發(fā)達(dá)的訊號，而高度成熟的金融市場這一比例反而較低，因為后者通常持有與之經(jīng)濟相適應(yīng)的貨幣量。Shunsuke Bando(1998)的分析中還注意到，對M2/GDP的分析必須結(jié)合M1/GDP這一比例，在M1/GDP穩(wěn)定增長下的M2/GDP的增長才反映了亞洲經(jīng)濟體市場下金融機構(gòu)提供相對長期的資金，如從家庭儲蓄向工業(yè)部門的轉(zhuǎn)移，但也須注意到，資本的非完全有效給這一分析帶來的偏差，如資產(chǎn)泡沫、銀行不良貸款的積淀等。并且，只有在扣除通貨膨脹因素之后才能得到Marshallian K的真實增長率。
最后再來看下消費、投資、凈出口三大需求對GDP增速的貢獻(xiàn)率情況。
這里發(fā)現(xiàn)一個有趣的現(xiàn)象，凈出口貢獻(xiàn)率大多時候是負(fù)的，但這并不意味著外貿(mào)在拖經(jīng)濟后退。實際上，凈出口貢獻(xiàn)率這一概念只有統(tǒng)計意義，沒有經(jīng)濟意義。用這個指標(biāo)來衡量，會低估外貿(mào)對經(jīng)濟增長的貢獻(xiàn)度。根據(jù)經(jīng)濟學(xué)理論，一國國內(nèi)生產(chǎn)總值(GDP)可分解為總投資、總消費和凈出口(包括貨物出口及服務(wù)出口)三個部分。凈出口是指出口額與進(jìn)口額之差，凈出口對經(jīng)濟增長的貢獻(xiàn)率是指凈出口增量與GDP增量之比，即：凈出口對GDP增長的貢獻(xiàn)率=凈出口增量/GDP增量×100%。
最后再分享一個獲取實時電影票房的數(shù)據(jù)結(jié)束本次話題。
【結(jié)語】
本文主要介紹了如何使用Python的開源包tushare獲取宏觀經(jīng)濟數(shù)據(jù)，以及利用pandas和matplotlib包對數(shù)據(jù)進(jìn)行清洗和可視化分析。對問題的深入分析，還得結(jié)合理論（邏輯）+歷史（縱向比較）+統(tǒng)計（數(shù)據(jù)和計量分析）。Python是我們獲取和分析數(shù)據(jù)的實用工具，為驗證分析邏輯或理論的正確與否提供了一個重要維度，即用數(shù)據(jù)說話，透過數(shù)據(jù)看世界。
聯(lián)系客服
