量化投资 python代码

量化投资是一种利用数学模型和计算机程序对金融市场的数据进行分析并做出投资决策的过程。Python由于其丰富的库（如Pandas、NumPy、Matplotlib、Scipy、Quantopian等），常被用于量化投资领域。

以下是一个简单的Python代码示例，展示了如何使用pandas库读取金融数据，并使用线性回归模型进行基本的量化策略：

import pandas as pd
from sklearn.linear_model import LinearRegression

# 从CSV文件加载股票价格数据
data = pd.read_csv('stock_data.csv')

# 将日期设为索引，方便处理时间序列数据
data.set_index('Date', inplace=True)

# 计算收益率
data['Return'] = data['Close'].pct_change()

# 定义简单移动平均线指标
data['SMA_50'] = data['Close'].rolling(window=50).mean()

# 创建一个回归模型，假设收盘价受SMA_50影响
model = LinearRegression()
X = data['SMA_50'].values.reshape(-1, 1)
y = data['Return'].values.reshape(-1, 1)

# 训练模型
model.fit(X, y)

# 模拟交易策略：如果收盘价超过SMA_50，买入；低于则卖出
positions = np.where(data['Close'].shift(1) > model.predict(X), 1, -1)
cumulative_returns = (1 + positions * data['Return']).cumprod() - 1

print("Cumulative Return:", cumulative_returns[-1])

这个例子非常基础，实际的量化投资策略会复杂得多，涉及到更高级的技术分析、风险管理、回测优化等。