A-3 Scipy速查表 - 量化交易开发修炼手册

📐 统计分析 (scipy.stats)

函数	说明	示例
`norm.pdf()`	正态分布概率密度	`norm.pdf(x, mu, sigma)`
`norm.cdf()`	正态分布累积分布	`norm.cdf(x, mu, sigma)`
`norm.ppf()`	正态分布分位数	`norm.ppf(0.95, mu, sigma)`
`skew()`	偏度计算	`skew(data)`
`kurtosis()`	峰度计算	`kurtosis(data)`
`pearsonr()`	Pearson相关系数	`pearsonr(x, y)`
`spearmanr()`	Spearman相关系数	`spearmanr(x, y)`

🧪 假设检验

函数	说明	示例
`ttest_1samp()`	单样本t检验	`ttest_1samp(data, 0)`
`ttest_ind()`	双样本t检验	`ttest_ind(a, b)`
`f_oneway()`	方差分析ANOVA	`f_oneway(*groups)`
`levene()`	方差齐性检验	`levene(a, b)`
`ks_2samp()`	Kolmogorov-Smirnov检验	`ks_2samp(a, b)`
`anderson()`	Anderson-Darling检验	`anderson(data)`

📈 优化 (scipy.optimize)

函数	说明	示例
`minimize()`	通用最小化	`minimize(func, x0)`
`minimize_scalar()`	标量最小化	`minimize_scalar(func)`
`fmin()`	无约束最小化	`fmin(func, x0)`
`curve_fit()`	曲线拟合	`curve_fit(func, xdata, ydata)`
`linprog()`	线性规划	`linprog(c, A_ub, b_ub)`
`root()`	求根	`root(func, x0)`

🔢 插值 (scipy.interpolate)

函数	说明	示例
`interp1d()`	一维插值	`interp1d(x, y, kind='linear')`
`interp2d()`	二维插值	`interp2d(x, y, z)`
`UnivariateSpline()`	样条插值	`UnivariateSpline(x, y)`
`griddata()`	网格数据插值	`griddata(points, values, xi)`

🎲 随机过程 (scipy.signal)

函数	说明	示例
`find_peaks()`	寻找峰值	`find_peaks(data)`
`convolve()`	卷积	`convolve(a, b)`
`correlate()`	相关	`correlate(a, b)`
`savgol_filter()`	Savitzky-Golay滤波	`savgol_filter(data, window, polyorder)`
`butter()`	Butterworth滤波器	`butter(N, Wn)`

💡

量化应用技巧

Scipy在量化交易中主要用于统计分析、假设检验和数值优化。常用的包括正态分布检验、相关性分析、以及策略参数优化等。curve_fit可用于拟合价格模式，optimize模块可用于最优组合计算。

← 上一节下一节 →