Python量化实战：股票筛选与期权分析全流程方案

简介：这份资源面向对量化投资与数据分析感兴趣的 Python 学习者与交易爱好者，围绕股票与期权的挑选、预测性分析和决策辅助展开。内容源自作者自制的 Excel 原型，并整合了网络收集的片段，涵盖数据科学、推荐引擎、决策预测、博弈论与机器学习等方向，适合具备一定 Python 与 pandas 基础、希望把数据分析落地到股票期权场景的中级读者。压缩包整体约 325.82MB，以 zip 形式提供，内含 CSS 样式文件、Excel 原型及配套脚本等，其中 Excel 原型是站点构建的基础，CSS 负责页面呈现，脚本则支撑分析与计算逻辑。资源包含摘要分析与推荐两大模块：前者输入股票代码即可依据历史波动率给出 30 天乃至一年的价格区间，并基于 Wycoff 方法输出牛熊市算法观点；后者提供类似推荐系统的选股与期权建议，并配有计算器辅助决策。目前已有 162 人学习，适合想研究预测建模、推荐算法与博弈论在交易中应用的读者参考借鉴。

1. 从一次选股翻车说起：这套期权分析方案到底解决什么问题

去年帮一个做量化的朋友看他的策略回测，发现一个很典型的问题：股票筛选模块跑得挺好，但一到期权组合就全靠拍脑袋。他花了三天写了个均线策略选股票，却在期权端凭感觉挑行权价和到期日，结果股票端赚的钱全在期权端亏回去了。这不是个例，我见过太多人把股票分析和期权分析当成两件事做，中间没有任何衔接。

这套方案要解决的就是这个断层：用一套统一的 Python 分析框架，把股票筛选、期权合约挑选、预测性分析、收益计算器和决策建议串成一条流水线。适合两类人：一是正在做量化/金融方向毕设或课设的学生，需要一套结构完整、能跑通、能写进论文的方案；二是想给自己搭一套半自动决策工具的从业者，不需要机构级基础设施，一台笔记本加免费数据源就能跑起来。

核心思路不复杂：先用基本面和技术面指标把股票池筛出来，再用预测模型给出方向性判断，然后基于这个判断去期权链里找性价比最高的合约，最后用计算器模块算清楚盈亏平衡点和最大回撤。整套东西用 pandas 做数据处理，scikit-learn 做预测，plotly 做可视化，不需要 GPU，不需要付费数据接口。

2. 需求拆解与技术选型：为什么不用现成的量化平台

2.1 四个核心需求与优先级排序

动手写代码之前，我一般会先把需求按「必须做」和「锦上添花」分开。这套方案里，四个模块的优先级是这样的：

P0 的意思是，没有这两个模块，整套方案就不成立。P1 是增强体验的部分，但也是毕设里最容易出彩的地方——预测性分析和计算器能体现「数据科学」的深度，光有筛选器就只是个脚本。

提示：如果你的毕设时间紧张，先把 P0 跑通，P1 用简化版实现，比如预测模块先用逻辑回归而不是 LSTM，计算器先用静态公式而不是蒙特卡洛模拟。

2.2 技术栈选型：为什么是 pandas + scikit-learn + plotly

选型这件事，我踩过的坑是：一开始想用现成的量化平台，结果发现它们的 API 要么收费，要么文档稀烂，要么回测逻辑是个黑匣子，出了问题根本不知道去哪查。后来统一用下面这套：

# 核心依赖清单，requirements.txt
pandas==2.1.0          # 数据处理，期权链的宽表转长表全靠它
numpy==1.24.0          # 数值计算，希腊字母的近似计算
scikit-learn==1.3.0    # 预测模型，随机森林和逻辑回归够用了
plotly==5.17.0         # 交互式可视化，K线叠加期权持仓
yfinance==0.2.28       # 免费行情数据源，股票和期权链都能拉
scipy==1.11.0          # 统计检验和优化，计算器模块用

为什么不用 TensorFlow 或 PyTorch？因为这套方案的数据量不大——通常你关注的股票池就几十到几百只，特征维度在 20 以内，随机森林和梯度提升树的效果不比深度学习差，而且训练时间从小时级降到秒级。毕设答辩的时候，你也不希望评委等你跑模型等五分钟。

yfinance 是个争议点。它的数据有延迟，期权链的覆盖也不如付费源全。但对于课程设计和个人工具来说，它是唯一一个不需要申请 API key、不需要绑信用卡就能用的方案。如果你有 Wind 或 Tushare 的权限，把数据获取层抽象成一个接口，替换掉 yfinance 就行。

2.3 数据流设计：从原始行情到决策建议

整套方案的数据流是这样的：

行情数据 → 特征工程 → 股票评分 → 预测模型 → 方向判断
                                    ↓
期权链数据 → 合约过滤 → 希腊字母计算 → 性价比排序 → 推荐合约
                                    ↓
用户参数 → 收益计算器 → 盈亏平衡点 → 最大回撤 → 决策建议

关键设计点是：预测模型的输出不是直接拿来做交易信号，而是作为期权合约挑选的输入之一。比如模型判断某只股票未来两周有 65% 概率上涨，这个 65% 会进入期权挑选模块，用来计算不同行权价合约的预期收益。这样两个模块就是耦合的，而不是各跑各的。

3. 股票筛选与预测模块：从特征工程到方向判断

3.1 特征工程：哪些指标真正有用

我试过把能拿到的指标全塞进去，结果模型过拟合得一塌糊涂。后来做了一轮特征筛选，留下这几类：

def build_features(df):
    """
    输入：单只股票的日线数据，包含 Open/High/Low/Close/Volume
    输出：带特征列的 DataFrame
    """
    feat = pd.DataFrame(index=df.index)
    
    # 动量类：过去 5/10/20 日收益率
    for window in [5, 10, 20]:
        feat[f'ret_{window}d'] = df['Close'].pct_change(window)
    
    # 波动率类：20 日滚动标准差
    feat['vol_20d'] = df['Close'].pct_change().rolling(20).std()
    
    # 量价类：成交量比率
    feat['vol_ratio'] = df['Volume'] / df['Volume'].rolling(20).mean()
    
    # 技术指标：RSI
    delta = df['Close'].diff()
    gain = delta.where(delta > 0, 0).rolling(14).mean()
    loss = -delta.where(delta < 0, 0).rolling(14).mean()
    feat['rsi_14'] = 100 - (100 / (1 + gain / loss))
    
    # 目标变量：未来 10 日是否上涨
    feat['target'] = (df['Close'].shift(-10) > df['Close']).astype(int)
    
    return feat.dropna()

这段代码里，动量类特征捕捉趋势，波动率类特征衡量风险，量价类特征判断资金流向，RSI 作为超买超卖的辅助。目标变量定义为「未来 10 日是否上涨」，是个二分类问题。

参数怎么改： window 列表可以根据你的持仓周期调整，短线用 [3, 5, 10]，中线用 [10, 20, 60]。 target 的预测周期要和期权到期日匹配——如果你主要交易 2 周后到期的期权，就用 shift(-10) 。

3.2 预测模型：随机森林为什么比 LSTM 更适合这个场景

我用同一个股票池对比过随机森林、XGBoost 和 LSTM。结果随机森林的 AUC 在 0.62 左右，XGBoost 差不多，LSTM 反而更低，而且训练时间长了两个数量级。原因很简单：金融数据的信噪比极低，深度模型很容易学到噪声。

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import TimeSeriesSplit
from sklearn.metrics import roc_auc_score

def train_predictor(features_df):
    """
    时序交叉验证训练随机森林
    返回：模型对象、最新预测概率
    """
    X = features_df.drop(columns=['target'])
    y = features_df['target']
    
    # 时序交叉验证，不能用随机 KFold
    tscv = TimeSeriesSplit(n_splits=5)
    auc_scores = []
    
    for train_idx, val_idx in tscv.split(X):
        X_train, X_val = X.iloc[train_idx], X.iloc[val_idx]
        y_train, y_val = y.iloc[train_idx], y.iloc[val_idx]
        
        model = RandomForestClassifier(
            n_estimators=200,
            max_depth=5,          # 控制深度，防止过拟合
            min_samples_leaf=50,  # 叶子节点最少样本数
            random_state=42
        )
        model.fit(X_train, y_train)
        pred_proba = model.predict_proba(X_val)[:, 1]
        auc_scores.append(roc_auc_score(y_val, pred_proba))
    
    # 用全量数据重新训练，预测最新一天
    final_model = RandomForestClassifier(
        n_estimators=200, max_depth=5, min_samples_leaf=50, random_state=42
    )
    final_model.fit(X, y)
    latest_prob = final_model.predict_proba(X.iloc[[-1]])[0, 1]
    
    return final_model, latest_prob, np.mean(auc_scores)

关键点有三个：第一，必须用 TimeSeriesSplit 而不是 KFold ，否则就是用未来数据预测过去，回测结果会好得离谱但实盘一塌糊涂。第二， max_depth 和 min_samples_leaf 是防过拟合的核心参数，金融数据里树太深必然过拟合。第三，AUC 在 0.6 以上就算可用，不要追求 0.9，那一定是数据泄漏。

3.3 股票评分与排序：把概率变成可操作的列表

预测模型输出的是每只股票上涨的概率，但概率本身不能直接排序——你还需要考虑风险收益比。我一般会算一个综合评分：

def score_stocks(predictions_df):
    """
    输入：包含 prob（上涨概率）、vol（波动率）、ret_20d（20日收益）的 DataFrame
    输出：按综合评分排序的股票列表
    """
    df = predictions_df.copy()
    
    # 概率归一化到 0-1
    df['prob_norm'] = (df['prob'] - df['prob'].min()) / (df['prob'].max() - df['prob'].min())
    
    # 波动率取倒数，波动越小得分越高
    df['vol_score'] = 1 / (1 + df['vol_20d'])
    
    # 动量得分，过去 20 日收益为正加分
    df['momentum_score'] = df['ret_20d'].apply(lambda x: 1 if x > 0 else 0.5)
    
    # 综合评分，权重可调
    df['total_score'] = (
        0.5 * df['prob_norm'] +
        0.3 * df['vol_score'] +
        0.2 * df['momentum_score']
    )
    
    return df.sort_values('total_score', ascending=False)

权重 0.5/0.3/0.2 是我自己的偏好，偏重预测概率。如果你更保守，可以把波动率权重提到 0.4。这个评分不追求绝对正确，它的作用是给你一个可解释的排序依据——答辩的时候，评委问「为什么选这只股票」，你能说清楚是概率高、波动低还是动量好。

4. 期权合约挑选与收益计算器：从希腊字母到盈亏平衡点

4.1 期权链过滤：流动性是第一道门槛

期权和股票最大的区别是：股票你几乎总能成交，期权可能挂单半天没人理。所以挑选合约的第一步不是看收益，而是看流动性。

def filter_options(options_chain, min_volume=100, max_spread=0.1):
    """
    输入：yfinance 拉取的期权链 DataFrame
    输出：过滤后的可交易合约
    """
    df = options_chain.copy()
    
    # 成交量过滤：日成交量低于 100 的不要
    df = df[df['volume'] >= min_volume]
    
    # 买卖价差过滤：价差超过中间价 10% 的不要
    df['mid'] = (df['bid'] + df['ask']) / 2
    df['spread_pct'] = (df['ask'] - df['bid']) / df['mid']
    df = df[df['spread_pct'] <= max_spread]
    
    # 剔除深度虚值和深度实值
    df = df[(df['strike'] > df['underlying_price'] * 0.8) & 
            (df['strike'] < df['underlying_price'] * 1.2)]
    
    return df

min_volume=100 和 max_spread=0.1 是两个经验值。成交量太低意味着你想平仓的时候可能平不掉，价差太大意味着开仓就亏了 10%。深度虚值和深度实值的合约流动性通常很差，除非你有特定的策略需求，否则先过滤掉。

4.2 希腊字母计算与性价比排序

希腊字母是期权的「体检报告」，但很多人只看 Delta 就下单了。我一般会算四个核心指标：

from scipy.stats import norm
import numpy as np

def calculate_greeks(S, K, T, r, sigma, option_type='call'):
    """
    Black-Scholes 模型计算希腊字母
    S: 标的现价, K: 行权价, T: 到期时间(年), r: 无风险利率, sigma: 隐含波动率
    """
    d1 = (np.log(S / K) + (r + 0.5 * sigma ** 2) * T) / (sigma * np.sqrt(T))
    d2 = d1 - sigma * np.sqrt(T)
    
    if option_type == 'call':
        delta = norm.cdf(d1)
        theta = (-S * norm.pdf(d1) * sigma / (2 * np.sqrt(T)) 
                 - r * K * np.exp(-r * T) * norm.cdf(d2)) / 365
    else:
        delta = norm.cdf(d1) - 1
        theta = (-S * norm.pdf(d1) * sigma / (2 * np.sqrt(T)) 
                 + r * K * np.exp(-r * T) * norm.cdf(-d2)) / 365
    
    gamma = norm.pdf(d1) / (S * sigma * np.sqrt(T))
    vega = S * norm.pdf(d1) * np.sqrt(T) / 100
    
    return {'delta': delta, 'gamma': gamma, 'theta': theta, 'vega': vega}

Delta 告诉你方向性暴露，Gamma 告诉你 Delta 的变化速度，Theta 是每天的时间损耗，Vega 是波动率敏感度。对于买方来说，Theta 是敌人——每天醒来都在亏钱。所以性价比排序的时候，我会把 Theta 作为一个负向指标。

def rank_options(options_df, predicted_prob, predicted_move):
    """
    根据预测概率和预期波动，给期权合约打分
    predicted_prob: 模型输出的上涨概率
    predicted_move: 预期涨跌幅（可用波动率估算）
    """
    df = options_df.copy()
    
    # 预期收益 = 概率 * 预期涨幅 - (1-概率) * 预期跌幅
    df['expected_return'] = (
        predicted_prob * predicted_move * df['delta'] -
        (1 - predicted_prob) * predicted_move * abs(df['delta'])
    )
    
    # 时间损耗调整
    df['theta_adj'] = df['expected_return'] + df['theta'] * 10  # 假设持有 10 天
    
    # 性价比 = 调整后收益 / 权利金
    df['value_score'] = df['theta_adj'] / df['mid']
    
    return df.sort_values('value_score', ascending=False)

这个排序逻辑的核心是：不只看方向对不对，还要看对了能赚多少、错了会亏多少、时间损耗吃掉多少。 theta_adj 里的 * 10 是假设持有 10 天，你可以根据实际持仓周期调整。

4.3 收益计算器：盈亏平衡点和最大回撤

计算器模块是这套方案里最实用的部分，因为它把「感觉能赚」变成「算清楚能赚多少」。

def profit_calculator(option, contracts=1, commission=0.65):
    """
    输入：单个期权合约信息
    输出：盈亏平衡点、最大亏损、最大盈利、回撤比例
    """
    premium = option['mid'] * 100 * contracts  # 每股 100 股
    strike = option['strike']
    option_type = option['type']
    
    if option_type == 'call':
        breakeven = strike + option['mid'] + commission / (100 * contracts)
        max_loss = premium + commission * contracts
        max_profit = float('inf')  # 理论上无限
    else:
        breakeven = strike - option['mid'] - commission / (100 * contracts)
        max_loss = premium + commission * contracts
        max_profit = (strike - option['mid']) * 100 * contracts - commission * contracts
    
    return {
        'breakeven': round(breakeven, 2),
        'max_loss': round(max_loss, 2),
        'max_profit': round(max_profit, 2) if max_profit != float('inf') else '无限',
        'return_on_risk': round(max_profit / max_loss, 2) if max_profit != float('inf') else 'N/A'
    }

commission=0.65 是单张合约的典型佣金，不同券商不一样，改成你自己的数字。 return_on_risk 是收益风险比，低于 1 的合约我一般直接跳过——赚一块钱要冒亏一块钱的风险，不值。

注意：这个计算器假设持有到期，实际交易中你可能提前平仓，盈亏会不同。但作为决策参考，持有到期的盈亏平衡点是最保守的估计。

5. 避坑与常见问题：那些回测很好实盘翻车的地方

5.1 数据泄漏：回测 AUC 0.9 的模型实盘亏钱

现象 ：模型在回测中 AUC 达到 0.85 以上，实盘跑了两周发现胜率不到 50%。

原因 ：最常见的是用了未来数据。比如在特征工程里用了 df['Close'].rolling(20).mean() 但没有 shift(1) ，导致当天的特征包含了当天的收盘价，而目标变量又是基于当天收盘价算的。另一个隐蔽的泄漏是用了全量数据的均值和标准差做归一化，而不是只用训练集。

解决 ：所有滚动计算的特征，在生成后统一 shift(1) ，确保第 t 天的特征只用到 t-1 及之前的数据。归一化用 StandardScaler 在训练集上 fit，然后 transform 验证集和测试集。检查方法很简单：如果回测 AUC 超过 0.75，先怀疑数据泄漏，再高兴。

5.2 期权链数据缺失：yfinance 拉不到某些到期日

现象 ：调用 yfinance 的 option_chain() 方法时，某些到期日返回空 DataFrame，或者只有几个行权价。

原因 ：yfinance 的数据来自公开源，覆盖不全。深度实值、深度虚值、远月合约经常缺失。另外，非交易时段拉取的数据可能是缓存的旧数据。

解决 ：拉取前先检查 options 列表是否为空，然后逐个到期日 try-except。对于缺失的到期日，用相邻到期日插值，或者直接在推荐列表里标注「数据不足，仅供参考」。我一般会在代码里加一个数据质量检查：

def check_data_quality(options_df):
    """检查期权链数据质量，返回警告列表"""
    warnings = []
    if len(options_df) < 10:
        warnings.append("合约数量过少，流动性可能不足")
    if options_df['volume'].sum() == 0:
        warnings.append("总成交量为零，数据可能未更新")
    if options_df['impliedVolatility'].isna().sum() > len(options_df) * 0.5:
        warnings.append("隐含波动率缺失超过 50%")
    return warnings

5.3 过度拟合行权价：把回测当实盘

现象 ：在历史数据上测试时，发现某个特定行权价的合约收益特别高，于是实盘重仓，结果亏钱。

原因 ：历史数据里某个行权价表现好，可能只是巧合。期权价格受波动率曲面影响，不同行权价的定价效率不同，历史最优行权价在未来不一定最优。

解决 ：不要单独看某个行权价的回测收益，要看整个策略在多个行权价上的平均表现。我一般会要求：推荐合约必须在过去 20 个交易日中，至少有 15 天满足流动性条件。另外，行权价的选择应该基于 Delta 区间（比如 0.3-0.5），而不是具体某个价格。

5.4 忽略交易成本：佣金和滑点吃掉利润

现象 ：计算器显示预期收益 20%，实盘到手只有 12%。

原因 ：佣金、滑点、买卖价差都没算进去。期权合约的买卖价差通常比股票大得多，尤其是流动性差的合约。

解决 ：在收益计算器里强制扣除佣金和滑点。滑点我一般按买卖价差的 50% 估算。如果算完之后的收益风险比低于 1.5，直接放弃这个合约。另外，避免频繁交易——每笔交易都在给券商打工。

5.5 预测模型频繁重训：今天准明天不准

现象 ：模型周一预测准确率 70%，周三降到 50%，周五又回到 65%。

原因 ：金融数据的分布随时间变化，今天有效的特征明天可能失效。频繁重训会让模型追逐最新噪声，反而不稳定。

解决 ：固定重训周期，比如每周一次或每两周一次。重训时用滚动窗口，比如只用过去 2 年的数据，而不是全部历史数据。另外，记录每次重训后的 AUC 变化，如果连续三次下降，说明市场结构变了，需要重新做特征筛选。

6. 验收与答辩：怎么证明这套方案真的能跑

6.1 验收清单：五个必须通过的测试

答辩之前，我一般会跑一遍下面这个清单。每一项都有明确的通过标准，不通过就回去改：

数据获取的测试重点是稳定性。yfinance 偶尔会抽风，所以代码里要有重试机制。我一般会加一个 @retry 装饰器，失败后等 5 秒重试，最多 3 次。

模型训练的 AUC 范围很关键：低于 0.55 说明模型没学到东西，高于 0.75 说明大概率有数据泄漏。答辩的时候，评委如果问「为什么 AUC 只有 0.62」，你可以解释金融数据的信噪比特性，这比强行刷到 0.9 然后被问穿要好。

6.2 答辩演示：用 plotly 做交互式展示

静态图表在答辩里吃亏，因为评委看不到你的分析过程。我一般会用 plotly 做三个交互式图表：

import plotly.graph_objects as go
from plotly.subplots import make_subplots

def create_dashboard(stock_df, options_df, predictions):
    """
    创建答辩用交互式仪表盘
    包含：K线图 + 期权持仓 + 预测概率
    """
    fig = make_subplots(
        rows=2, cols=1,
        shared_xaxes=True,
        row_heights=[0.7, 0.3],
        subplot_titles=('价格走势与期权持仓', '预测概率')
    )
    
    # K线图
    fig.add_trace(
        go.Candlestick(
            x=stock_df.index,
            open=stock_df['Open'],
            high=stock_df['High'],
            low=stock_df['Low'],
            close=stock_df['Close'],
            name='标的走势'
        ),
        row=1, col=1
    )
    
    # 行权价参考线
    for strike in options_df['strike'].unique()[:3]:
        fig.add_hline(
            y=strike, line_dash="dash",
            annotation_text=f"行权价 {strike}",
            row=1, col=1
        )
    
    # 预测概率柱状图
    fig.add_trace(
        go.Bar(
            x=predictions.index,
            y=predictions['prob'],
            name='上涨概率',
            marker_color='steelblue'
        ),
        row=2, col=1
    )
    
    fig.update_layout(
        height=700,
        title_text="股票期权分析仪表盘",
        xaxis_rangeslider_visible=False
    )
    
    return fig

这个仪表盘的好处是：你可以现场调整参数，比如把预测周期从 10 天改成 20 天，图表实时更新。评委看到的是「活的」分析工具，而不是一堆截图。演示的时候，我一般会准备三个场景：一只预测上涨的股票、一只预测下跌的股票、一只横盘的股票，分别展示推荐合约的差异。

6.3 答辩话术：怎么解释「预测不准」

这是必问题。我的回答框架是：先承认预测有不确定性，然后展示你怎么量化这个不确定性，最后说明决策建议里已经包含了容错空间。

具体话术：「模型输出的不是确定性的涨跌，而是概率。比如 65% 的上涨概率，意味着 100 次类似情况里有 65 次上涨。我们的期权挑选模块会基于这个概率计算预期收益，并且用收益风险比过滤掉性价比低的合约。所以即使预测错了，亏损也在可控范围内。」

如果评委追问「为什么不用更复杂的模型」，回答：「我对比过 LSTM 和随机森林，在这个数据量级下，随机森林的 AUC 更高且训练时间更短。金融数据信噪比低，复杂模型容易过拟合。」这个回答既展示了你的技术判断，也避免了「为了复杂而复杂」的陷阱。

6.4 一个我踩过的坑：别在答辩前夜改模型

最后说一个血泪教训。有一次答辩前夜，我觉得模型 AUC 不够高，临时换了一个特征组合，结果第二天演示的时候，推荐列表里出现了一只明显异常的股票——后来发现是新特征里有个除零错误，导致评分溢出。从那以后我每次答辩前都强制走一遍验收清单，而且最后一版代码在答辩前 48 小时就冻结，只改注释不改逻辑。

希望这套方案能帮你把股票期权分析这个题目跑通，不管是交毕设还是自己用，先把 P0 模块跑起来，再慢慢加预测和计算器。完整代码和配置模板我整理好了，按你的数据源改一下就能跑。

本文还有配套的精品资源，点击获取