holds_concepts_effect

czsc.holds_concepts_effect(holds: DataFrame, concepts: dict, top_n=20, min_n=3, **kwargs)

股票持仓列表的板块效应

原理概述：在选股时，如果股票的概念板块与组合中的其他股票的概念板块有重合，那么这个股票的表现会更好。

函数计算逻辑:

1. 如果kwargs中存在’copy’键且对应值为True，则将holds进行复制。

2. 为holds添加’概念板块’列，该列的值是holds中’symbol’列对应的股票的概念板块列表，如果没有对应的概念板块则填充为空。

3. 添加’概念数量’列，该列的值是每个股票的概念板块数量。

4. 从holds中筛选出概念数量大于0的行，赋值给holds。

5. 创建空列表new_holds和空字典dt_key_concepts。

6. 对holds按照’dt’进行分组，遍历每个分组，计算板块效应。 a. 计算密集出现的概念，选取出现次数最多的前top_n个概念，赋值给key_concepts列表。 b. 将日期dt和对应的key_concepts存入dt_key_concepts字典。 c. 计算在密集概念中出现次数超过min_n的股票，将符合条件的股票添加到new_holds列表中。 7. 使用pd.concat将new_holds中的DataFrame进行合并，忽略索引，赋值给dfh。 8. 创建DataFrame dfk，其中包含日期(dt)和对应的强势概念(key_concepts)。 9. 返回dfh和dfk。

Parameters:

• holds –

  组合股票池数据，样例：

  dt	symbol	weight
  2023-05-09 00:00:00	601858.SH	0.00333333
  2023-05-09 00:00:00	300502.SZ	0.00333333
  2023-05-09 00:00:00	603258.SH	0.00333333
  2023-05-09 00:00:00	300499.SZ	0.00333333
  2023-05-09 00:00:00	300624.SZ	0.00333333

• concepts –

  股票的概念板块，样例： {

  ’002507.SZ’: [‘电子商务’, ‘超级品牌’, ‘国企改革’], ‘002508.SZ’: [‘家用电器’, ‘杭州亚运会’, ‘恒大概念’]

  }

• top_n – 选取前 n 个密集概念

• min_n – 单股票至少要有 n 个概念在 top_n 中

Returns:

过滤后的选股结果，每个时间点的 top_n 概念