分析

需求分析

• 可轉(zhuǎn)債退市原因的種類與占比是多少

• 強(qiáng)贖與非強(qiáng)贖導(dǎo)致的退市可轉(zhuǎn)債?存續(xù)時(shí)間?維度占比

• 強(qiáng)贖與非強(qiáng)贖導(dǎo)致的退市可轉(zhuǎn)債?發(fā)行資金?規(guī)模占比

• 強(qiáng)贖與非強(qiáng)贖導(dǎo)致的退市可轉(zhuǎn)債?各個(gè)評(píng)級(jí)?的占比

• 強(qiáng)贖與非強(qiáng)贖導(dǎo)致的退市可轉(zhuǎn)債?各個(gè)行業(yè)（一級(jí)行業(yè)）?的占比

程序環(huán)境分析

• 需要依賴的三方代碼庫(kù)：??

  • requests(處理http請(qǐng)求)

  • pyecharts(圖表顯示)

  • pandas(數(shù)據(jù)表處理)

  • BeautifulSoup(html文件解析)

• 抓取數(shù)據(jù)的網(wǎng)站

  • 集思錄（www.jisilu.cn/）

程序邏輯分析

• 通過?http請(qǐng)求?抓取已退市可轉(zhuǎn)債的列表

• 獲取列表中的每個(gè)轉(zhuǎn)債代碼，通過?http請(qǐng)求?訪問轉(zhuǎn)債詳情頁(yè)面，通過BeautifulSoup庫(kù)提供的方法 獲取到債券評(píng)級(jí)與行業(yè)

• 獲取列表中的（轉(zhuǎn)債代碼、轉(zhuǎn)債名稱、發(fā)行規(guī)模、存續(xù)年限、退市原因、債券評(píng)級(jí)、行業(yè)）字段，存入到csv文件中

  • 存入到csv文件是因?yàn)楹竺嬉龈鱾€(gè)維度的數(shù)據(jù)分析，如果不存到文件中，后面數(shù)據(jù)分析中一但出現(xiàn)一點(diǎn)錯(cuò)誤，就又得重新去網(wǎng)站抓取數(shù)據(jù)，比較麻煩

• 讀取csv文件中的數(shù)據(jù)，用pandas轉(zhuǎn)成表格，按退市原因分組計(jì)數(shù)，用pyecharts做成餅圖展示

• 讀取csv文件中的數(shù)據(jù)，用pandas轉(zhuǎn)成表格，按強(qiáng)贖與非強(qiáng)贖中的存續(xù)時(shí)間分組計(jì)數(shù)，用pyecharts做成餅圖

• 讀取csv文件中的數(shù)據(jù)，用pandas轉(zhuǎn)成表格，按強(qiáng)贖與非強(qiáng)贖中的發(fā)行資金規(guī)模分組計(jì)數(shù)（從大到小排序，取前15），用pyecharts做成柱形圖

• 讀取csv文件中的數(shù)據(jù)，用pandas轉(zhuǎn)成表格，按強(qiáng)贖與非強(qiáng)贖中的債券評(píng)級(jí)分組計(jì)數(shù)，用pyecharts做成餅圖

• 讀取csv文件中的數(shù)據(jù)，用pandas轉(zhuǎn)成表格，按強(qiáng)贖與非強(qiáng)贖中的債券行業(yè)分組計(jì)數(shù)，用pyecharts做成柱狀圖

實(shí)現(xiàn)代碼

編寫http請(qǐng)求方法

import pandas as pd
from bs4 import BeautifulSoup
from pyecharts.charts import Bar, Pie
from pyecharts import options as optsdef get_request(url):# 設(shè)置請(qǐng)求頭，防止部分網(wǎng)站對(duì)請(qǐng)求頭做攔截 headers = {"User-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.111 Safari/537.36"}try:resp = requests.get(url, headers=headers)resp.encoding="utf-8"if resp.status_code == 200:return resp.textexcept Exception as e:print("http請(qǐng)求出錯(cuò):",e)return None

爬取債券詳情頁(yè)，取 債券評(píng)級(jí)與行業(yè)?（列表頁(yè)面中沒有這兩個(gè)）

def assemble_grade(resp):resp_json=json.loads(resp)datas=resp_json["rows"]if datas is None:return NonedataList=[]for data in datas:# 轉(zhuǎn)債代碼、轉(zhuǎn)債名稱、發(fā)行規(guī)模、存續(xù)年限、退市原因、債券評(píng)級(jí)bond_id=data["cell"]["bond_id"]bond_nm=data["cell"]["bond_nm"]orig_iss_amt=data["cell"]["orig_iss_amt"]listed_years=data["cell"]["listed_years"]delist_notes=data["cell"]["delist_notes"]#獲取詳情grade,indusity=parse_html("https://www.jisilu.cn/data/convert_bond_detail/%s" %bond_id)print("當(dāng)前可轉(zhuǎn)債是：%s,評(píng)級(jí)是:%s,行業(yè)是：%s" %(bond_nm,grade,indusity))dataList.append(",".join([bond_id,bond_nm,orig_iss_amt,listed_years,delist_notes,grade,indusity]))#防止訪問過快，網(wǎng)站攔截，睡5秒time.sleep(2)return dataList

將抓取的數(shù)據(jù)存入csv文件中

def write_csv(data):if not data:print("當(dāng)前要寫入的數(shù)據(jù)為空")with open("bonds.csv", "w", encoding="utf-8") as f:f.write("\n".join(data))

讀取csv文件的數(shù)據(jù)，用做分析

'''
type 1全部  2強(qiáng)贖  3非強(qiáng)贖
'''
def read_csv(type):dataList=[]with open("bonds.csv", "r", encoding="utf-8") as f:lines=f.readlines()for line in lines:line=line.replace("\\n","")data=line.split(",")# 排除可交換債if data[1].endswith("EB"):continueindustry=data[6].split("-")[0]year=assemble_year(data[3])if type==1:dataList.append([data[2], year, data[4],data[5],industry])elif type==2:if data[4]=="強(qiáng)贖":dataList.append([data[2], year, data[4],data[5],industry])elif type==3:if data[4] != "強(qiáng)贖":dataList.append([data[2],year,data[4],data[5],industry])return dataList

按退市原因進(jìn)行分析,生成餅圖

def craete_notes_pie(pf):data = pf.groupby(by=["delist_notes"]).size()notesList=list(data.index)notesCount=list(data)c=(Pie().add("",[list(z) for z in zip(notesList,notesCount)]).set_global_opts(title_opts=opts.TitleOpts(title="退市原因統(tǒng)計(jì)")).set_series_opts(label_opts=opts.LabelOpts(formatter=":{c}個(gè)  ,占比：vxwlu0yf4%")).render("notes.html"))

按強(qiáng)贖與非強(qiáng)贖中的存續(xù)時(shí)間分組計(jì)數(shù)，用pyecharts做成餅圖

def craete_years_pie(pf,name,title):data = pf.groupby(by=["listed_years"]).size()notesList = list(data.index)notesCount = list(data)c = (Pie().add("", [list(z) for z in zip(notesList, notesCount)]).set_global_opts(title_opts=opts.TitleOpts(title=title),legend_opts=opts.LegendOpts(pos_left="20%")).set_series_opts(label_opts=opts.LabelOpts(formatter=":{c}個(gè)  ,占比：vxwlu0yf4%")).render(name))

按強(qiáng)贖與非強(qiáng)贖中的發(fā)行資金規(guī)模分組計(jì)數(shù)（從大到小排序，取前15），用pyecharts做成柱形圖

def craete_amt_bar(pf,name,title):data = pf.groupby(by=["orig_iss_amt"]).size().reset_index(name="size").sort_values("size",ascending=False).head(15)print(data)notesList=list(data["orig_iss_amt"])notesCount=list(data["size"])c=(Bar().add_xaxis(notesList).add_yaxis("發(fā)行規(guī)模",notesCount).set_global_opts(title_opts=opts.TitleOpts(title=title),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-20))).render(name))

按強(qiáng)贖與非強(qiáng)贖中的債券評(píng)級(jí)分組計(jì)數(shù)，用pyecharts做成餅圖

def craete_grade_pie(pf,name,title):data = pf.groupby(by=["grade"]).size()notesList=list(data.index)notesCount=list(data)c=(Pie().add("",[list(z) for z in zip(notesList,notesCount)]).set_global_opts(title_opts=opts.TitleOpts(title=title)).set_series_opts(label_opts=opts.LabelOpts(formatter=":{c}個(gè)  ,占比：vxwlu0yf4%")).render(name))

按強(qiáng)贖與非強(qiáng)贖中的債券行業(yè)分組計(jì)數(shù)，用pyecharts做成柱狀圖

def craete_industry_bar(pf,name,title):# 按行業(yè)分組，排序，取前30位data = pf.groupby(by=["industry"]).size().reset_index(name="size").sort_values("size",ascending=False).head(30)print(data)notesList=list(data["industry"])notesCount=list(data["size"])c=(Bar().add_xaxis(notesList).add_yaxis("行業(yè)",notesCount).set_global_opts(title_opts=opts.TitleOpts(title=title),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45))).render(name))

最終調(diào)用 主方法

def main():#生成動(dòng)太時(shí)間戳rTime=str(round(time.time()*1000))#獲取退市可轉(zhuǎn)債列表resp=get_request("https://www.jisilu.cn/data/cbnew/delisted/?___jsl=LST___t="+rTime)#組裝每個(gè)可轉(zhuǎn)債的評(píng)級(jí)dataList=assemble_grade(resp)#將數(shù)據(jù)寫入csvwrite_csv(dataList)#讀取csv文件中的數(shù)據(jù),并制成表格(發(fā)行規(guī)模，存續(xù)時(shí)間，退市原因)dfData = read_csv(1)pf = pd.DataFrame(dfData, columns=["orig_iss_amt", "listed_years", "delist_notes", "grade", "industry"])dfData=read_csv(2)pf2=pd.DataFrame(dfData, columns=["orig_iss_amt", "listed_years", "delist_notes","grade","industry"])dfData = read_csv(3)pf3 = pd.DataFrame(dfData, columns=["orig_iss_amt", "listed_years", "delist_notes", "grade","industry"])#按退市原因分組計(jì)數(shù)，用pyecharts做成餅圖craete_notes_pie(pf)#存續(xù)時(shí)間維度占比craete_years_pie(pf2,"qs_years.html","強(qiáng)贖存續(xù)年限統(tǒng)計(jì)")craete_years_pie(pf3,"years.html","非強(qiáng)贖存續(xù)年限統(tǒng)計(jì)")# 強(qiáng)贖與非強(qiáng)贖發(fā)行資金規(guī)模占比craete_amt_bar(pf2,"qs_amt.html","強(qiáng)贖發(fā)行規(guī)模統(tǒng)計(jì)")craete_amt_bar(pf3, "amt.html","非強(qiáng)贖發(fā)行規(guī)模統(tǒng)計(jì)")# 強(qiáng)贖與非強(qiáng)贖各個(gè)評(píng)級(jí)的占比craete_grade_pie(pf,"qs_grade.html","強(qiáng)贖評(píng)級(jí)統(tǒng)計(jì)")craete_grade_pie(pf, "grade.html", "非強(qiáng)贖評(píng)級(jí)統(tǒng)計(jì)")# 強(qiáng)贖與非強(qiáng)贖行業(yè)占比craete_industry_bar(pf2,"qs_industry.html","強(qiáng)贖行業(yè)統(tǒng)計(jì)")craete_industry_bar(pf3, "industry.html", "非強(qiáng)贖行業(yè)統(tǒng)計(jì)")if __name__ == '__main__':main()

結(jié)果展示圖

退市原因分析：總135個(gè)已退市可轉(zhuǎn)債中，127個(gè)都是?強(qiáng)贖導(dǎo)致的，占比是94.08%；8個(gè)是因?yàn)?strong>到期或者資產(chǎn)不足導(dǎo)致，占比5.92%

存續(xù)時(shí)間分析：

強(qiáng)贖的可轉(zhuǎn)債中，按存續(xù)時(shí)間分析，1年以內(nèi)被強(qiáng)贖的最多，有53個(gè)，占比?41.73%,其次是 大于1年，小于等于2年的，有46個(gè)，占比?36.22%,?其次是?大于2年，小于等于3年的，有 14個(gè)，占比11.02%?....? ? ,從分析結(jié)果中可得知?可轉(zhuǎn)債發(fā)行后，短時(shí)間內(nèi)被贖回的概率比較大，存續(xù)時(shí)間越長(zhǎng)，贖回概率則越小

發(fā)行規(guī)模分析：

強(qiáng)贖的可轉(zhuǎn)債中，按資金規(guī)模劃分 發(fā)行10億的有6個(gè)，4.2億的3個(gè),25億的3個(gè)...

按債券評(píng)級(jí)分析：

強(qiáng)贖的可轉(zhuǎn)債中，按評(píng)級(jí)劃分 占比最多的是AA級(jí)，有61個(gè),占比 45.18%，其次是 AA+ 有25個(gè),占比18.52， 第三是 AAA有22個(gè),占比16.3%...? ?

總結(jié)：最好買AA- 級(jí)或以上的，被強(qiáng)贖的概率最高

按債券行業(yè)分析：

強(qiáng)贖的可轉(zhuǎn)債中，按一級(jí)行業(yè)劃分，取排名靠前的30個(gè)，占比最多的是?電子行業(yè)，其次是醫(yī)藥生物、化工、機(jī)械設(shè)備等

總結(jié)：

• 豈今為止，在已退市的可轉(zhuǎn)債中，94%以上都是被強(qiáng)贖的

• 可轉(zhuǎn)債發(fā)行后，1年以內(nèi)被強(qiáng)贖的概率最高，存續(xù)時(shí)間越往后，則概率越低

• 從債券評(píng)級(jí)上看，AA- 或以上，被強(qiáng)贖的概率最高，AAA級(jí)債券暫還沒出現(xiàn)被回售的

• 從行業(yè)上看，電氣、醫(yī)藥生物、化工、機(jī)械設(shè)備、電氣設(shè)備等都是被強(qiáng)贖比較高的行業(yè)

注：此歷史數(shù)據(jù)只供參考，具體投資還需要獨(dú)立思考，且近兩年，可轉(zhuǎn)債的發(fā)行數(shù)量增加很多，質(zhì)量更是參差不齊，選擇時(shí)還需要謹(jǐn)慎。 如果能抱著持有到期的心態(tài)，買上價(jià)格在100以內(nèi)AA級(jí)及以上的債券，相信虧本的可能性及小，且收益不會(huì)太差，此乃保守投資者投資的一種方式

程序猿與投資生活實(shí)錄已改名為? 程序猿知秋，WX同款，歡迎關(guān)注！???