大家好！上次写了个干货教程：如何预测新上市可转债的价格？ 　　

　　本文提出了利用excel拟合曲线插值法预测可转换债券价格的方法，该方法已被推崇了30多年。好像有很多感兴趣的朋友。今天我给大家详细的教程。 　　

一、准备工具

　　 1、微软Excel 　　

　　2.可转换债券数据：转换价值和转换价格。 　　

二、操作方法

　　 1.从吉丝路或Ningwen.com获取数据，按住鼠标左键从上到下选择所有可转债数据，然后复制。 　　

　　2.创建并打开一个excel表，并将刚刚复制的数据粘贴到其中。 　　

　　3.删除多余的数据，只留下转换价值和转换价格，交换两列数据的位置。 　　

　　剪切转换值列： 　　

　　选择可转换债券价格列，并在其前面插入剪切单元格： 　　

5、在出现的图表中选择其中一点，右击并选择添加趋势线

6、在出现的的“设置趋势线格式”界面中，选择趋势线选项“多项式”，勾选“显示公式”和“显示R平方值”选项，然后我们就得到了趋势线及方程

7、根据生成的方程，我们就可以代入转股价值进行计算了。

三、高阶玩法

我之前说了：「这个方法的缺点就是每天都要复制可转债的转股价值和价格，生成一次公式再计算。我这么懒，肯定不能这么干，所以计划用python生成代码每天自动跑。」

下面就是我用python生成的代码，也分享给大家：

import matplotlib.pyplot as pltimport numpy as np# 转股价值x = [1, 2, 3, 4, 5, 6, 7, 8]# 转债价格y = [1, 4, 9, 13, 30, 25, 49, 70]# np.polyfit()可以对一组数据进行多项式拟合，3个参数表示用2次多项式拟合x，y数组a = np.polyfit(x, y, 2)# np.poly1d()生成多项式对象b = np.poly1d(a)print(b)# 生成多项式对象之后，即可获取x在这个多项式处的值c = b(x)print(c)# 输入转股价值即可生成拟合价格d = b(99.8)print(d)# 对原始数据画散点图plt.scatter(x, y, marker='o', label='original datas')# 对拟合之后的数据，也就是x，c数组画图plt.plot(x, c, ls='-', c='red', label='fitting with second-degree polynomial')# 在图上标明一个图例，用于说明每条曲线的文字显示plt.legend()# 生成图表plt.show()

执行代码，即可生成拟合价格：

全文完。

如果大家觉得有所收获，麻烦点赞在看转发一键三连，创作不易，感谢您的支持！