Question

在我们开始建模之前，先讨论一下什么是IPO（或首次公开募股），以及关于这个市场，研究的结果能告诉我们些什么。之后，我们将讨论一些可以应用的策略。

4.1.1　什么是IPO

首次公开募股是一家私人公司成为上市公司的过程。公开发行为公司募集资金，并让公众通过购买其股票，获得投资该公司的机会。

虽然具体实施有些不同，但在典型的发行过程中，一家公司会列出一家或多家承销其发行的投资银行。这意味着那些银行向公司保证，在发行当天他们将购买所有以IPO价格提供的股份。当然，承销的银行不打算自己保留全部的股份。在发行公司的帮助下，他们去做所谓的路演，吸引机构客户的兴趣。这些客户可以预订股份，表示他们有意在IPO当天购买股票。这是一个非约束性合同，因为发行的价格直到IPO的当天才最终确定。然后，承销商将根据客户们所表达的感兴趣程度，设定发行的价格。

从我们的角度来看，非常有趣的地方在于：研究表明IPO一直被系统性地低估。有许多理论解释为什么会发生这种情况，以及为什么低估的范围会随着时间而变化，不过可以肯定的是，研究已经显示出每年有“数十亿美元留在桌子上”。

在IPO中，“留在桌子上的钱”是指股票的发行价和第一天收盘价之间的差价。

在我们继续之前，还应该谈一谈发行价和开盘价之间的区别。虽然偶然的情况下你可以通过经纪人的交易，以发行价获得IPO，但作为一个普通的公众，你基本上不得不以开盘价（通常更高）来购买IPO。我们将在这个假设下构建模型。

4.1.2　近期IPO市场表现

现在来看看IPO市场的表现。我们将从IPOScoop.com拉取数据。这是一项为即将到来的IPO提供评级的服务。请访问https://www.iposcoop.com/scoop-track-record-from-2000-to-present/并单击页面底部的按钮，下载一个电子表格。我们将其加载到pandas，并使用Jupyter记事本运行一些可视化。

首先，进行整个章节都需要的导入环节。然后，我们会像下面这样拉取数据。

import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt 
from patsy import dmatrix 
from sklearn.ensemble import RandomForestClassifier 
from sklearn import linear_model 
%matplotlib inline 
ipos = pd.read_csv(r'/Users/alexcombs/Downloads/ipo_data.csv', 
encoding='latin-1') 
ipos

上述代码生成图4-1的输出。

图4-1

这里我们可以看到，对于每个IPO都有一些不少的信息：发行日期、发行者、发行价格、开盘价格以及价格的变化。让我们先按照年份来探索表现的数据。

我们首先需要进行一些清理工作，以正确地格式化所有的列。这里将去掉美元和百分比符号。

ipos = ipos.applymap(lambda x: x if not '$' in str(x) else 
x.replace('$','')) 
ipos = ipos.applymap(lambda x: x if not '%' in str(x) else 
x.replace('%','')) 
ipos

上述代码生成图4-2的输出。

图4-2

接下来，我们将修正所有列的数据类型。目前它们都是对象，但是对于即将执行的聚合和其他操作而言，我们需要数值类型。使用下面这行代码来查看列的数据类型。

ipos.info()

上述代码生成图4-3的输出。

图4-3

在我们的数据中有一些'N/C'的值，首先需要将其替换。之后就可以更改数据类型了。

ipos.replace('N/C',0, inplace=True) 
ipos['Date'] = pd.to_datetime(ipos['Date']) 
ipos['Offer Price'] = ipos['Offer Price'].astype('float') 
ipos['Opening Price'] = ipos['Opening Price'].astype('float') 
ipos['1st Day Close'] = ipos['1st Day Close'].astype('float') 
ipos['1st Day % Px Chng '] = ipos['1st Day % Px Chng '].astype('float') 
ipos['$ Chg Close'] = ipos['$ Chg Close'].astype('float') 
ipos['$ Chg Opening'] = ipos['$ Chg Opening'].astype('float') 
ipos['Star Ratings'] = ipos['Star Ratings'].astype('int')

请注意，这会抛出一个错误，如图4-4所示。

图4-4

这意味着我们的日期中有一个格式是不正确的。基于上述的堆栈跟踪信息发现问题，然后修复它。

ipos[ipos['Date']=='11/120']

发现这个错误后，我们将观察图4-5的输出。

图4-5

正确的日期应该是11/20/2012，因此我们将对其设置正确的值并重新运行前面的数据类型修订。之后，一切都可以顺利进行。

ipos.loc[1660, 'Date'] = '2012-11-20' 

ipos['Date'] = pd.to_datetime(ipos['Date']) 
ipos['Offer Price'] = ipos['Offer Price'].astype('float') 
ipos['Opening Price'] = ipos['Opening Price'].astype('float') 
ipos['1st Day Close'] = ipos['1st Day Close'].astype('float') 
ipos['1st Day % Px Chng '] = ipos['1st Day % Px Chng'] 
.astype('float') 
ipos['$ Chg Close'] = ipos['$ Chg Close'].astype('float') 
ipos['$ Chg Opening'] = ipos['$ Chg Opening'].astype('float') 
ipos['Star Ratings'] = ipos['Star Ratings'].astype('int') 

ipos.info()

上述代码生成图4-6的输出。

图4-6

现在，终于可以开始我们的探索了。这里从第一天的平均收益百分比开始。

ipos.groupby(ipos['Date'].dt.year)['1st Day % Px Chng ']\
.mean().plot(kind= 'bar', figsize=(15,10), color='k', title='1st Day Mean 
IPO Percentage Change')

上述代码生成图4-7的输出。

图4-7

这里都是近年来一些正向的百分比。让我们现在来看看与平均值相比较，中位数的表现又是如何。

ipos.groupby(ipos['Date'].dt.year)['1st Day % Px Chng ']\
.median().plot(kind='bar', figsize=(15,10), color='k', title='1st Day 
Median IPO Percentage Change')

上述代码生成图4-8的输出。

图4-8

通过平均值和中位数的对比，我们可以清楚地看到，一些较大的异常值造成了回报分布的偏斜。让我们来仔细观察一下。

 ipos['1st Day % Px Chng '].describe()

上述代码生成图4-9的输出。

图4-9

现在我们还可以将其绘制成图。

ipos['1st Day % Px Chng '].hist(figsize=(15,7), bins=100, color='grey')

上述代码生成图4-10的输出。

图4-10

从图4-10，我们可以看到大多数回报集中在零附近，但有个长尾一直拖到右侧，那里有一些真正的全垒打^[1]发行价。

我们已经看过第一天的百分比变化，就是从发行价到当天收盘价的差距，但正如我前面所指出的，很少有机会能够以发行价买入。既然如此，现在让我们来看看开盘价到收盘价的收益率。它有助于我们理解这个问题：所有的收益都是给了那些拿到发行价的人，还是说在第一天人们仍然有机会冲入并获得超高的回报？

为了回答这个问题，我们首先创建两个新的列。

ipos['$ Chg Open to Close'] = ipos['$ Chg Close'] - ipos['$ Chg Opening'] 
ipos['% Chg Open to Close'] = (ipos['$ Chg Open to Close']/ipos['Opening 
Price']) * 100

上面的代码生成图4-11的输出。

图4-11

接下来，我们将生成统计信息。

ipos['% Chg Open to Close'].describe()

上面的代码生成图4-12的输出。

图4-12

即刻，这些数据看起来就令人怀疑了。虽然首次公开募股有可能在开盘后下跌，但是跌幅几乎达到99%，似乎是不太现实的。经过一番调查，我们发现好像两个表现最差的发行者实际上是不好的数据点。当处理现实世界的数据时，往往情况就是如此，所以我们将更正这些并重新生成数据。

ipos.loc[440, '$ Chg Opening'] = .09 
ipos.loc[1264, '$ Chg Opening'] = .01 
ipos.loc[1264, 'Opening Price'] = 11.26 

ipos['$ Chg Open to Close'] = ipos['$ Chg Close'] - ipos['$ Chg Opening'] 
ipos['% Chg Open to Close'] = (ipos['$ Chg Open to Close']/ipos['Opening 
Price']) * 100

 ipos['% Chg Open to Close'].describe()

上述代码生成图4-13的输出。

图4-13

这次损失下降到40％，看起来仍然让人觉得怀疑，不过仔细观察之后，发现它是Zillow的IPO。Zillow开盘炒得异常火热，但在收盘前很快就跌到了地板上。这告诉我们，坏数据点似乎已经被清理完毕了。

现在将继续前进，希望我们已清除了大部分的错误。

ipos['% Chg Open to Close'].hist(figsize=(15,7), bins=100, color='grey')

上述代码生成图4-14的输出。

图4-14

最后，我们可以看到开盘价到收盘价变化的分布形状，和发行价到收盘价变化的分布相比，有着明显的差异。平均值和中位值都有显著的下降，而且紧贴着原点右侧的条形看上去有一个健康的梯度，而原点左侧的条形似乎也按照比例进行了增长^[2]。注意，右边的长尾没有之前那么明显了，但仍然是值得注意的，所以还有一丝希望。

4.1.3　基本的IPO策略

现在我们对市场有了一些感觉，这里来探讨几项策略。如果我们以其开盘价购买每个IPO股票，然后在收盘时卖出，那么最终收益如何？我们看一下2015年迄今的数据。

ipos[ipos['Date']>='2015-01-01']['$ Chg Open to Close'].describe()

上述代码生成图4-15的输出。

图4-15

ipos[ipos['Date']>='2015-01-01']['$ Chg Open to Close'].sum() 

上述代码生成图4-16的输出。

图4-16

让我们拆分一下盈利的交易和亏损的交易。

ipos[(ipos['Date']>='2015-01-01')&(ipos['$ Chg Open to Close']>0)]['$ Chg 
Open to Close'].describe()

上述代码生成图4-17的输出^[3]。

图4-17

ipos[(ipos['Date']>='2015-01-01')&(ipos['$ Chg Open to Close']<0)]['$ Chg 
Open to Close'].describe()

上述代码生成图4-18的输出^[4]。

图4-18

所以，我们可以看到，如果2015年投资每一个IPO，我们将会忙于投资147家IPO，大约一半使我们挣钱，而另一半使我们损失了钱。整体上还是有利润的，因为盈利IPO的收益最终弥补了损失的钱。当然，这里假设没有交易差额或佣金成本，在现实世界中这些都是不可避免的。然而，这显然不是发家致富的法宝，因为平均回报率低于1%。

　

交易差额是指对于目标股票，你尝试买入或卖出的价格和订单实际执行价格之间的差异。

让我们看看是否可以使用机器学习来帮助改善这个最基本的方法。一个合理的策略似乎是瞄准图4-14中那长长的右尾，所以我们将聚焦于此。