【转】Python数据分析之股票实战

前言：对于股票的研究我想，无论是专业人士还是非专业人士都对其垂涎已久，因为我们都有赌徒的心态，我们都希望不花太多的时间但是能赚足够的钱，而股票是一个好的选择，本人也不例外对股票垂涎已久，不管你是否承认股票是一个来钱快的地方，但是伴随着的当然是巨大的风险，毕竟这么多炒股，并不是每个人都赚到了钱，下面的内容也不一定保证你一定能赚到钱，反正都是“猜”，不如让“猜”看起来更加专业一些。

原文章参考：http：//nbviewer.ipython.org/github/jmportilla/Udemy-notes/blob/master/Data%20Project%20-%20Stock%20Market%20Analysis.ipynb

首先当然是导入我们需要的模块了

import pandas as pd

from pandas import Series，DataFrame

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns

sns.set_style("whitegrid")

%matplotlib inline

from pandas.io.data import DataReader

from datetime import datetime

from __future__ import division

注：其实国内的股票相关行情可以通过tushare这个库获取，但是碍于自己已经对着原文自己演练了一遍了，图都已经截好了，也就没有将股票中国化，分析的主要是AAPL，GOOG，MSFT，AMZN，数据来自Yahoo。

tushare相关信息参考：http：//tushare.waditu.com/

###股票代码

stock_lis = ["AAPL"，"GOOG"，"MSFT"，"AMZN"]

###开始及结束时间，这里我们去最近一年的数据

end = datetime.now()

start = datetime(end.year - 1，end.month，end.day)

###将每个股票的近一年行情遍历出来

for stock in stock_lis：

    globals()[stock] = DataReader(stock，"yahoo"，start，end)

看看前面五条信息

AAPL.head()

AAPL.describe()

AAPL.info()

DatetimeIndex： 252 entries， 2014-11-10 00：00：00 to 2015-11-09 00：00：00

Data columns (total 6 columns)：

Open         252 non-null float64

High         252 non-null float64

Low          252 non-null float64

Close        252 non-null float64

Volume       252 non-null int64

Adj Close    252 non-null float64

dtypes： float64(5)， int64(1)

memory usage： 13.8 KB

画一下每日调整收盘价的走势图

注：每日收盘价http：//baike.baidu.com/link？url=plkht9HaMdpNPI2lFUsUvgYhjdYvqOlSStjrDvqQxhuHuA5Iaww_FVitVXEqp_ne0DATpwtuBKeSUPK8I1t4ka

AAPL["Adj Close"].plot(legend=True，figsize=(10，4))

###每日成交量

AAPL["Volume"].plot(legend=True，figsize=(10，4))

下面两个链接有关移动平均线的一些说明

1.) http：//www.investopedia.com/terms/m/movingaverage.asp

2.) http：//www.investopedia.com/articles/active-trading/052014/how-use-moving-average-buy-stocks.asp

当然也可以瞧瞧百度百科：http：//baike.baidu.com/view/7973.htm

注：在tushare这个模块里获取的国内行情的相关信息就已经包揽了常用的均线了，非常赞！

参考：http：//tushare.waditu.com/trading.html

import tushare as tsts.get_hist_data('600848') #一次性获取全部日k线数据

结果显示：

             open    high   close     low     volume    p_change  ma5 \

date

2012-01-11   6.880   7.380   7.060   6.880   14129.96     2.62   7.060

2012-01-12   7.050   7.100   6.980   6.900    7895.19    -1.13   7.020

2012-01-13   6.950   7.000   6.700   6.690    6611.87    -4.01   6.913

2012-01-16   6.680   6.750   6.510   6.480    2941.63    -2.84   6.813

2012-01-17   6.660   6.880   6.860   6.460    8642.57     5.38   6.822

2012-01-18   7.000   7.300   6.890   6.880   13075.40     0.44   6.788

2012-01-19   6.690   6.950   6.890   6.680    6117.32     0.00   6.770

2012-01-20   6.870   7.080   7.010   6.870    6813.09     1.74   6.832

             ma10    ma20      v_ma5     v_ma10     v_ma20     turnover

date

2012-01-11   7.060   7.060   14129.96   14129.96   14129.96     0.48

2012-01-12   7.020   7.020   11012.58   11012.58   11012.58     0.27

2012-01-13   6.913   6.913    9545.67    9545.67    9545.67     0.23

2012-01-16   6.813   6.813    7894.66    7894.66    7894.66     0.10

2012-01-17   6.822   6.822    8044.24    8044.24    8044.24     0.30

2012-01-18   6.833   6.833    7833.33    8882.77    8882.77     0.45

2012-01-19   6.841   6.841    7477.76    8487.71    8487.71     0.21

2012-01-20   6.863   6.863    7518.00    8278.38    8278.38     0.23

这里的平均线是通过自定义函数，手动设置的，主要是10，20，50日均线

###移动平均线：

ma_day = [10，20，50]

for ma in ma_day：

    column_name = "MA for %s days" %(str(ma))

    AAPL[column_name] = pd.rolling_mean(AAPL["Adj Close"]，ma)

瞧瞧效果

AAPL[10：15]

默认subplots这个参数是False的，这里我们瞧瞧True的情况

AAPL[["Adj Close"，"MA for 10 days"，"MA for 20 days"，"MA for 50 days"]].plot(subplots=True)

AAPL[["Adj Close"，"MA for 10 days"，"MA for 20 days"，"MA for 50 days"]].plot(figsize=(10，4))

很好看有没有！！！

让我们新建一个字段叫做“Dailly Return”，注意Dailly其实我写错了，Dailly Return其实是每日较于前一日的涨幅率.

AAPL["Dailly Return"] = AAPL["Adj Close"].pct_change()

###plot一下

AAPL["Dailly Return"].plot(figsize=(10，4)，legend=True)

###这里我们改变一下线条的类型(linestyle)以及加一些标记(marker)

AAPL["Dailly Return"].plot(figsize=(10，4)，legend=True，linestyle="--"，marker="o")

###再来瞧瞧核密度评估图吧，这里吧Nan指给drop掉

sns.kdeplot(AAPL["Dailly Return"].dropna())

注：This function combines the matplotlib hist function (with automatic calculation of a good default bin size) with the seaborn kdeplot() and rugplot() functions.

由官方说明可知，displot函数是由直方图与seaborn的核密度图以及rugplot（Plot datapoints in an array as sticks on an axis.）组合

###plot一下

sns.distplot(AAPL["Dailly Return"].dropna()，bins=100)

###再来单独获取一下每个公司的调整收盘价记录

closing_df = DataReader(stock_lis，"yahoo"，start，end)["Adj Close"]

closing_df.head()

###将每个公司的每日收盘价的百分数变化，及涨幅或者降幅，通过这个我们可以评估它的涨幅前景

tech_rets = closing_df.pct_change()

tech_rets.head()

###平均值都是大于0的，不错

tech_rets.mean(）

AAPL    0.000456

AMZN    0.003203

GOOG    0.001282

MSFT    0.000623

dtype： float64

我们来瞧瞧jointplot这个函数，通过这个函数我们可以画出两个公司的”相关性系数“，或者说皮尔森相关系数（http：//baike.baidu.com/view/3028699.htm），如下图所示

如果你看过《大数据时代》这本书，你就会知道为什么作者会求两个公司的相关性了，书中有提到的一个观点是，在大数据时代的到来，我们可以通过大数据来描绘事物之间的相关性并预测，而为什么，是后面要研究的事，注重相关性而不是因果关系。（个人读后感，如有偏驳还望指正）

下面这一部分主要在说相关性~

sns.jointplot("GOOG"，"GOOG"，tech_rets，kind="hex")

如上图所示，我们画出的事google与google自己的皮尔森相关系数，当然是1啦！值得说明的皮尔森相关系数的值在-1到1之间，1代表正相关，-1代表负相关，0代表没有任何相关性，有兴趣了解怎么算的，参考：https：//en.wikipedia.org/wiki/Pearson_product-moment_correlation_coefficient

sns.jointplot("GOOG"，"GOOG"，tech_rets，kind="scatter")

注：上面两张图画的是同一件事物，不过我们kind指定的不同，分别是六边形hex，散点scatter

我们再来画画Google与微软的皮尔森相关系数吧

sns.jointplot("GOOG"，"MSFT"，tech_rets，kind="scatter")

下面是一些相关知识，有兴趣可以瞧瞧

如何计算协方差：

http：//zh.wikihow.com/%E8%AE%A1%E7%AE%97%E5%8D%8F%E6%96%B9%E5%B7%AE

如何计算百分比变化：

http：//zh.wikihow.com/%E8%AE%A1%E7%AE%97%E7%99%BE%E5%88%86%E6%AF%94%E5%8F%98%E5%8C%96

什么是Pearson product-moment：

https：//en.wikipedia.org/wiki/Pearson_product-moment_correlation_coefficient

我们再来瞧瞧pairplot这个函数吧，四个公司的行情一起比较。

官方说明：Plot pairwise relationships in a dataset.

By default， this function will create a grid of Axes such that each variable in data will by shared in the y-axis across a single row and in the x-axis across a single column. The diagonal Axes are treated differently， drawing a plot to show the univariate distribution of the data for the variable in that column.

It is also possible to show a subset of variables or plot different variables on the rows and columns.

该函数用于成对的比较不同数据集之间的相关性，而对角线则会显示该数据集的直方图，详情见下图呗，一图抵前言

至于从形态看出相关性，你可能得看看Wikipedia了

sns.pairplot(tech_rets.dropna())

再来瞧瞧Pairplot这个对象

###我们指画直方图

returns_fig = sns.PairGrid(tech_rets.dropna())

returns_fig.map_diag(plt.hist，bins=30)

returns_fig = sns.PairGrid(tech_rets.dropna())

###右上角画散点图

returns_fig.map_upper(plt.scatter，color="purple")

###左下角画核密度图

returns_fig.map_lower(sns.kdeplot，cmap="cool_d")

###对角线的直方图

returns_fig.map_diag(plt.hist，bins=30)

再瞧瞧corrplot这个函数，官方我也敲不到它的说明，主要画相关系数，如下

###annot设定是否注释

sns.corrplot(tech_rets.dropna()，annot=False)

sns.corrplot(tech_rets.dropna()，annot=True)

在下面这一部分主要说风险这一部分了，比如推测最多亏多少钱~~

首先瞧瞧各数值吧

rets = tech_rets.dropna()

###平均值

rets.mean()

AAPL    0.000456

AMZN    0.003203

GOOG    0.001282

MSFT    0.000623

dtype： float64

###标准差  参考：http：//baike.baidu.com/view/78339.htm

rets.std()

AAPL    0.016738

AMZN    0.021165

GOOG    0.018484

MSFT    0.017800

dtype： float64

###点的大小

area = np.pi *20

###分别以rets的平均值，标准差为xy轴

plt.scatter(rets.mean()，rets.std())

###分别设定xy轴的标注

plt.xlabel("Expected Return")

plt.ylabel("Risk")

for label，x，y in zip(rets.columns，rets.mean()，rets.std())：

    plt.annotate(

        label，

        xy = (x，y)，xytext = (50，50)，

        textcoords = "offset points"，ha = "right"，va = "bottom"，

        arrowprops = dict(arrowstyle = "-"，connectionstyle = "arc3，rad=-0.3"))

由上面我们可以看出AMZN亚马逊的预计收益要高于其他三家公司，但是风险值也要高于其他三家公司~这是怎么看出来的呢？

摘自百度百科（http：//baike.baidu.com/view/78339.htm）：在投资基金上，一般人比较重视的是业绩，但往往买进了近期业绩表现较佳的基金之后，基金表现反而不如预期，这是因为所选基金波动度太大，没有稳定的表现。

衡量基金波动程度的工具就是标准差（Standard Deviation）。标准差是指基金可能的变动程度。标准差越大，基金未来净值可能变动的程度就越大，稳定度就越小，风险就越高

邀请

路过

雷人

握手

鲜花

鸡蛋