用Python分析股市指数

專 欄

❈本文作者:王勇,目前感兴趣项目商业分析、Python、机器学习、Kaggle。17年项目管理,通信业干了11年项目经理管合同交付,制造业干了6年项目管理:PMO,变革,生产转移,清算和资产处理。MBA, PMI-PBA, PMP。❈

衡量市场,指数高低是一个难题!价值投资者很难知道,现在是高估,还是低估?买的是便宜还是,贵了?现在应该买/卖,还是再等等?

针对这个问题,我在网上看到了一些量化的处理方法。例如:平均数法,中位数法,比例法等等。这种方法往往过于简单,只能衡量集中度。不能衡量离散度和概率。

也许统计方法中的标准差Z值法更加适合。既可以衡量某个指数的指标的集中度,还可以衡量离散度,和风险情况。尽管指数的数据也不是完美的正态分布,但Z值法依然存在较大参考意义。

我的观点

Z值越大,越高估。因为大数定理认为:Z>1, Z>2,意味着继续变大的可能性小于16%, 5%。Z值越小,越低估。因为大数定理认为:Z<-1, Z<-2,意味着继续变小的可能性小于16%, 5%综观550多只指数的历史数据。绝大部分指数的Z值都在-2,3之间。注:少数的能源,金属类指数曾经出现过短暂疯狂的。Z值法就不太适用

我使用Python的Pandas 和 Matplotlib 等工具,加上一些渠道获得的指数数据(尤其是市盈率),做了这个工具。主要目的是:

方便自己定投使用。知道何时开始定投,何时停止定投,何时止盈。 (目前还没有止盈过)结合统计学,熟悉Python的基本数据分析方法。网上分享给愿意参考的人,交流和学习

分享是对自己最好的投资!

欢迎指正。

1 Python 基础模块初始化

2 数据库导入

3 定义指标-画图函数()

根据大数定律,在正态分布情况下,

Z值=0,左右概率是50%

Z值在(-1,+1)左右的概率合计是68%,

Z值在(-2,+2)左右区间的概率合计是95%。

例:Z值=1, 其他数据大于1的概率<=84%,小于1的概率>=16%。 可近似认为:目前已经高估

例:Z值=-1, 其他数据小于-1的概率<=84%,大于-1的概率<=16% 可近似认为:目前已经低估

4 历史数据分组正态化处理 -获得Z值

5 全市场概览 - (价格,市盈率,市净率) 查看和比较目前所有指数的Z值平均数

[-0.5,0.5] 常态

小于-0.5,市场低估

大于0.5, 市场高估活跃

6 三年时间以上的指数Z值

6.1 市盈率Z值

  • 最高5个指数。 某指数与自己过去历史的市盈率相比,现在所处的位置。
  • 最低5个指数。 某指数与自己过去历史的市盈率相比,现在所处的位置。

我的观点Z值越大,越高估。因为大数定理认为:Z>1, Z>2,意味着继续变大的可能性小于16%, 5%。我的观点Z值越小,越低估。因为大数定理认为:Z<-1, Z<-2,意味着继续变小的可能性小于16%, 5%

综观550多只指数的历史数据。绝大部分指数的Z值都在-2,3之间。

注:少数的能源,金属类指数曾经出现过短暂疯狂的。Z值法就不太适用

6.2 指数市盈率Z值和指数收盘价Z值加权表

6.3 最高和最低的指数市盈率,和收盘价例子

指数: 文化传媒 和 食品饮料。 排除中证电信,原因是不同数据源市盈率差异太大。 红色的线表示,Z值=1 绿色的线表示,Z值=-1 注: 左图:(以过去10年所有数据为基础计算Z值),最后一个点2017年10月18日 右图:(以2017年的所有数据为基础计算Z值),最后一个点2017年10月18日

分享是工作和生活中最好的投资!本文的全文(含Python 代码,首发于知乎专栏Python中文社区 ),主要供Python学习和量化分析学习讨论,请点击阅读原文https://zhuanlan.zhihu.com/p/30273447。 本文的分析结果在雪球发布,供参考指数的Z值和分析学习讨论。 https://xueqiu.com/1128434813/93998135

原文发布于微信公众号 - Python中文社区(python-china)

原文发表时间:2017-10-23

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏腾讯大讲堂的专栏

为啥你的报表越看越丑,而别人的却永远高大上?

14420
来自专栏大数据文摘

AI大事件 | 李飞飞接受访谈, TensorFlow: 发布 1.4.0,深度强化学习Bootcamp-视频讲座&amp;实验

17730
来自专栏数据派THU

8个带你快速入门的趣味机器学习项目(附数据源、教程)

来源:机械鸡(ID:jixieji2017) 本文长度为3216字,建议阅读6分钟 本文为你介绍八个短时间可以完成的趣味机器学习项目。 抽时间做项目是最好的一种...

297100
来自专栏机器学习人工学weekly

机器学习人工学weekly-2018/2/11

注意下面很多链接需要科学上网,无奈国情如此 1. sentiment analysis的survey文章,前面略显累赘,后面还行 链接:https://arxi...

375150
来自专栏机器之心

学界 | 南科大翁文康:「量子霸权」的基础概念和可行方案

论文:Quantum supremacy: some fundamental concepts

17700
来自专栏机器人网

人工智能时代,GPU要火?

? 我们想用机器做越来越多的事,我们能做的、不能做的、懒得做的……统统都想让机器代劳。“人工智能”——已经不再是科幻电影里的事,Google、Microsof...

45090
来自专栏机器学习AI算法工程

教你如何用机器学习预测《权利的游戏》中的叛徒

几个月之前,Airbnb发布了一篇博文,在这篇文章中作者向读者介绍了他们的数据科学家建立一个机器学习模型来保护自己的用户免遭来自恶意行为的欺诈危害。如果我们将...

39160
来自专栏IT技术精选文摘

快消品图像识别丨无人店背后的商品识别技术

人工智能一浪接一浪地席卷全球,AI的其中一个重要分支——计算机视觉,也如雨后春笋,不断涌现出新的想法和应用。人脸识别已经逐渐渗透我们的日常生活,机器能够认准人脸...

73770
来自专栏人工智能头条

微软自拍应用一键美颜背后的人工智能技术(附论文下载)

38170
来自专栏ATYUN订阅号

Flex Logix展示全新神经推理引擎,专为AI部署而生

芯片制造商Flex Logix今天推出了新的Nmax通用神经推理引擎,该引擎专为在许多环境中使用流行的机器学习框架(如TensorFlow或Caffe)进行AI...

10220

扫码关注云+社区

领取腾讯云代金券