Python股票数据分析

python版本:3.4 最近在学习基于python的股票数据分析,其中主要用到了tushare和seaborn。tushare是一款财经类数据接口包,国内的股票数据还是比较全的,官网地址:http://tushare.waditu.com/index.html#id5 。seaborn则是一款绘图库,通过seaborn可以轻松地画出简洁漂亮的图表,而且库本身具有一定的统计功能。 导入的模块:

import matplotlib.pyplot as plt import seaborn as sns import seaborn.linearmodels as snsl

from datetime import datetime import tushare as ts

代码部分: 股票收盘价走势曲线 sns.set_style("whitegrid") end = datetime.today() #开始时间结束时间,选取最近一年的数据 start = datetime(end.year-1,end.month,end.day) end = str(end)[0:10] start = str(start)[0:10]

stock = ts.get_hist_data('300104',start,end)#选取一支股票 stock['close'].plot(legend=True ,figsize=(10,4)) plt.show()

股票日线

同理,可以做出5日均线、10日均线以及20日均线 stock[['close','ma5','ma10','ma20']].plot(legend=True ,figsize=(10,4))

日线、5日均线、10日均线、20日均线

股票每日涨跌幅度 stock['Daily Return'] = stock['close'].pct_change() stock['Daily Return'].plot(legend=True,figsize=(10,4))

每日涨跌幅

核密度估计 sns.kdeplot(stock['Daily Return'].dropna())

核密度估计

核密度估计+统计柱状图 sns.distplot(stock['Daily Return'].dropna(),bins=100)

核密度+柱状图

两支股票的皮尔森相关系数 sns.jointplot(stock['Daily Return'],stock['Daily Return'],alpha=0.2)

皮尔森相关系数

多只股票相关性计算 stock_lis=['300113','300343','300295','300315`] #随便选取了四支互联网相关的股票 df=pd.DataFrame() for stock in stock_lis: closing_df = ts.get_hist_data(stock,start,end)['close'] df = df.join(pd.DataFrame({stock:closing_df}),how='outer') tech_rets = df.pct_change() snsl.corrplot(tech_rets.dropna())

相关性

简单地计算股票的收益与风险,衡量股票收益与风险的数值分别为股票涨跌的平均值以及标准差,平均值为正则说明收益是正的,标准差越大则说明股票波动大,风险也大。 rets = tech_rets.dropna() plt.scatter(rets.mean(),rets.std()) plt.xlabel('Excepted Return') plt.ylabel('Risk') for label,x,y in zip(rets.columns,rets.mean(),rets.std()):#添加标注 plt.annotate( label, xy =(x,y),xytext=(15,15), textcoords = 'offset points', arrowprops = dict(arrowstyle = '-',connectionstyle = 'arc3,rad=-0.3'))

本文分享自微信公众号 - 大数据挖掘DT数据分析(datadw)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-04-23

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 阿里大数据竞赛第一名大神github源代码分享(O2O优惠券使用预测)

    队伍简介 队伍名 “诗人都藏在水底”,三位队员分别是来自北大的wepon和charles,来自中科大的云泛天音 赛题介绍 本赛题提供用户在2016年1月1日至...

    机器学习AI算法工程
  • 基于贝叶斯算法的文本分类算法

    1、基本定义: 分类是把一个事物分到某个类别中。一个事物具有很多属性,把它的众多属性看作一个向量,即x=(x1,x2,x3,…,xn),用x这个向量来代表这个...

    机器学习AI算法工程
  • AR(I)MA时间序列建模过程——步骤和python代码

    1.异常值和缺失值的处理 这绝对是数据分析时让所有人都头疼的问题。异常和缺失值会破坏数据的分布,并且干扰分析的结果,怎么处理它们是一门大学问,而我根本还没入门...

    机器学习AI算法工程
  • 深度|Python股票数据分析

    最近在学习基于python的股票数据分析,其中主要用到了tushare和seaborn。 python版本:3.4 tushare是一款财经类数据接口包,国...

    灯塔大数据
  • zuul路由代理设置

    版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。 ...

    多凡
  • VBA列出文件夹父子目录及文件名

    Dim wsh As Object, mypath As String, ar, i&, br

    巴西_prince
  • 换个字体解决Dreamweaver文字选不中的问题

      在使用Dreamweaver时,有时我们要选中一些字符进行编辑或删除,光标在英文字上面可以选中,在中文字上面就选不中,郁闷吧。比如在编辑下面这段文字的时候,...

    ytkah
  • Active Record 数据验证

    数据验证确保只有有效的数据才能存入数据库,在模型中做验证是最有保障的,只有通过验证的数据才能存入数据库。数据验证和使用的数据库种类无关,终端用户也无法跳过,而且...

    用户1515472
  • 图数据库奥秘初探

    主要参考书籍:graph database 近期工作中要做一些图谱的应用,于是这几天就调研了下图数据库,最后就有了本文。ps:本人第一次做图谱相关的应用,具体...

    zhuanxu
  • 爬虫滑块计算图片之间的距离更加精确

    小小咸鱼YwY

扫码关注云+社区

领取腾讯云代金券