使用Python进行股票分析(1)

简介

Python具有非常好的数据分析和数据可视化的功能。在本文中,我们将通过使用Python获取股票的闭市价格,并且对股票价格进行分析从而向我们提供买卖股票的依据。

数据获取

需要说明的是在这里我们获取的是美国股票的数据。至于中国股市的数据大家可以分享一下哪里可以找到。

首先,我们先import我们需要用的modules:

import numpy as np
from pandas_datareader import data
import matplotlib.pyplot as plt
import pandas as pdfrom datetime import date, timedelta

对于这些module不熟悉的同学可以自行去网上查找说明,总体上都是非常常用的进行数据分析和可视化的module。然后我们通过下面的代码从Google finance上获取我们定义的股票的交易数据。

tickers = ['U', 'SHOP', 'DDOG', 'SNOW']# how many days looks back
days_backward = 365start_date = (date.today() - timedelta(days=days_backward)).strftime('%Y-%m-%d')
end_date = date.today().strftime('%Y-%m-%d')panel_data = data.DataReader(tickers, 'stooq', start_date, end_date)
panel_data.head()

在上面的代码中,我们定义4支股票的代码:U, SHOP, DDOG, 和SNOW。这四支股票都是成长股,具有一定的可比性。然后我们定义了获取交易数据的时间长度,定义为过去的365天。通过时间长度我们算出开始的日期。结束的日期就定义为今天。然后我们就可以通过stooq从Google finance上获取交易数据了。关于Python如何获取远程数据以及更多可用的数据源大家看看这篇文档。我们得到的DataFrame看起来如下图所示:

我们看到我们获取了闭市的价格,还是最高价,最低价,和开市的价格,还有成交的数量。我们想用的是闭市的价格,通过以下的代码获取:

close = panel_data['Close']# data range with business day frequency - https://pandas.pydata.org/docs/reference/api/pandas.date_range.html
all_weekdays = pd.date_range(start=start_date, end=end_date, freq='B')close = close.reindex(all_weekdays)# Fill values by propagating the last valid observation to next valid - https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.fillna.html
close = close.fillna(method='ffill')close.head(10)

这里我们获取了闭市的数据,同时我们还对数据重新进行了索引,并且对不可用的数据重新进行了填充。现在我们的数据看起来是这样的:

计算股票的累计盈亏

我们要计算每一支股票累计上升或者下跌的百分比。之所以用百分比而不是直接用价格是因为每支股票的价格区别比较大。将价格的变化转换为百分比相当于对各支股票的价格变化进行正规化处理。我们使用如下的代码计算各支股票的累计盈亏:

# Relative returns - https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.pct_change.html
returns = close.pct_change(1)total_returns = returns.cumsum().tail(1).transpose();
total_returns.sort_values(by=total_returns.columns[0], ascending=False, inplace=True)
total_returns

这里我们按照股票盈亏从大到小进行了排序并输出:

然后我们可以用如下的代码通过柱状图将各支股票的盈亏百分比可视化:

import seaborn as sns
sns.set(style='darkgrid', context='talk', palette='Dark2')total_returns.plot(kind='bar');

输出如下:

我们还可以用如下代码绘制各支股票盈亏百分比的变化情况:

plt.figure(figsize=(16, 6))
for c in returns:plt.plot(log_returns.index, 100*(np.exp(log_returns[c].cumsum()) - 1), label=str(c))plt.ylabel('Total relative returns (%)')
plt.legend(loc='best')plt.show()

输出:

决定如何购买股票

在这里,我们做一个假设,股票的历史表现可以复制到未来的表现。这在股市当中是很合理的假设。因为公司表现的好坏非常有可能延续下去。所以我们如果有一定金额的资金想投资到这些股票上,一种策略是基于每支股票之前的表现,按照比例分配购买的资金。但是我们发现还有一个问题,有些股票可能是亏损的。所以我们在按照比例分配购买资金前,要先将这样的股票剔除出去。我们定义如下的函数完成这个工作:

def get_profitable_stocks(returns):cum_sum = returns.cumsum()return list(cum_sum.loc[:, (cum_sum.iloc[[-1]] > 0).any()].keys())get_profitable_stocks(returns) 

我们发现目前为止所有的股票都是盈利的。然后我们定义如下的函数完成按照盈利的比例分配购买资金的功能:

# calculate ratio of buying power for stocks based on accumulative earning.
def calc_fund(returns, fund, max_stock_count = 10):column = total_returns.columns[0]positive_total_returns = total_returns[total_returns[column] > 0]stock_count = min(len(positive_total_returns), max_stock_count)positive_total_returns['ratio'] = positive_total_returns[column] / positive_total_returns[column].sum()positive_total_returns['fund'] = positive_total_returns['ratio'] * fundreturn positive_total_returns['fund']

现在假设我们有1000元,我们测试以下得到的结果如何:

总结

在本文中我们获取了感兴趣的股票的闭市价格。然后我们计算了各支股票的累计盈亏百分比,并且对该数据进行了可视化。最后我们定义了一种简单的交易策略,并且实现了函数可以帮助我们自动计算出交易策略。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/729205.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

LeetCode 第53天 | 1143. 最长公共子序列 1035. 不相交的线 53. 最大子数组和 PTA一些注意点 动态规划

1143. 最长公共子序列 最长公共子序列和最长公共子数组的区别在于,dp中子序列可以不连续,可以从左上(text1[i-1] text2[j-1])推出,也能从左边或者上边(取最大值)推出;公共子数组只能…

前端状态码报错(解析)

400系列状态码 - 客户端错误! !!!!!!!! 400 Bad Request 描述:这是一个通用的错误响应,表示服务器无法理解请求由于无效的语法。实例:…

【C语言】左旋字符串(三种实现方式)

题目: 实现一个函数,可以左旋字符串中的k个字符。 例如: ABCD左旋一个字符得到BCDA ABCD左旋两个字符得到CDAB 方法一: 我们画个图分析一下: 基本逻辑: 就是我们每一次旋转之前,我们就取出…

pip install和conda install的区别

先说结果:日常对于python的学习和简单项目推荐使用pip安装,效率更高,也不会有很多依赖问题。 首先,无论是conda还是pip,它们都属于包管理工具,直白点来说就是用来下载东西的。 二者的区别主要有以下几点&…

蓝桥杯——web(ECharts)

ECharts 初体验 <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8" /><meta name"viewport" content"widthdevice-width, initial-scale1.0" /><script src"echarts.js">&l…

《JAVA与模式》之观察者模式

系列文章目录 文章目录 系列文章目录前言一、观察者模式的结构二、推模型和拉模型三、JAVA提供的对观察者模式的支持四、怎样使用JAVA对观察者模式的支持前言 前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站,这篇文章男…

入门学习Python推荐书籍

. Python作为一门易学易用的编程语言&#xff0c;在近些年得到了越来越多的关注和应用。Python的开发效率极高&#xff0c;语言特性丰富&#xff0c;拓展性强。因此&#xff0c;Python成为了众多IT工程师、科研人员、数据分析师以及爱好者的首选。 那么&#xff0c;对于初学者…

vite项目修改node_modules

问题详情 在使用某个依赖的时候遇到了bug&#xff0c;提交issue后不想一直等待到作者更新版本&#xff0c;所以寻求临时自己解决 问题解决 在node_modules里找到需要修改的依赖&#xff0c;修改想要修改的代码 修改后记得保存 然后在node_modules里找到.vite文件夹&#x…

docker快照备份回滚

1. 安装系统 1.1 vm安装Ubuntu 参考:https://blog.csdn.net/u010308917/article/details/125157774 1.2 其他操作 添加自定义物理卷 –待补充– 1.2.1 查询可用物理卷 fdisk -l 输出如下 Disk /dev/loop0: 73.9 MiB, 77492224 bytes, 151352 sectors Units: sectors of …

耐腐蚀PFA消解管可配四氟回流盖适配海能莱伯泰科全自动石墨消解仪

PFA消解管&#xff0c;也叫PFA消化管、特氟龙消解管、耐高温消解杯等&#xff0c;应用于气相、液相、等离子光谱质谱、原子吸收、原子荧光等化学分析方法的样品前处理&#xff0c;可消解重金属、农残、食品、淤泥、稀土、水产品、有机物等。 PFA消解管 PFA消解管可耐强酸、强碱…

基于单片机的红外测距仪设计

目 录 摘 要 I Abstract II 引 言 1 1 控制系统设计 3 1.1 主控制器选择 3 1.2 项目总体设计 3 2 项目硬件设计 5 2.1 单片机控制模块 5 2.2 测距模块设计 9 2.3 液晶显示模块 10 2.4 报警模块 11 3 项目软件设计 12 3.1 软件开发环境 12 3.2 系统主程序设计 13 3.3 LCD显示程…

Spring Boot 生成与解析Jwt

Spring Boot 生成与解析Jwt Maven依赖 <dependency><groupId>io.jsonwebtoken</groupId><artifactId>jjwt</artifactId><version>0.9.1</version> </dependency>生成&解析 package yang;import io.jsonwebtoken.Claims…

收银系统源码-智慧新零售2.0小助手全新升级!

欢迎后台私信&#xff0c;测试体验&#xff01; 新零售助手是智慧新零售系统的移动管理端&#xff0c;尤其针对商户/门店日常经营必不可少的一环。智慧新零售2.0版小助手也进行了全新升级&#xff0c;使用起来更简单&#xff0c;页面更美观。小助手采用微信小程序登陆&#xf…

第六讲:什么是期货合约、永续合约

什么是期货合约 期货合约 &#xff1a; 是买方和卖方的一个约定&#xff0c;在将来的某个时间&#xff0c;以某个价格对某个货物进行交易 比如农民会种植农作物&#xff0c;粮商收购农作物。农民会和粮商 签订期货合约 卖货的一方&#xff0c;属于做空单。买货的一方&#x…

SQL27 查看不同年龄段的用户明细

题目描述 题目&#xff1a;现在运营想要将用户划分为20岁以下&#xff0c;20-24岁&#xff0c;25岁及以上三个年龄段&#xff0c;分别查看不同年龄段用户的明细情况&#xff0c;请取出相应数据。&#xff08;注&#xff1a;若年龄为空请返回其他。&#xff09; 示例&#xff…

OceanBase社区版单节点安装搭建(Docker)

OceanBase社区版单节点安装搭建&#xff08;Docker&#xff09; 文章目录 OceanBase社区版单节点安装搭建&#xff08;Docker&#xff09;一、环境检查及Docker配置1.1 安装docker1.2 配置docker镜像源 二、OB镜像下载三、obd部署单节点数据库四、创建业务租户、数据库、表4.1 …

vsto给excel赋值最快的方式是什么

在 VSTO (Visual Studio Tools for Office) 中&#xff0c;给 Excel 赋值最快的方式通常是通过使用数组进行批量操作。直接将数据数组赋值给 Excel 范围&#xff0c;而不是逐个单元格地进行操作&#xff0c;可以显著提高性能。以下是一个简单的示例&#xff1a; csharp // 假设…

Git 掌握

目录 一、前言 二、centos安装Git 三、Git基本操作 (1) 创建Git本地仓库 (2) 配置Git (3) 认识工作区&#xff0c;暂存区&#xff0c;版本库 四、添加文件 五、查看.git文件 六、修改文件 七、版本回退 八、撤销修改 (1) 场景一 对于还没有add的代码 (2) 场景二 已…

遍历字典修改值时RuntimeError: dictionary changed size during iteration

原始代码&#xff1a; 需求&#xff1a;遍历data字典&#xff0c;将值为‘无’的键值对进行删除 for key, value in data.items():if value 无:data.pop(key)else:pass报错&#xff1a;RuntimeError: dictionary changed size during iteration 原因&#xff1a;字典不支持在…

基于springboot+vue实现民宿管理系统项目【项目源码+论文说明】计算机毕业设计

基于springbootvue实现民宿管理系统演示 摘要 伴随着我国旅游业的快速发展&#xff0c;民宿已成为最受欢迎的住宿方式之一。民宿借助互联网和移动设备的发展&#xff0c;展现出强大的生命力和市场潜力。民宿主要通过各种平台如携程、去哪儿、淘宝等在网络上销售线下住宿服务&a…