欢迎光临杨雨的个人博客站!

杨雨个人网站-杨雨个人博客-杨照佳

杨雨个人博客网站

关注互联网和搜索引擎的个人博客网站

首页 > WEB开发 > Python教程 >

python可以用来炒股吗

发布时间:2019-06-18  编辑:杨雨个人博客网站   点击:   

Python是一门广泛在各个行业应用的语言,包括计算机,生物学,金融。可以说,python除了不会生孩子,其他啥都行。本文将使用python来玩转股票数据,让你见识Python的强大。

python可以用来炒股吗

所使用的工具

python3.6Juypter notebook(交互式IDE,推荐使用)numpy,pandas用于数据分析matplotlib,seaborn用于数据可视化pandas_datareader用于获取股票数据

数据获取

我们可以从pandas_datareader获取股票数据。首先需要安装这个库

pip install pandas
pip install pandas-datareader

然后就可以访问数据了

from pandas_datareader.data import DataReader
datas = DataReader(name='BABA', data_source='yahoo', start='2015-01-01', end='2018-01-01')

在这里,我首先把数据存为了csv文件,让我们首先看看阿里巴巴前几年的股票数据吧。

import pandas as pd 
file = 'BABA.csv'   #csv文件index = 'Date'      #将日期作为索引列alibaba = pd.read_csv(file, index_col=index)    #读取csv文件数据

然后我们简单的查看一下阿里巴巴的股票数据

alibaba.head(n = 5)  #查看前5行数据

下面是股票数据的前5行,我们可以看到每天的开盘价,收盘价,最高值,最低值,成交量等。

1560850977(1).png

然后再查看一下这些数据的描述,获取对数据的直观感受。

alibaba.describe()

这是对数据的统计量的一些分析,可以看到总共有789行数据,最高值和最低值相差不大。

1560851018(1).png

历史趋势分析

在分析之前,我们先导入所需要的Python科学计算库。

# 数据分析
import numpy as np
import pandas as pd
from pandas import Series, DataFrame# 可视化
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

我们首先分析股票的闭盘价的总体趋势。

alibaba['Adj Close'].plot(legend = True)
plt.title('Alibaba Adj Close')
plt.ylim([50,200])
plt.xlabel('Date')
plt.ylabel('Price')

可以看到,虽然中间也有小小的波动,闭盘价总体趋势是上升的,这表明阿里巴巴的市值一直在上升。

1560851114(1).png

然后我们了解一下每天阿里巴巴股票的日收益率,毕竟,在股市赚钱,主要靠的就是低买高卖得到的收益。

size = (10,8)
alibaba['daily-return'].plot(figsize = size,linestyle = '--',marker = 'o') #折线图,原点表示最大最小点plt.title('Alibaba daily return')
plt.xlabel('Date')
plt.ylabel('daily return rate')

每天的收益率不是稳定的,证明股市有风险,需要谨慎对待。

1560851155(1).png

实用小知识:pct_change()函数将每个元素与其前一个元素进行比较,并计算变化百分比。默认情况下,pct_change()对列进行操作; 如果想应用到行上,那么可使用axis = 1参数。

我们再使用密度图和直方图查看一下日收益率的总体情况。

data = alibaba['daily-return'].dropna() #清除异常值bins = 50 #分为50个区间#在同一张图上画出分布直方图和密度图sns.distplot(data, bins  = bins, color = 'red',hist = True, kde = True)
plt.title('Alibaba daily return distribution')
plt.xlabel('daily-return')
plt.ylabel('probablity')
plt.xlim([-0.05,0.1])

从图中我们可以看出,总体收益率基本稳定在0左右,盈或者损是对称的。

1560851193(1).png

风险分析

在风险分析里,我们对比几家互联网行业的大公司,看看它们的股票有什么差异,这里我选的5家公司是苹果,谷歌,亚马逊,微软,Facebook,时间是2015年到2017年。(大家也可以从前面的百度网盘里面的链接获取哦。)

读取top5.csv文件获取数据,按时间进行排序,并进行查看。

file = "top5.csv"index = 'Date'top_tech_df = pd.read_csv(file,index_col = index)  #读取数据
top_tech_df=top_tech_df.sort_index()    #按索引,也就是时间排序
top_tech_df.head(n = 5)

这里的数据指的是股票的闭盘价,这是前5条数据。

1560851257(1).png

首先综合比对一下这5家公司,看看谁更厉害。

top_tech_df.plot(kind = 'line')      #折线图plt.title('five company adj close picture')
plt.xlabel('Date')
plt.ylabel('price')
plt.legend()     #添加图例

可以看到谷歌和亚马逊,闭盘价始终高于其他三家公司,而这两家也是貌似有点关系,你升我也升,你降我也降。

1560851300(1).png

上面图中看到其他三家貌似是平稳发展的,其实由于图的比例太大,导致相对平缓,真实的情况其实是此起彼伏,也有很大波动,下面查看一下。

another_company = ['AAPL','FB','MSFT']
top_tech_df[another_company].plot()
plt.title('another company adj close picture')
plt.xlabel('Date')
plt.ylabel('price')
plt.legend()

1560851336(1).png

从上面了解到谷歌和亚马逊的闭盘价变化有着某种相似性,我们再来看看日收益率。

sns.jointplot("AMZN",'FB',top_tech_dr,kind='scatter',color = 'red',size=8)
plt.title('joint with AMZN and FB')

谷歌和亚马逊的收益率也好像是正相关的,这可以作为预测这两家股票发展的一个参考因素。

1560851381(1).png 本文地址:http://itbyc.com/Python/21715.html
转载请注明出处。

分享是一种快乐,也是一种美德:
博客首页 | WEB开发 | 网站运营 | CMS使用教程 滇ICP备14002061号-1