Python 证券市场分析入门 实例

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

利用 Python 中的相关工具对一系列的有价证券——股票、债券以及其他商品期货进行分析，将对这些有价证券之间的相关性进行评估，并且得出风险效益水平最优化条件下的资产组合项目。

注意：分析的证券数据日期范围为2013年至2014年，如果调整了数据对应的日期范围，分析结果也将会有很大的变化。

初始化

1. %matplotlib inline
   
2. %pylab

复制代码

1. from sklearn import cluster  # 机器学习工具
   
2. import pandas             # 数据操作与计算工具
   
3. import ystockquote as ys  # 股价获取工具

复制代码

1. rcParams['figure.figsize'] = (13, 6)  # 指定默认的画布大小

复制代码

1. 数据采集
选取所要分析的有价证券

1. symbols = array([
   
2.            'blv',  # bond: long-term bond
   
3.            'bnd',  # bond: total bond market
   
4.            'bsv',  # bond: short-term bond
   
5.            'tip',  # bond: treasury inflation protected
   
6.            'gld',  # commodity: gold (SPDR)
   
7.            'iau',  # commodity: gold (iShares)
   
8.            'slv',  # commodity: silver
   
9.            'vti',  # stock: US total stock market
   
10.            'vbk',  # stock: US small-cap stock
    
11.            'aapl', # stock: Apple
    
12.            'ua',   # stock: Under Armour
    
13.            'cmg',  # stock: Chipotle
    
14.           ])

复制代码

获取每天的收盘价

1. prices = pandas.DataFrame({
   
2.              symbol: {
   
3.                  date: quote['Adj Close']
   
4.                  for date, quote in ys.get_historical_prices
   
5.             (symbol, '2000-01-01', '2015-01-01').iteritems()
   
6.              }
   
7.              for symbol in symbols
   
8.          }, columns=symbols, dtype=float)
   
9. prices.tail()

复制代码

1. prices.head()

复制代码

剔除缺失值，仅留存所有所选证券皆有数据的记录

1. prices.dropna(inplace=True)
   
2. prices.head()

复制代码

选择一个自定义开始日期进行分析

1. prices = prices.ix['2013-01-01':]
   
2. prices.head()

复制代码

绘制每日收盘价曲线图

1. prices[['vti', 'bnd', 'iau']].plot()  # 你也可以选择其他有价证券
   
2. #prices.plot()  # 这个语句将把所有的有价证券收盘价变动情况描绘出来
   
3. ylabel('Daily Close')

复制代码

以第一天为基期，绘制每一支股票的价格变动比走势

1. prices_norm = prices.copy()
   
2. for symbol in symbols:
   
3.     prices_norm[symbol] = prices[symbol]/prices[symbol][0]
   
4. prices_norm[['vti', 'bnd', 'iau']].plot()

复制代码

绘制股价金价比率曲线图（ VTI/IAU）

可以看到，在2013年至2014年间，美国市场整体股票价格增长快于金价增长。

1. (prices_norm.vti/prices_norm.iau).plot(logy=True)
   
2. ylim(0.3, 1.5)

复制代码

以上内容转自 数析学院，原文还包括 数据分析、资产组合分配等内容，有需要的同学可以直接查看原文

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏7 回帖

关键词：证券市场