金融时间序列（一）

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

以下内容转自 数析学院，只节选了部分，有需要的同学可以直接查看原文


在金融学中遇到的最重要数据类型之一是金融时间序列，即以日期时间为索引的数据。本节主要通过几个金融环境的案例，学习使用 Python 以及 Pandas 库进行时间序列建模分析。


主要内容包括：


Pandas 库的 DataFrame、Series 对象的基本方法以及可视化功能
Pandas 中处理时间索引的方法
读取来自 Web的数据、CSV 文件、高频数据，并进行规整
使用一些指标、回归方法分析数据

1. import warnings
   
2. warnings.simplefilter('ignore')

复制代码

一、pandas 基础

1. import numpy as np
   
2. import pandas as pd

复制代码

1、使用 DataFrame 类的第一步

1. df = pd.DataFrame([10, 20, 30, 40], columns=['numbers'],
   
2.                   index=['a', 'b', 'c', 'd'])
   
3. df

复制代码

1. df.index  # 索引值

复制代码

Index([u'a', u'b', u'c', u'd'], dtype='object')

1. df.columns  # 标签

复制代码

Index([u'numbers'], dtype='object')

1. df.ix['c']  # 通过索引选择

复制代码

numbers    30Name: c, dtype: int64

1. df.ix[['a', 'd']]  # 通过多个索引名选择

复制代码

1. df.ix[df.index[1:3]]  # 通过索引对象选择

复制代码

1. df.sum()  # 每列求和

复制代码

numbers    100dtype: int64
2、使用 DataFrame 类的第二步

1. a = np.random.standard_normal((9, 4))
   
2. a.round(6)

复制代码

上内容转自 数析学院，如需完整内容可以直接查看原文

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2 回帖

关键词：金融时间序列 时间序列 Dataframe warnings Standard

谢谢分享

任何行业或学科领域，变量都可以简单分为三种，时点变量（时点数、状态量、存量），时段变量（时段数、过程量、流量）和常数（系数）。前两者都是涉及到“时间”概念。
        人们的所有认识，都是在观察事物在某一时点上的存在状态（存量），并通过不同时点上是状态对比来研究其“流动变化”（流量）。时点t是最基本的存量，时段Δt是最基本的流量。
        不同性质的变量之间，是不可以进行加减乘除四则运算的，这是最基本的变量逻辑规则。也就是不同性质的变量是不可以构成一个笛卡尔坐标系的（二维或者多维），或者说一个笛卡尔坐标系当中的所有维度必须都是同性质的。
        主帖所谓“时间序列”，性质不详。做数据分析这一行，如果没有变量逻辑意识，就会将数据混用进而产生大量的无意义垃圾数据和结果。

感谢分享

好好好，非常好