题目说的好像和股票有关,实际上就是一个时间序列图。但本节主要介绍时间序列的几个常用统计方法。详细如下:
1、 画出股票(代码:688022)的收盘价趋势图【脚本】
import tushare as tsimport matplotlib.pyplot as plt
frame = ts.get_k_data('688022', start='2019-07-22')
frame = frame.set_index('date')
frame.index = pd.to_datetime(frame.index)
plt.plot(frame['close'])
plt.show()
【结果】

【说明】
Python有很多可视化绘图工具包,我们使用常用的matplotlib. 使用之前需要导入。
Plt.figure()可以设置画布的大小和分辨率。我使用pycharm工具,没有设置画布信息,也可以使用正常画出图片。
Plt.plot(),设置绘图内容。
Plt.show(),显示绘图。
我们可看出该股票总体呈现出一种下降趋势。
【脚本】
plt.plot(frame['close'].rolling(30).mean())plt.show()
【结果】

【说明】
平滑后不改变整体的趋势效果,但可以更清楚地显示趋势。
Rolling(30):是包含该点在内的往前30个点的平均值作为该点的值。
使用Rolling(30),图形的开头会有29个空缺。
为避免开头空缺过大,这里可以针对前面30个点单独设置平滑周期。修改脚本如下:
plt.plot(frame['close'].rolling(30, min_periods=2).mean())
结果如下图:

【脚本】
plt.plot(frame['close'].expanding(10).mean())
【结果】

【说明】
扩展窗口平均,从时间序列的起始处开始,不断增加窗口的长度,直到超过所有序列。这里的10是有值观测点的最小数量。图中桔色线为expanding(10).mean()的结果;蓝色线为rolling(30, min_periods=2).mean()的结果。
【脚本】
plt.plot(frame['close'].rolling(30, min_periods=2).mean())plt.plot(frame['close'].ewm(span=30).mean())
plt.show()
【结果】

【说明】
指数加权平均:体现数据平滑的特点,还体现时间衰减的效果,即各个数据的加权系数会随时间呈指数似的递减,越靠近当前时间的数值的加权系数会越大。span=30表示时间跨度。
图中桔色线为ewm(span=30).mean()的结果;蓝色线为rolling(30, min_periods=2).mean()的结果。
【脚本】
plt.plot(frame['close'].pct_change())plt.show()
【结果】

【说明】
环比变化的定义:(后一值-当前值)/当前值
【脚本】
series1 = frame['close'].pct_change()series2 = frame['open'].pct_change()
plt.plot(series1.rolling(10).corr(series2))
plt.show()
【结果】

【说明】
看上去两者的相关性也比较随机


雷达卡






京公网安备 11010802022788号







