注册    登录
关注
Py学习  »  Python

python数据分析之股票实战

数据挖掘入门与实战 • 8 年前 • 1692 次点击  



数据挖掘入门与实战  公众号： datadw


对于股票的研究我想，无论是专业人士还是非专业人士都对其垂涎已久，因为我们都有赌徒的心态，我们都希望不花太多的时间但是能赚足够的钱，而股票绝对是一个好的选择，本人也不例外对股票垂涎已久，不管你是否承认股票是一个来钱快的地方，但是伴随着的当然是巨大的风险，毕竟这么多炒股，并不是每个人都赚到了钱，下面的内容也不一定保证你一定能赚到钱，反正都是“猜”，不如让“猜”看起来更加专业一些。

原文章参考：http://nbviewer.ipython.org/github/jmportilla/Udemy-notes/blob/master/Data%20Project%20-%20Stock%20Market%20Analysis.ipynb

首先当然是导入我们需要的模块了

1
2
3
4
5
6
7
8
9
10
11
12
import pandas as pd
from pandas import Series,DataFrame
import numpy as np
  
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style("whitegrid")
%matplotlib inline
  
from pandas.io.data import DataReader
from datetime import datetime
from __future__ import division

 

注：其实国内的股票相关行情可以通过tushare这个库获取，但是碍于自己已经对着原文自己演练了一遍了，图都已经截好了，也就没有将股票中国化，分析的主要是AAPL，GOOG，MSFT，AMZN，数据来自Yahoo，在我自己的视频中我会带着大家一起获取国内的行情以进行演练的。

tushare相关信息参考：http://tushare.waditu.com/


1
2
3
4
5
6
7
8
9
10
###股票代码
stock_lis = ["AAPL","GOOG","MSFT","AMZN"]
 
###开始及结束时间，这里我们去最近一年的数据 
end = datetime.now()
start = datetime(end.year - 1,end.month,end.day)
 
###将每个股票的近一年行情遍历出来 
for stock in stock_lis:
    globals()[stock] = DataReader(stock,"yahoo",start,end)

看看前面五条信息

1
AAPL.head()


 

1
AAPL.describe()


 

 

1
AAPL.info()

DatetimeIndex: 252 entries, 2014-11-10 00:00:00 to 2015-11-09 00:00:00

Data columns (total 6 columns):

Open         252 non-null float64

High         252 non-null float64

Low          252 non-null float64

Close        252 non-null float64

Volume       252 non-null int64

Adj Close    252 non-null float64

dtypes: float64(5), int64(1)

memory usage: 13.8 KB

 

画一下每日调整收盘价的走势图

注：每日收盘价http://baike.baidu.com/link?url=plkht9HaMdpNPI2lFUsUvgYhjdYvqOlSStjrDvqQxhuHuA5Iaww_FVitVXEqp_ne0DATpwtuBKeSUPK8I1t4ka

1
AAPL["Adj Close"].plot(legend=True,figsize=(10,4))


 

1
2
###每日成交量
AAPL["Volume"].plot(legend=True,figsize=(10,4))


 

 

下面两个链接有关移动平均线的一些说明

 1.) http://www.investopedia.com/terms/m/movingaverage.asp

     2.) http://www.investopedia.com/articles/active-trading/052014/how-use-moving-average-buy-stocks.asp

          当然也可以瞧瞧百度百科：http://baike.baidu.com/view/7973.htm

          

        注：在tushare这个模块里获取的国内行情的相关信息就已经包揽了常用的均线了，非常赞！

        参考：http://tushare.waditu.com/trading.html

import tushare as tsts.get_hist_data('600848') #一次性获取全部日k线数据

结果显示：

             open    high   close     low     volume    p_change  ma5 \
date
2012-01-11   6.880   7.380   7.060   6.880   14129.96     2.62   7.060
2012-01-12   7.050   7.100   6.980   6.900    7895.19    -1.13   7.020
2012-01-13   6.950   7.000   6.700   6.690    6611.87    -4.01   6.913
2012-01-16   6.680   6.750   6.510   6.480    2941.63    -2.84   6.813
2012-01-17   6.660   6.880   6.860   6.460    8642.57     5.38   6.822
2012-01-18   7.000   7.300   6.890   6.880   13075.40     0.44   6.788
2012-01-19   6.690   6.950   6.890   6.680    6117.32     0.00   6.770
2012-01-20   6.870   7.080   7.010   6.870    6813.09     1.74   6.832

             ma10    ma20      v_ma5     v_ma10     v_ma20     turnover
date
2012-01-11   7.060   7.060   14129.96   14129.96   14129.96     0.48
2012-01-12   7.020   7.020   11012.58   11012.58   11012.58     0.27
2012-01-13   6.913   6.913    9545.67    9545.67    9545.67     0.23
2012-01-16   6.813   6.813    7894.66    7894.66    7894.66     0.10
2012-01-17   6.822   6.822    8044.24    8044.24    8044.24     0.30
2012-01-18   6.833   6.833    7833.33    8882.77    8882.77     0.45
2012-01-19   6.841   6.841    7477.76    8487.71    8487.71     0.21
2012-01-20   6.863   6.863    7518.00    8278.38    8278.38     0.23

         这里的平均线是通过自定义函数，手动设置的，主要是10,20,50日均线

1
2
3
4
5
6
###移动平均线：
ma_day = [10,20 ,50]
  
for ma in ma_day:
    column_name = "MA for %s days" %(str(ma))
    AAPL[column_name] = pd.rolling_mean(AAPL["Adj Close"],ma)

 瞧瞧效果

1
AAPL[10:15]


 

 默认subplots这个参数是False的，这里我们瞧瞧True的情况

1
AAPL[["Adj Close","MA for 10 days","MA for 20 days","MA for 50 days"]].plot(subplots=True)


 

1
AAPL[["Adj Close","MA for 10 days","MA for 20 days","MA for 50 days"]].plot(figsize=(10,4))

很好看有没有!!!

 

让我们新建一个字段叫做“Dailly Return”,注意Dailly其实我写错了，Dailly Return其实是每日较于前一日的涨幅率.

1
2
3
AAPL["Dailly Return"] = AAPL["Adj Close"].pct_change()
###plot一下
AAPL["Dailly Return"].plot(figsize=(10,4),legend=True)

 

 

1
2
###这里我们改变一下线条的类型(linestyle)以及加一些标记(marker)
AAPL["Dailly Return"].plot(figsize=(10,4),legend=True,linestyle="--",marker="o")


 

 

1
2
###再来瞧瞧核密度评估图吧，这里吧Nan指给drop掉
sns.kdeplot(AAPL["Dailly Return"].dropna())


 

注：This function combines the matplotlib hist function (with automatic calculation of a good default bin size) with the seaborn kdeplot() and rugplot() functions.

由官方说明可知，displot函数是由直方图与seaborn的核密度图以及rugplot（Plot datapoints in an array as sticks on an axis.）组合


1
2
###plot一下
sns.distplot(AAPL["Dailly Return"].dropna(),bins=100)


 

1
2
3
###再来单独获取一下每个公司的调整收盘价记录
closing_df = DataReader(stock_lis,"yahoo",start,end)["Adj Close"]
closing_df.head()


 

1
2
3
###将每个公司的每日收盘价的百分数变化，及涨幅或者降幅，通过这个我们可以评估它的涨幅前景
tech_rets = closing_df.pct_change()
tech_rets.head()


 


1
2
###平均值都是大于0的，不错
tech_rets.mean(）

AAPL    0.000456

AMZN    0.003203

GOOG    0.001282

MSFT    0.000623

dtype: float64


我们来瞧瞧jointplot这个函数，通过这个函数我们可以画出两个公司的”相关性系数“，或者说皮尔森相关系数（http://baike.baidu.com/view/3028699.htm），如下图所示

如果你看过《大数据时代》这本书，你就会知道为什么作者会求两个公司的相关性了，书中有提到的一个观点是，在大数据时代的到来，我们可以通过大数据来描绘事物之间的相关性并预测，而为什么，是后面要研究的事，注重相关性而不是因果关系。（个人读后感，如有偏驳还望指正）

下面这一部分主要在说相关性~

1
sns.jointplot("GOOG","GOOG",tech_rets,kind ="hex")


 

如上图所示，我们画出的事google与google自己的皮尔森相关系数，当然是1啦！值得说明的皮尔森相关系数的值在-1到1之间，1代表正相关，-1代表负相关，0代表没有任何相关性，有兴趣了解怎么算的，参考：https://en.wikipedia.org/wiki/Pearson_product-moment_correlation_coefficient


1
sns.jointplot("GOOG","GOOG",tech_rets,kind="scatter")


 

注：上面两张图画的是同一件事物，不过我们kind指定的不同，分别是六边形hex，散点scatter


我们再来画画Google与微软的皮尔森相关系数吧

1
sns.jointplot("GOOG","MSFT",tech_rets,kind="scatter")


 


下面是一些相关知识，有兴趣可以点击瞧瞧

如何计算协方差：

http://zh.wikihow.com/%E8%AE%A1%E7%AE%97%E5%8D%8F%E6%96%B9%E5%B7%AE

如何计算百分比变化：

http://zh.wikihow.com/%E8%AE%A1%E7%AE%97%E7%99%BE%E5%88%86%E6%AF%94%E5%8F%98%E5%8C%96

什么是Pearson product-moment：

https://en.wikipedia.org/wiki/Pearson_product-moment_correlation_coefficient

 


我们再来瞧瞧pairplot这个函数吧，四个公司的行情一起比较。

官方说明：Plot pairwise relationships in a dataset.

By default, this function will create a grid of Axes such that each variable in data will by shared in the y-axis across a single row and in the x-axis across a single column. The diagonal Axes are treated differently, drawing a plot to show the univariate distribution of the data for the variable in that column.

It is also possible to show a subset of variables or plot different variables on the rows and columns.

            该函数用于成对的比较不同数据集之间的相关性，而对角线则会显示该数据集的直方图，详情见下图呗，一图抵前言

至于从形态看出相关性，你可能得看看Wikipedia了

1
sns.pairplot(tech_rets.dropna())

 

 

再来瞧瞧Pairplot这个对象

1
2
3
###我们指画直方图
returns_fig = sns.PairGrid(tech_rets.dropna())
returns_fig.map_diag(plt.hist,bins=30)


 

 

1
2
3
4
5
6
7
8
9
10
11
  
returns_fig = sns.PairGrid(tech_rets.dropna())
  
###右上角画散点图
returns_fig.map_upper(plt.scatter,color="purple")
 
###左下角画核密度图 
returns_fig.map_lower(sns.kdeplot,cmap="cool_d")
 
###对角线的直方图 
returns_fig.map_diag(plt.hist,bins=30)


 

 

 再瞧瞧corrplot这个函数，官方我也敲不到它的说明，主要画相关系数，如下

1
2
###annot设定是否注释
sns.corrplot(tech_rets.dropna(),annot=False)


 

1
sns.corrplot(tech_rets.dropna(),annot=True)


 

 

在下面这一部分主要说风险这一部分了，比如推测最多亏多少钱~~

首先瞧瞧各数值吧

1
2
3
4
rets = tech_rets.dropna()
 
###平均值 
rets.mean()

AAPL    0.000456

AMZN    0.003203

GOOG    0.001282

MSFT    0.000623

dtype: float64

 

1
2
###标准差  参考：http://baike.baidu.com/view/78339.htm
rets.std()

AAPL    0.016738

AMZN    0.021165

GOOG    0.018484

MSFT    0.017800

dtype: float64


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
###点的大小
area = np.pi *20   
  
###分别以rets的平均值，标准差为xy轴
plt.scatter(rets.mean(),rets.std())   
  
###分别设定xy轴的标注
plt.xlabel("Expected Return")     
plt.ylabel("Risk")
  
for label,x,y in zip(rets.columns,rets.mean(),rets.std()):
    plt.annotate(
        label,
        xy = (x,y),xytext = (50,50),
        textcoords = "offset points",ha = "right",va = "bottom",
        arrowprops = dict(arrowstyle = "-",connectionstyle = "arc3,rad=-0.3"))


 


由上面我们可以看出AMZN亚马逊的预计收益要高于其他三家公司，但是风险值也要高于其他三家公司~这是怎么看出来的呢？


摘自百度百科（http://baike.baidu.com/view/78339.htm）：在投资基金上，一般人比较重视的是业绩，但往往买进了近期业绩表现最佳的基金之后，基金表现反而不如预期，这是因为所选基金波动度太大，没有稳定的表现。

       衡量基金波动程度的工具就是标准差（Standard Deviation）。标准差是指基金可能的变动程度。标准差越大，基金未来净值可能变动的程度就越大，稳定度就越小，风险就越高

而期待收益值就是我们在上面说到过的每日涨幅度，这四家公司近一年而言每日的更改幅度的平均值都是大于零的，说明至少是涨着的。


而怎么标出图上的效果参考下面matplotlib的官方说明 

Matplotlib的注释详情参考：http://matplotlib.org/users/annotations_guide.html

 

如何计算标准差：

http://zh.wikihow.com/%E8%AE%A1%E7%AE%97%E5%9D%87%E5%80%BC%E3%80%81%E6%A0%87%E5%87%86%E5%B7%AE%E5%92%8C%E6%A0%87%E5%87%86%E8%AF%AF%E5%B7%AE

什么是标准差，及其意思：

http://baike.baidu.com/link?url=XOhnnn6npvQejz5raELJIvSLYxJZV75w1Gxf4DqRajcqWNzhhTFi7rbkoOQnBzEVtg8_GWdfamnrSM0sooBoQa

摘录：标准差应用于投资上，可作为量度回报稳定性的指标。标准差数值越大，代表回报远离过去平均数值，回报较不稳定故风险越高。相反，标准差数值越小，代表回报较为稳定，风险亦较小。

 


蒙特卡洛评估

在应用蒙特卡洛评估之前，先看看这些股票的基本。

1
sns.distplot(AAPL['Dailly Return'].dropna(),bins=100,color='purple')


 

1
closing_df.tail()


 

 

1
closing_df.head()


 

 

 

再来瞧瞧Quantile，这个我也没太看懂，什么置信区间，如有了解还望指教

什么是百位分数参考：http://www.itongji.cn/article/0ZRJ52013.html

1
rets['AMZN'].quantile(0.05)

-0.021360026714234592

        上面的结果说明，我们95%的置信，一天我们不会损失超过0.02160...

 

1
2
3
4
5
6
7
8
9
10
days = 365
  
dt = 1/days
  
mu = rets.mean()["GOOG"]
  
sigma = rets.std()["GOOG"]
  
np.random.normal(loc = 0,scale=1)
        1.294219218586235

1
GOOG.head()


 

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
这么一大串就是蒙特卡洛的推算了
 
def stock_monte_carlo(start_price,days,mu,sigma):
     
    price = np.zeros(days)
    price[0] = start_price
     
    shock = np.zeros(days)
    drift = np.zeros(days)
     
    for x in xrange(1,days):
         
        shock[x] = np.random.normal(loc=mu * dt,scale=sigma * np.sqrt(dt))
         
        drift[x] = mu * dt
         
        price[x] = price[x-1] + (price[x-1] *(drift[x] + shock[x]))
         
    return price
  
  
  
  
start_price = 548.49
  
  
for run in xrange(100):
    plt.plot(stock_monte_carlo(start_price,days,mu,sigma))
     
#ax = plt.gca()
#ax.ticklabel_format(useOffset=True)
plt.xlabel("Days")
plt.ylabel("Price")
  
plt.title("Monte Carlo Analysis for Google")


 

  

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
runs = 10000
  
simulations = np.zeros(runs)
  
for run in xrange(runs):
    simulations[run] = stock_monte_carlo(start_price,days,mu,sigma)[days-1]
  
q = np.percentile(simulations,1)
  
plt.hist(simulations,bins=200)
  
plt.figtext(0.6,0.8,s="Start price: $%.2f" % start_price)
  
plt.figtext(0.6,0.7,"Mean final price: $%s" %simulations.mean())
  
plt.figtext(0.15,0.6,"q(0.99: $%.2f)" %q)
  
plt.axvline(x=q,linewidth=4,color="r")
  
plt.title(u"Final price distribution for Google stock after %s days" %days,weight="bold")


 

 

 

 

下面是一些本人整理的参考资料

 

什么是Quantile：

https://en.wikipedia.org/wiki/Quantile


    Monte Carlo Simulation With GBM：

http://www.investopedia.com/articles/07/montecarlo.asp

The Uses And Limits Of Volatility：

http://www.investopedia.com/articles/04/021804.asp

An Introduction To Value at Risk (VAR)：

http://www.investopedia.com/articles/04/092904.asp

 

 

什么是什么是百分位数：

http://www.itongji.cn/article/0ZRJ52013.html

 

Np.percentile：

http://docs.scipy.org/doc/numpy/reference/generated/numpy.percentile.html

 

Np.random.normal：   normal distribution###正态分布

http://docs.scipy.org/doc/numpy/reference/generated/numpy.random.normal.html

 

置信区间：Confidence interval

http://baike.baidu.com/link?url=Hay8cf0XTZrn8Z-d_9wCw5voh5pKkJCo_yK7rqE4NUlsZ7ws5mhqvNIMwM05x61rbhz948jGLdd4D-iwfmRZ-_ 

分位数：

http://baike.baidu.com/link?url=Kx00dMbt4gAuEo8O-0nTk2_mb1RQ3rEYKzsp_ifBUTJU8-LTh-9tpXfnfqFjeSnpxlhzcYT_RC3irYhEsQgUoa

摘录：设连续随机变量X的分布函数为F(X)，密度函数为p(x)。那么，对任意0

的p，称F(X)=p的X为此分布的分位数，或者下侧分位数。简单的说，分位数指的就是连续分布函数中的一个点，这个点的一侧对应

概率p。


时间序列分位数回归模型的实证分析：

http://www.docin.com/p-757019312.html

基于分位数回归的股票市场规模效应分析：

http://www.docin.com/p-1011466794.html

via  http://youerning.blog.51cto.com/10513771/1712775


数据挖掘入门与实战

搜索添加微信公众号：datadw


教你机器学习，教你数据挖掘


长按图片，识别二维码，点关注



  公众号： weic2c   
据分析入门与实战

长按图片，识别二维码，点关注






今天看啥 - 高品质阅读平台
本文地址：http://www.jintiankansha.me/weixin/dPipYzWGRM
Python社区是高质量的Python/Django开发社区
本文地址：http://www.python88.com/topic/1916
Reply
 
1692 次点击  
登录后回复
关于   移动版
Py学习 - 专注于Python技术发展的社区(原Django社区)
沪ICP备11025650号