python分析股票走势,python股市数据分析
本文主要介绍用Python分析近期股市的实现过程。数据采集范围为2022年1月1日至2022年2月25日。有兴趣的可以看看。
00-1010 I .数据采集II。综合数据三。股票每日百分比变化图。方框图五.计算每月夏普比率。结论。
目录
数据范围为2022年1月1日至2022年2月25日。获得的数据是俄罗斯的黄金、白银、石油、银行和天然气：
#导入模块
importnumpyasnp
importpandasaspd
重要融资f
#GC=F金，SI=F银，ROSN。我俄罗斯石油，SBER。俄罗斯银行，天然气
tickerSymbols=[GC=F ， SI=F ， ROSN。我，SBER。ME ， NG=F]
#获取这些代码的数据
MSFT=yf。Ticker(tickerSymbols[0])
TSLA=yf。Ticker(tickerSymbols[1])
AAPL=yf。ticker(ticker符号[2])
AMZN=yf。ticker(ticker符号[3])
GOOG=yf。ticker(ticker符号[4])
#获取代码的历史价格
MSFT _ df=msft . history(period= 1d ，start=2022-1-1 ，end=2022-2-25 )
TSLA _ df=tsla . history(period= 1d ，start=2022-1-1 ，end=2022-1-25 )
AAPL _ df=AAPL . history(period= 1d ，start=2022-1-1 ，end=2022-1-25 )
AMZN _ df=AMZN . history(period= 1d ，start=2022-1-1 ，end=2022-1-25 )
GOOG _ df=GOOG . history(period= 1d ，start=2022-1-1 ，end=2022-1-25 )
#比如天然气
GOOG_df.head()
如下所示：
一、数据获取
#将每只股票的收盘列保存在一个新变量中
MSFT=MSFT_df[关闭]
TSLA=TSLA_df[关闭]
AAPL=AAPL_df[关闭]
AMZN=AMZN_df[Close]
GOOG=GOOG_df[Close]
# concatenate allstocksclosecoolumnsintoonedataframe
stocks_df=pd.concat([MSFT，TSLA，AAPL，AMZN，GOOG]，axis=columns ，join=inner )
# rename metadata frame columns with它们对应的tickerssymbols
stocks_df.columns=[gold ， silver ， oil ， bank ， gas]
#Visualizethenewdataframe
stocks_df.head()
如下所示：
二、合并数据
#接下来，我们来计算股票的每日百分比变化，并绘制出来，直观地分析它们在过去一个多月的变化行为。
#获取每日百分比变化
stocks_df=stocks_df.pct_change()。德罗普纳()
#可视化新数据框
stocks_df.head()
#绘制每日百分比变化
stocks_df.plot(figsize=(20，10)，title= daily returns )；
如下所示：
从图中也可以看出哪个变化大，哪个稳定。)用眼睛看。
三、绘制股票每日百分比变化
上图确实不好看，我们画个箱型图更直观：
#方框图
#计算累积回报
累计_回报=(1只股票_df)。累计产量()
#提取累积回报
cumulative _ returns . plot(fig size=(20，10)，title= cumulative returns )；
#方框图直观地显示了风险。
stocks_df.plot.box(figsize=(20，10)，title= portfolio risk )；
累积回报图：
方框图：
显然，天然气的收益最高；盒子越宽，须越长，股票的波动性越大。石油最稳定，天然气有一点波动。
四、箱线图
#计算每月夏普比率
sharpe _ ratios=(stokes _ df . mean()* 30)/(stokes _ df . STD()* NP . sqrt(30))
sharpe _ ratios=sharpe _ ratios . sort _ values(升序=False)
夏普比率
如下所示：
#将夏普比率可视化为条形图
sharpe_ratios.plot(figsize=(20，10)，kind=bar ，title= sharpe ratios )；
如下所示：
五、计算月化夏普比率
根据以上结果，建议买入黄金，其次是白银、天然气、俄银、石油。注：以上分析数据为2022年1月1日至2022年2月5日。预测部分不是我写的。我觉得颠簸太大了，没必要做预报。买个稳定的，预测没意义。
以上是用Python分析近期股市的细节。更多Python对股市的分析，请关注盛行的IT软件开发工作室的其他相关文章！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。