python数据分析之股票实战

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