用Python分析苹果公司股价数据

要点抢先看

1.csv数据的读取

2.利用常用函数获取均值、中位数、方差、标准差等统计量

3.利用常用函数分析价格的加权均值、收益率、年化波动率等常用指标 4.处理数据中的日期

我们最后会介绍一下NumPy库中的一些非常实用和常用的函数方法。

要知道，NumPy的常用数学和统计分析的函数非常多，如果我们一个一个的分散来讲，一来非常枯燥，二来呢也记不住，就仿佛又回到了昏昏欲睡的课堂，今天我们用一个背景例子来串联一下这些零散的知识点。

我们通过分析苹果公司的股票价格，来串讲NumPy的常用函数用法

我们在我们python文件的同级目录下放置数据文件AAPL.csv，用excel文件可以打开看看里面是什么样的：

依次是日期，收盘价、成交量、开盘价、最高价和最低价 在CSV文件中，每一列数据数据是被“,”隔开的，为了突出重点简化程序，我们把第一行去掉，就像下面这样

首先，我们读取“收盘价”和“成交量”这两列，即第1列和第2列（csv也是从第0列开始的）

import numpy as np  

c, v = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1, 2), unpack=True) 

print(c) 

print(v) 






    

[ 178.02  178.65  178.44  179.97  181.72  179.98  176.94  175.03  176.67   176.82  176.21  175.    178.12  178.39  178.97  175.5   172.5   171.07   171.85  172.43  172.99  167.37  164.34  162.71  156.41  155.15  159.54   163.03  156.49  160.5   167.78  167.43  166.97




    
  167.96  171.51  171.11   174.22  177.04  177.    178.46  179.26  179.1   176.19  177.09  175.28   174.29  174.33  174.35  175.    173.03  172.23  172.26  169.23  171.08   170.6   170.57  175.01  175.01  174.35  174.54  176.42] 

[ 38313330.  22676520.  29334630.  31464170.  32191070.  




    
32130360.   24518850.  31686450.  23273160.  27825140.  38426060.  48706170.   37568080.  38885510.  37353670.  33772050.  30953760.  37378070.   33690660.  40113790.  50908540.  40382890.  32483310.  60774900.   70583530.  54145930.  51467440.  68171940.  72215320.  85957050.   44453230.  32234520.  45635470.  50565420.  39075250.  41438280.   51368540.  32395870.  27052000.  31306390.  31087330.




    
  34260230.   29512410.  25302200.  18653380.  23751690.  21532200.  20523870.   23589930.  22342650.  29461040.  25400540.  25938760.  16412270.   21477380.  33113340.  16339690.  20848660.  23451420.  27393660.   29385650.]

这样，我们就完成了第一个任务，将csv数据文件中存储的数据，读取到我们两个ndarray数组c和v中了。

接下来，我们小试牛刀，对收盘价进行最简单的数据处理，求取他的平均值。

第一种，非常简单，就是我们最常见到的算数平均值

import numpy as np  

c, v = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1, 2), unpack=True) 






    
mean_c = np.mean(c) print(mean_c) 


172.614918033

第二种，是加权平均值，我们用成交量来加权平均价格

即，用成交量的值来作为权重，某个价格的成交量越高，该价格所占的权重就越大。

import numpy as np  

c, v = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1, 2), unpack=True) 

vwap = np.average(c, weights=v) 

print(vwap)  


170.950010035

再来说说取值范围，找找最大值和最小值

我们找找收盘价的最大值和最小值，以及最大值和最小值之间的差异

import numpy as np  

c = np.loadtxt(




    
'AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 

print(np.max(c)) 

print(np.min(c)) 

print(np.ptp(c))  


181.72 

155.15 

26.57

接下来我们进行简单的统计分析

我们先来求取收盘价的中位数

import numpy as np  

c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 

print(np.max(c)) 




    

print(np.min(c)) 

print(np.median(c))  


181.72 

155.15 

174.35

求取方差

另外一个我们关心的统计量就是方差，方差能够体现变量变化的程度。在我们的例子中，方差还可以告诉我们投资风险的大小。那些股价变动过于剧烈的股票一定会给持有者带来麻烦

import numpy as np  

c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 

print(np.var(c))  


37.5985528621

我们回顾一下方差的定义，方差指的是各个数据与所有数据算数平均数的离差平方和的均值

    
import numpy as np  

c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 

print(np.mean((c - c.mean())**2))  


37.5985528621

上下对比一下，看看，结果是一模一样的。

现在我们来看看每天的收益率 ，这个计算式子很简单： ，即用今天的收盘价减去昨天的收盘价，再除以昨天的收盘价格。同时我们发挥NumPy的优势，利用向量运算，可以一次性算出所有交易日的收益率

diff函数时用数组的第N项减第N-1项，得到一个n-1项的一维数组。本例中我们注意到数组中日期越近的收盘价，数组索引越小，因此得取一个相反数，综上代码：

import numpy as np  

c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 

returns = -np.diff(c)/c[1:] 

print




    
(returns)  


[-0.00352645  0.00117687 -0.00850142 -0.0096302   0.00966774  0.01718097   0.01091242 -0.00928284 -0.00084832  0.00346178  0.00691429 -0.01751628  -0.00151354 -0.00324077  0.01977208  0.0173913   0.00835915 -0.00453884  -0.00336368 -0.00323718  0.0335783   0.01843739  0.01001782  0.04027875   0.00812117 -0.02751661 -0.0214071   0.04179181 -0.02498442 -0.04339015   0.00209043  




    
0.00275499 -0.00589426 -0.0206985   0.00233768 -0.01785099  -0.0159286   0.00022599 -0.00818111 -0.00446279  0.00089336  0.01651626  -0.00508216  0.01032634  0.00568019 -0.00022945 -0.00011471 -0.00371429   0.01138531  0.00464495 -0.00017416  0.01790463 -0.01081365  0.0028136   0.00017588 -0.02536998 -0.          0.00378549 -0.00108858 -0.01065639]

然后观察一下每日收益的标准差，就可以看看收益的波动大不大了 ：

import numpy as np  






    
c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 

returns = -np.diff(c)/c[1:] 

print(np.std(returns))  


0.0150780328454

如果我们想看看哪些天的收益率是正的，很简单，还记得where语句吗，拿来使用吧

import numpy as np  

c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 

returns = -np.diff(c)/c[1:] 

print(np.where(returns>0))  







    
(array([ 1,  4,  5,  6,  9, 10, 14, 15, 16, 20, 21, 22, 23, 24, 27, 30, 31,  34, 37, 40, 41, 43, 44, 48, 49, 51, 53, 54, 57], dtype=int64),)

专业上我们对价格变动可以用一个叫做“波动率”的指标进行度量 。计算历史波动率时需要用到对数收益率，对数收益率很简单，就是 ，依照对数的性质，他等于 ，在计算年化波动率时，要用样本中所有的对数收益率的标准差除以其均值，再除以交易日倒数的平方根，一年交易日取252天。

我们简单的看一下下面的代码

    
import numpy as np  

c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 

logreturns = -np.diff(np.log(c)) 

volatility = np.std(logreturns) / np.mean(logreturns) 

annual_volatility = volatility / np.sqrt(1./252.) 

print(volatility) 

print(annual_volatility)  


100.096757388 

1588.98676256

这里我们再强调一点就是：sqrt方法中应用了除法计算，这里必须使用浮点数进行运算。月度波动率也是同理用1./12.即可

我们可以常常会发现，在数据分析的过程中，对于日期的处理和分析也是一个很重要的内容。

我们先试图用老办法来从csv文件中把日期数据读出来

import numpy as np  




    

dates,c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(0,1), unpack=True)


Traceback (most recent call last):

  File "E:/12homework/12homework.py", line 2, in 

    dates,c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(0,1), unpack=True)  

  File "C:\Python34\lib\site-packages\numpy\lib\npyio.py", line 930, in loadtxt

    items = [conv(val) for (conv, val) in




    
 zip(converters, vals)]

  File "C:\Python34\lib\site-packages\numpy\lib\npyio.py", line 930, in 

    items = [conv(val) for (conv, val) in zip(converters, vals)]

  File "C:\Python34\lib\site-packages\numpy\lib\npyio.py", line 659, in floatconv

    return float(x)

ValueError: could not convert string to float: b'2018/3/16'

我们发现他报错了，错误信息是不能将一个字节类型的对象转换为浮点类型对象。原因是因为NumPy是面向浮点数运算的，那么我们对症下药，对日期字符串进行一些转换处理。

我们先假定日期是一个字符串类型（下载的网络数据中往往是将字符串通过utf-8编码成字节码，这个可以见第一季中字符编码相关内容的介绍）

import numpy as np import datetime   






    
strdate = '2017/3/16' 

d = datetime.datetime.strptime(strdate,'%Y/%m/%d') 

print(type(d)) 

print(d)  


<class 'datetime.datetime'> 

2017-03-16 00:00:00

通过python标准库中的datetime函数包，我们通过指定匹配的格式%Y/%m/%d

将日期字符串转换为了datetime类型对象，Y大写匹配完整的四位数记年，y小写就是两位数，例如17。

datetime对象有一个date方法，把datetime对象中的time部分去掉，变成一个纯的日期，再调用weekday可以转换为一周中的第几天，这里是从周日开始算起的。

import numpy as np import datetime 

strdate = '2018/3/16' 

d = datetime.datetime.strptime(strdate,'%Y/%m/%d') 

print(d.date()) 

print(d.date().weekday())  


2018-03-16