Python数据分析:股价相关性
为什么要分析股价相关度呢,我们来引入一个概念——配对交易
所谓的配对交易,是基于统计套利的配对交易策略是一种市场中性策略,具体的说,是指从市场上找出历史股价走势相近的股票进行配对,当配对的股票价格差偏离历史均值时,则做空股价较高的股票同时买进股价较低的股票,等待他们回归到长期均衡关系,由此赚取两股票价格收敛的报酬。
接下来开始我们的股价相关度分析,首先我们选两个股票~
感觉全聚德和光明乳业都很好吃的样子,我们就选它们了吧!= ̄ω ̄=
1、导入数据包
简单介绍一下要用到的数据包
matplotlib.pyplot:绘图库,其中pyplot子包提供一个类MATLAB的绘图框架
numpy:科学计算库,支持高级大量的维度数组与矩阵运算
pandas:纳入了大量库和一些标准的数据模型,提供高效地操作大型数据集所需的工具
tushare:财经数据接口包
[python] view plain copy
<span style="font-size:18px;">import matplotlib.pyplot as plt </span>
<span style="font-size:18px;">import numpy as np</span>
<span style="font-size:18px;">import pandas as pd</span>
<span style="font-size:18px;">import tushare as ts
</span>
2、根据全聚德和光明乳业的股票代码获取数据,这里获取的是2016年一整年的收盘价,获取完后合并,因为停牌的存在,用前一天的价格去填写缺失数据,最终以CSV格式保存数据
[python] view plain copy
<span style="font-size:18px;">s_qjd = '002186' #全聚德</span>
<span style="font-size:18px;">s_gm = '600597' #光明乳业</span>
<span style="font-size:18px;">sdate = '2016-01-01'#起止日期</span>
<span style="font-size:18px;">edate = '2016-12-31'</span>
<span style="font-size:18px;">df_qjd = ts.get_h_data(s_qjd,
start = sdate, end = edate).sort_index(axis =
0,ascending=True)#获取历史数据</span>
<span
style="font-size:18px;">df_gm = ts.get_h_data(s_gm, start = sdate,
end = edate).sort_index(axis = 0,ascending=True)</span>
<span style="font-size:18px;">df =
pd.concat([df_qjd.close,df_gm.close], axis = 1, keys=['qjd_close',
'gm_close'])#合并</span>
<span style="font-size:18px;">df.ffill(axis=0, inplace=True)#填充缺失数据</span>
<span style="font-size:18px;">df.to_csv('qjd_gm.csv')
</span>
3、用pearson相关系数计算相关度(Pearson相关系数是用来衡量两个数据集合是否在一条线上面,它用来衡量定距变量间的线性关系。),再打印出来看一眼
[python] view plain copy
<span style="font-size:18px;">corr = df.corr(method = 'pearson', min_periods = 1)#pearson方法计算相关性</span>
<span style="font-size:18px;">print(corr)</span>
算出来有0.81,超过0.8,按值域等级来说属于极强相关,不过话说一个卖烤鸭的为什么会和卖牛奶的相关度那么高。。。。难道大家吃烤鸭的时候都喜欢喝牛奶吗。。。
4、绘制图像出来喵一眼,看看趋势上来说什么时候可以有机会做配对交易
[python] view plain copy
<span style="font-size:18px;">df.plot(figsize = (20,12))</span>
<span style="font-size:18px;">plt.savefig('qjd_gm.jpg')</span>
<span style="font-size:18px;">plt.close()</span>
5、按分析日期的第一天的股价为基准做归一化处理,打印图像
[python] view plain copy
<span style="font-size:18px;">df['qjd_one'] = df.qjd_close / float(df.qjd_close[0])*100</span>
<span style="font-size:18px;">df['gm_one'] = df.gm_close / float(df.gm_close[0])*100</span>
<span style="font-size:18px;">df.qjd_one.plot(figsize = (20,12))</span>
<span style="font-size:18px;">df.gm_one.plot(figsize = (20,12))</span>
<span style="font-size:18px;">plt.savefig('qjd_gm_one.jpg')</span>
<span style="font-size:18px;">
</span>
好啦,做完啦,虽然我也不知道为什么全聚德会和光明乳业这么高相关性
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14