《python数据分析与应用》 课件 第11章 股票数据分析可视化

第11章股票数据分析可视化Python数据分析与应用1CONTENTS11.1知识准备11.2任务介绍11.3代码演示11.4代码补全和知识拓展目录11.5实训任务2知识准备132312知识准备11.1.1股价对数收益率11.1.2国内外金融数据接口任务介绍2511.2.1任务一绘制六只股票的K线图本章任务中将直接提取网站（/）提供的免费股票交易数据进行数据分析。当然，也可以间接提取和使用数据。即第一步从任何其他数据源下载数据保存为数据表格式（excel或csv等格式），第二步再进行读取使用。任务介绍A公司是总部位于北京的一家公募基金管理公司，在公司对外发行的全部基金产品中，有一只名为“新金融股票型”基金，该基金在投资策略上是精选具有核心竞争优势、持续增长潜力且估值水平相对合理的A股市场金融股票。从2014年1月2日到2019年9月30日，该基金重仓的股票包括浦发银行、招商银行、中信证券、海通证券、中国平安以及中国太保这6只股票。11.2.2任务二计算持仓期间的年化平均收益率和年化收益波动率代码演示372312代码演示程序通过apitoken从tusharepro网站提取数据，因此必须申请自己的apitoken才能获得授权连接并获取数据。如果申请不成功，也可以使用下载的Excel数据文件来替代。读取数据源并循环打印股票数据11.3.1读取数据1importnumpyasnp2importpandasaspd34stock_codes=['600000.SH','600036.SH','600837.SH','601688.SH','601318.SH','601601.SH']5#从tushare读取6importtushareasts7api_key=open('tushare_api_key.txt').read()8pro=_api(api_key)9foriinrange(0,6):10#读取数据11df=pro.daily(ts_code=stock_codes[i],start_date='20140102',end_date='20190930')12df=df.loc[:,['trade_date','open','high','low','close','vol']]#选取需要的列13print(df.head)2312代码演示1importnumpyasnp2importpandasaspd34stock_codes=['600000.SH','600036.SH','600837.SH','601688.SH','601318.SH','601601.SH']5#从tushare读取6importtushareasts78api_key=open('tushare_api_key.txt').read()9pro=_api(api_key)10foriinrange(0,6):11#读取数据12df=pro.daily(ts_code=stock_codes[i],start_date='20190802',end_date='20190930')13df=df.loc[:,['trade_date','open','high','low','close','vol']]#选取需要的列14df.rename(15columns={'trade_date':'Date','open':'Open','high':'High',16'low':'Low','close':'Close','vol':'Volume'},17inplace=True)#把小写改首字母大写18#改变时间次序19df['Date']=pd.to_datetime(df['Date'])#转换日期列的格式，便于作图20df.set_index(['Date'],inplace=True)#将日期列作为行索引21df=df.sort_index()#倒序，因为Tushare的数据是最近的交易日数据显示在DataFrame上方，22#倒序后方能保证作图时X轴从左到右时间序列递增。2324#绘图125#importmatplotlib.pyplotasplt26#27#plt.title(stock_codes[i])28#plt.ylabel('price')29#plt.plot(df)30#plt.show()31#绘图232importmplfinanceasmpf33importmatplotlibasmpl3435mpl.use('Tkagg')36mpf.plot(df,type='candle',style='blueskies',ylabel="price",title=stock_codes[i],37mav=(5,10),volume=True,ylabel_lower="volume(shares)")11.3.2绘制图形2312代码演示11.3.3计算年化收益率省略部分与上页相同32#计算33stock_price=df['Close']34stock_price=stock_price.dropna()#删除缺失值的行353637stock_return=np.log(stock_price/stock_price.shift(1))#计算股票的日收益率38stock_return=stock_return.dropna()#删除缺失值所在的行3940print(f'{stock_codes[i]}:================================')41return_mean=stock_return.mean()*252#计算股票的平均年化收益率42print('2014年至2019年9月的年化平均收益率\n',round(return_mean,6))#保留小数点后6位4344return_volatility=stock_return.std()*np.sqrt(252)#计算股票的年化收益波动率45print('2014年至2019年9月的年化收益波动率\n',round(return_volatility,6))1importnumpyasnp2importpandasaspd............29mpf.plot(df,type='candle',style='blueskies',ylabel="price",title=stock_codes[i],30mav=(5,10),volume=True,ylabel_lower="volume(shares)")31代码补全和知识拓展411231211.4.1代码补全将所有股票的价格归一化并画在同一张图上。所谓归一化，就是每只股票的价格都与自身2014年的价格相比较，即将股票每日价格除以2014年1月2日的价格再绘图，从而可以直观观察到股价的涨跌情况。30#所有价格归一化画在同一张图上，每只股票都与自己2014年的价格相比较31importmatplotlibasmpl32mpl.use('Tkagg')33importmatplotlib.pyplotasplt34plt.rcParams['font.sans-serif']=['MicrosoftYaHei']#支持中文35fig,ax=plt.subplots()#为了画在一张图上，就必须定义ax36foriinrange(6):37plt.legend()#自动加入legend38#将股价按照2014年首个交易日进行归1处理并且可视化39#“

”\40.plot(ax=ax,figsize=(10,5),41label='%s_归一价格'%list(stock_codes.values())[i],42linestyle='-')43plt.show()1importnumpyasnp2importpandasaspd............27df=df.sort_index()#倒序，因为Tushare的数据是最近的交易日数据显示在DataFrame上方，倒序后方能保证作图时X轴从左到右时间序列递增。28df_stock_price[i]=df29231211.4.2知识拓展：投资组合的年化收益率已有的6只股票也可以视为一个投资组合，投资者通常出于规避风险的原因持有多样化的投资组合，从而可以把投资风险分散到不同的股票中去。那么该投资组合的收益率是多少呢？41#计算42stock_price=df['Close']43stock_price=stock_price.dropna()#删除缺失值的行4445stock_return=np.log(stock_price/stock_price.shift(1))#计算股票的日收益率46stock_return=stock_return.dropna()#删除缺失值所在的行4748np_stock_price[:,i]=stock_price49np_stock_return[:,i]=stock_return50print('np_stock_return:-----\n',np_stock_return)5152return_mean=stock_return.mean()*252#计算股票的平均年化收益率53return_volatility=stock_return.std()*np.sqrt(252)#计算股票的年化收益波动率5455np_return_mean[i]=return_mean56np_return_volatility[i]=return_volatility5758#arr=np.random.random(10)#创建一个长度为10的数组，值为0~1，不包含首尾59“

”#从均匀分布中随机抽取6个从0到1的随机数60“

”#生成随机权重的一个数组6162#计算每只股票收益率之间的协方差和相关系数63#IfrowvarisTrue(default),theneachrowrepresentsa64#variable,withobservationsinthecolumns.65return_cov=np.cov(np_stock_return,rowvar=False)*252#每列代表一个变量66print('\n\nreturn_cov:------\n',return_cov)67return_corr=np.corrcoef(np_stock_return,rowvar=False)#每列代表一个变量68print('\n\nreturn_corr:------\n',return_corr)6970Rp=np.dot(np_return_mean,w)#计算投资组合的年化收益率71Vp=np.sqrt(np.dot(w,np.dot(return_cov,w.T)))#计算投资组合的年化收益波动率72print('用随机生成的权重计算得到投资组合的年化收益率',round(Rp,6))73print('用随机生成的权重计算得到投资组合的年化收益波动率',round(Vp,6))741importnumpyasnp2importpandasaspd............实训任务：下载股票数据并绘制收盘价时间序列图514要点#从文件读取df=pd.read_csv('600000.csv',encoding='utf_8_sig')(1)练习从tushare网站下载股票数据，并保存为.csv文件。(2)读入.csv文件，利用本章学习的知识，绘制蜡烛图。(3)发现所绘图中时间日期显示有问题，请使日期正常显示。实训任务41#绘制彩色图42fromcyclerimportcycler4344mc=mpf.make_marketcolors(up='red',down='green',edge='i',wick='i',volume='in',inherit=True)45mpfStyle=mpf.make_mpf_style(gridaxis='both',gridstyle='--',y_on_right=False,marketcolors=mc,46rc={'font.family':'SimHei'})47mpl.rcParams['p_cycle']=cycler(4