使用Python语言分析金融数据研究.pdfVIP

使用Python语言分析金融数据的研究 吴立’蔡小庆2 I长江大学工程技术学院信息系湖北荆州434020 2北京化工大学北方学院信息学院河北廊坊06520l Yth0n 【摘要】在信息量剧增的现代社会，如何从海量信息中分析、提取出有用的特征信息，对于证券金融业有着极为重要的意史。P 是一种高效的动态编程语言，拥有众多的函数库，在网络数据挖掘，分析有广泛应用。本文对PYt h0n语言在金融证券业进行数据分 析的应用进行了探讨。 h0 【关键词】PYtn数据分析特征提取非负矩阵分解 中图分类号：TP39文献标识码：A文章编号：1009—4067(2011)04-242—0l 1引言 运算：特征矩阵的每一个值与hn相应的值相乘，再除以hd对应的值。权重 随着信息技术的发展，各行业的信息都在不断堆积和膨胀，形成海量信 矩阵中的每一个值与wn相应的值相乘，再除以wd对应的值。定义函数 息。如不加分析判断，这些信息仪是一堆毫无意义的数据。如何对这些海量信 factorize完成上述计算，核心代码如F： 息分析，把隐藏在背后的有价值信息提取出来，即数据挖掘分析，作为信息技 耕算特征矩阵 术的新兴研究领域，已经应用到社会各个行业。由于金融数据的随机性和复杂 hf吲tramIpose(W)-v) 性，隐藏在背后的规律更难于被发现，金融数据分析是·个更具挑战性的研究 领域。rMhon是一·门高效的动态语言，具有清晰的结构及简洁的语法，对J：数 hd=(transpose(w)’产蚰 据挖掘分析有大量库函数支持。使用Pythorli挂行金融数据分析，有众多优势。 培m扪x(a∞弧h)。Ⅺay(hn)，m1蚋由) 2Pvlhon语言的优势 甜算权重矩阵 Python是一个面向对象的解释型动态编程语言…，拥有大量函数库。 wn=(v-transpose(h)) 适合完成各种高层任务．可以运行于Windows．Linux等多种操作系统。为 wcHw-h‘transpose(h)) 了弥补动态语言效率的不足，町以用C／C++来扩展Python，或者将Python w=mamx(目ay(w)‘《nj，(whyarray(w由) 嵌入到Java，C#等其他语言。 3．3使用NMF算法分析股票市场数据 选择Python进行数据分析基于其以下特性口l： 股票成交量是指在给定时间段内买卖股票的数量，股票成交量受经济， (1)语南‘简练。使用Python编丐的代码通常比其它如C／C++，Java 政治．自然火害等各方面网索影响。对成交量数据进行分析，可以找出重要 等—卜流语言的代码更简短，这意味着丌发人员可以将大部分精力放在数据分 交易日、以及影响成交量的潜在因素和它们的权鲋5】。 析的算法研究上，而不是繁琐的语法细节。 (2)易于阅读。Python有严格的缩进规定，良好书写的Python代码 优秀资源库，它允许使用API以CSV格式下载股票历史交易数据。方法为 非常容易阅读，有经验的程序