用Python快速分析和预测股票价格.docxVIP

用Python快速分析和猜测股票价格 Pandas 网络数据阅读器?（Pandas web data reader）是 Pandas 库的一个扩展，用于与大多数最新的金融数据进行通信，包括雅虎财经、谷歌财经、Enigma 等资源。 我们将使用以下代码提取 Apple 的股票价格： import pandas as pd import datetime import pandas_datareader.data as web from pandas import Series, DataFrame start = datetime.datetime(2021, 1, 1) end = datetime.datetime(2021, 1, 11) df = web.DataReader(AAPL, yahoo, start, end) df.tail() 来源于雅虎财经的股票价格 这段代码将提取从 2021 年 1 月到 2021 年 1 月的 7 年的数据。你可以依据需要调整开头和结束日期。接下来的分析过程，我们将使用收盘价格，即股票在一天买卖结束时的最终价格。 3 探究股票的移动平均值和收益率 在这个分析中，我们使用两个关键的测量目标来分析股票：移动平均值和报答率。 3.1 移动平均值：确定趋势 滚动平均 / 移动平均（MA）通过不断更新平均价格来平滑价格数据，有助于降低价格表中的“乐音”。此外，该移动平均线可能充当“阻力”，代表着股票的下跌和上升趋势，你可以从中预期它的将来趋势，不太可能偏离阻力点。 让我们开头写代码来得到滚动平均值: close_px = df[Adj Close] mavg = close_px.rolling(window=100).mean() 最终 10 个移动平均值 这将计算股票收盘价最终 100 个滑窗（100天）的移动平均值，并取每个滑窗的移动平均值。正如你所看到的，移动平均线在滑窗上稳步上升，并不遵照股票价格曲线的锯齿线。为了更好地理解，让我们用 Matplotlib 来绘制它。我们将用移动平均线来绘制股票价格表。 %matplotlib inline import matplotlib.pyplot as plt from matplotlib import style # Adjusting the size of matplotlib import matplotlib as mpl mpl.rc(figure, figsize=(8, 7)) mpl.__version__ # Adjusting the style of matplotlib style.use(ggplot) close_px.plot(label=AAPL) mavg.plot(label=mavg) plt.legend() 苹果股票移动平均价格(mavg) 移动平均使曲线平滑，显示股票价格的涨跌趋势。 在这张图表中，移动平均线显示了股票价格上升或下降的趋势。从规律上讲，你应当在股市低迷时买进，在股市上涨时卖出。 3.2 报答偏差:用于确定风险和收益 预期收益衡量投资收益概率分布的平均值或预期值。投资组合的预期报答是通过将每项资产的权重乘以其预期报答，再加上每项投资的价值来计算的。（摘自投资百科，investopedia） 你可以参考以下公式： 收益公式 依据这个公式，我们可以画出收益，如下。 rets = close_px / close_px.shift(1) - 1 rets.plot(label=return) 收益率 从规律上讲，我们抱负的股票收益应当尽可能高且稳定。假如你是风险规避者（像我一样），你可能期望避开这种股票，由于你看到 2021 年下跌了 10%。这个打算很大程度上取决于你对股票的总体看法和对其他竞争对手股票的分析。 4 分析竞争对手股票 在这部分中，我们将分析一家公司相对于其竞争对手的表现。假设我们对科技公司感爱好，并想比较一下这些巨头：苹果（Apple）、通用电气（GE）、谷歌（Google）、IBM 和微软（Microsoft）。 dfcomp = web.DataReader([AAPL, GE, GOOG, IBM, MSFT],yahoo,start=start,end=end)[Adj Close] 苹果、通用电气、谷歌、IBM 和微软的股价 你将会从雅虎财经的股票价格中得到一张相当洁净平滑的收盘价表。 4.1 相关性分析:竞争对手会相互影响吗？ 我们可以通过运转 pandas 的百分比变化和相关函数来分析竞争关系。百分比变化将定义收益 ，找出与前一天相比价格变化的程度。了解相关性将有助于我们理解收益能否受其他股票收益的影响。 retscomp = dfcomp.pct_