欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  后端开发

Python之获取与简单处理金融数据

程序员文章站 2022-04-20 14:41:51
...
Python的功能不可以说不大,在金融数据分析里面有着很方便的应用。本篇文章给大家分享的内容是Python之获取与简单处理金融数据,有着一定的参考价值,有需要的朋友可以参考一下

1.数据获取

pandas包中有自带的数据获取接口,详细的大家可以去其官网上找,是io.data下的DataReader方法。

import numpy as np
import pandas as pd
import pandas.io.data as web
import math
#从雅虎财经获取DAX指数的数据
DAX = web.DataReader(name='^GDAXI', data_source='yahoo',start = '2000-1-1')
#查看一下数据的一些信息 上面这一方法返回的是一个pandas dataframe的数据结构
print DAX.info()
#绘制收盘价的曲线
DAX['Close'].plot(figsize=(8,5))

我们获得的数据是dataframe的结构,毕竟是pandas的接口的嘛。然后我们绘制一下收盘价曲线。

Python之获取与简单处理金融数据

这个是我们获取的数据的信息。

Python之获取与简单处理金融数据

绘制出来的收盘价曲线是这样的。

2.简单的数据处理

有了股票价格,我们就计算一下每天的涨跌幅度,换句话说,就是每天的收益率,以及股价的移动平均和股价的波动率。

#计算每日的涨跌幅
DAX['Return'] = np.log(DAX['Close']/DAX['Close'].shift(1))
print DAX[['Close','Return']].tail()
#将收盘价与每日涨跌幅度放在一张图上
DAX[['Close','Return']].plot(subplots = True,style = 'b',figsize=(8,5))
#42与252个交易日为窗口取移动平均
DAX['42d']=pd.rolling_mean(DAX['Close'],window=42)
DAX['252d']=pd.rolling_mean(DAX['Close'],window=252)
#绘制MA与收盘价
DAX[['Close','42d','252d']].plot(figsize=(8,5))
#计算波动率,然后根据均方根法则进行年化
DAX['Mov_Vol']=pd.rolling_std(DAX['Return'],window = 252)*math.sqrt(252)
DAX[['Close','Mov_Vol','Return']].plot(subplots = True, style = 'b',figsize = (8,7))

Python之获取与简单处理金融数据

我们可以掌握这种subplots的绘图方法,把几张趋势图片放在一起。

Python之获取与简单处理金融数据

这是移动平均线的图片,subplots的属性为false,那么就是叠加在一起绘制。

Python之获取与简单处理金融数据

这是市场的波动率和股市的关系。和FRM中提到的一样,在市场低迷,或者说,金融危机的时候,市场的波动率急剧增加。于是,就有了恐慌指数这个东西,也就是Vix,其实就是市场的波动率指数。


相关推荐:

Python在金融,数据分析,和人工智能中的应用

使用Python获取Google,Yahoo金融数据工具

以上就是Python之获取与简单处理金融数据的详细内容,更多请关注其它相关文章!