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。
这个是我们获取的数据的信息。
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))
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。
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。
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:
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!