Python玩转股票数据以及简单交易策略.pdf

在本文档中，我们探讨了如何使用Python处理和分析股票数据，以及构建简单的交易策略。作者提到了之前的工作，即如何获取股票历史数据并进行初步分析。本篇则更深入地展示了如何利用Python对股票数据进行可视化和指标分析。 在数据处理方面，作者使用sqlite3数据库存储股票历史交易数据，因为Python内置支持，操作简便。以股票代码600866为例，将2017年2月1日至6月1日的数据读入名为stdata的数据框中。通过`.info()`方法，我们可以得知数据框的结构，包括行数、列名、数据类型等信息，并将索引转换为datetime类型以便进一步处理。 接下来，作者介绍了数据观察和分析的部分。股票数据的主要指标分为价格相关和成交量相关两类，如开盘价、收盘价、最高价、最低价、涨跌幅、5、10、20日均价、成交量、换手率和成交量均量。为了直观展示这些时间序列数据，作者使用了折线图，特别是收盘价和换手率的时间序列图，揭示了股价波动与换手率之间的关系。 然后，作者引入了K线图，这是一种用于表示股票价格变化的图形工具，源自日本，能够清晰地展示开盘价、收盘价、最高价和最低价。在Python中，使用matplotlib库的`candlestick_ohlc()`函数或自定义的`pandas_candlestick_ohlc()`函数可以绘制K线图，以日、周、月、年等不同周期展示价格波动。 此外，文档还讨论了相对变化量的重要性，即关注股价的相对变化而非绝对值。通过计算收益率（收盘价与初始价的比例）或日涨跌幅（百分比变化），可以分析股票的相对表现。在这里，作者展示了两种计算涨跌幅的方法，并引入了对数差分作为另一种衡量价格变化的手段，以避免第一种方法中的零除问题，同时能捕捉到价格的相对变化。 文档提到了相关性分析，这在股票市场中非常重要，因为它可以帮助识别不同指标间的关联性。通过计算相关系数，可以发现价格、成交量等指标之间的相互影响，为制定交易策略提供依据。 本篇文档主要涵盖了Python在股票数据分析中的应用，包括数据获取、清洗、可视化以及初步的统计分析。通过这些技术，投资者可以更好地理解市场动态，构建基于数据的交易策略。