Numpy&pandas（八）–股票分析实例
16 浏览量
2020-12-22
12:06:21
上传
评论
收藏 39KB PDF 举报
Numpy&pandas（八）（八）–股票分析实例股票分析实例
股票数据分析股票数据分析
具体详见 https://github.com/kamidox/stock-analysis
分析波动幅度分析波动幅度
%matplotlib inline
import pandas as pd
import numpy as np
import os
import matplotlib.pyplot as plt
datadir = 'yahoo-data'
fname = '002001.csv'
data = pd.read_csv(os.path.join(datadir, fname), index_col='Date', parse_dates=True)
#读取文件，将date列作为行索引，并解析为datetime类型
## 使用 resample 针对复权收盘价进行重采样
adj_price = data['Adj Close'] resampled = adj_price.resample('m', how='ohlc')
#求一个比例
(resampled.high - resampled.low) / resampled.low
增长曲线增长曲线
# 600690.ss 000951.sz 002001.sz
stockid = '600690.sz'
stockfile = '600690.csv'
ds = pd.read_csv(os.path.join('yahoo-data', stockfile), index_col='Date', parse_dates=True)
ds.head()
adj_price = ds['Adj Close'] adj_price.plot(figsize=(8, 6))
#绘制折线图
增长倍数增长倍数
最大增长倍数及最大年化复合增长率
计算最低价和最高价之间的收盘价比较，以及增长的倍数和年化复全增长率，这个反应的是一个股票最好的情况下的投资收益
情况。
# 最高增长倍数
total_max_growth = adj_price.max() / adj_price.min()
total_max_growth
# 最大年均复合增长率
min_date = adj_price.argmin()
max_date = adj_price.argmax()
max_growth_per_year = total_max_growth ** (1.0 / (max_date.year - min_date.year))
max_growth_per_year
当前增长倍数及复合增长率当前增长倍数及复合增长率
计算上市时的收盘价与当前的收盘价比较，增长的倍数和年化复全增长率。
# 当前平均增长倍数
total_growth = adj_price.ix[0] / adj_price.ix[-1] total_growth
# 年复合增长倍数
old_date = adj_price.index[-1] now_date = adj_price.index[0] growth_per_year = total_growth ** (1.0 / (now_date.year -
old_date.year))
growth_per_year
平均年化增长率平均年化增长率
计算每年的增长率，然后再求平均值。也可以计算每月的增长率，再求平均值，可以看到更短的一些周期变化。
price_in_years = adj_price.to_period(freq='A').groupby(level=0).first()
price_in_years
price_in_years.plot(figsize=(8,6))
资源评论
