我的Python心路历程 第十期 (10.11 股票实战可视化风险评估操练)
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了我的Python心路历程 第十期 (10.11 股票实战可视化风险评估操练),小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1473字,纯文字阅读大概需要3分钟。
内容图文
![我的Python心路历程 第十期 (10.11 股票实战可视化风险评估操练)](/upload/InfoBanner/zyjiaocheng/608/1a9b3e3019c54d678efc4768b6b6442c.jpg)
我的Python心路历程 第十期 (10.11 股票实战可视化风险评估操练)
股票风向评估之前,需要先做两个准备工作:
一方面是抓取整理其中的几只数据,如下图所示:
另一方面是需要将数据进行一次转换,即求得每个公司的每日股票变化情况(daily-return)。如下所示:
#每日差距分析
top_tech_dr = top_tech_df.pct_change()
print top_tech_dr.head()
DataFrame结构的top_tech_dr变量就是我们准备的进行风险分析数据。
1、我们首先来看一下这两家公司的股票价格走势:
top_tech_df.plot()
plt.title(u"总体视图")
plt.gcf().autofmt_xdate() # 自动旋转日期标记
plt.show()
其中,top_tech_df数据取自准备工作1的结果。效果图如下:
从上图可以看出,goog的走势明显优于aapl,多只一起看可以进行梯队划分。
下面两只看着有点同梯队的感觉吧!
2、我们可以通过散点图使用daily-return数据再次验证我们看出的这种现象:
从上面的图可以看出,散点图相对于上图来说比较宽,如果我们从中画一条线的话,很明显是不经过原点的;可以多比较几家看看差异。比如相似度高的两家是啥情况呢,如下所示:
3、使用seaborn库的pairplot()方法,从整体上看这2家公司的股票价格关系如下:
sns.pairplot(top_tech_dr.dropna())
plt.show()
另外两家:
4、最后我们通过分位数的概念,来分析一下风险的情况。
# 分位数,有95%的把握在这个区间里面,应用于风险评估
print "quantile=" + str(top_tech_dr[comName[0]].quantile(0.05))
上图给quantile传入0.05,即我们有95%的信心对这只个股,我们买的话每天的亏损最大不超过2.5%。但是,这个值依赖于对周期的设定,比如1年、5年和10年的可能有所差异,仅供参考。
002238.SZ的分为数显示意思是说买的话每天的亏损最大不超过4.5%:
以上仅供参考和练习之用途,请勿对号入座。
内容总结
以上是互联网集市为您收集整理的我的Python心路历程 第十期 (10.11 股票实战可视化风险评估操练)全部内容,希望文章能够帮你解决我的Python心路历程 第十期 (10.11 股票实战可视化风险评估操练)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。