金融情感分析--股市预测（一）

（PS：趋势分析）

我选的是周大生2018年第二季度的股市行情，在这里选择周大生

直接复制粘贴得到xlsx文件（文件内容如下）

（已在Win7、python3.6上运行成功）

""""
以周大生为例；
说明会时间：2018/4/20
前10天-后60天       4/10-6/20
"""
from pandas import DataFrame, Series
import pandas as pd;
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import dates as mdates
from matplotlib import ticker as mticker
from matplotlib.finance import candlestick_ohlc
from matplotlib.dates import DateFormatter, WeekdayLocator, DayLocator, MONDAY, YEARLY
from matplotlib.dates import MonthLocator, MONTHLY
import datetime
import pylabMA1 = 10  # 移动平均线的日期间隔
MA2 = 50
# '股票代码,名称,收盘价,最高价,最低价,开盘价,前收盘,涨跌额,涨跌幅,换手率,成交量,成交金额,总市值,流通市值
startdate = datetime.date(2018, 4, 10)
enddate = datetime.date(2017, 6, 20)
data = pd.DataFrame(pd.read_excel('G:/project/sentimation_analysis/data/周大生.xlsx', sheet_name=0, index_col='日期'))  # 读取数据、设置日期为index
data = data.sort_index()  # 按日期升序排列
print (data)
# 抽取需要的列组成新的表
stdata = pd.DataFrame({'DateTime': data.index, 'Open': data.开盘价, 'High': data.最高价, 'Close': data.收盘价, 'Low': data.最低价})
stdata['DateTime'] = mdates.date2num(stdata['DateTime'].astype(datetime.date))  # 把日期转化成天数，从公元0年开始算# stdata=stdata.set_index('DateTime')
# stdata.drop(data.columns[6:],axis=1,inplace=True),stdata['Volume']=data.涨跌幅,del stdata['名称']def main():daysreshape = stdata.reset_index()daysreshape = daysreshape.reindex(columns=['DateTime', 'Open', 'High', 'Low', 'Close'])Av1 = pd.rolling_mean(daysreshape.Close.values, MA1)Av2 = pd.rolling_mean(daysreshape.Close.values, MA2)SP = len(daysreshape.DateTime.values[MA2 - 1:])fig = plt.figure(facecolor='#07000d', figsize=(15, 10))ax1 = plt.subplot2grid((6, 4), (1, 0), rowspan=4, colspan=4, axisbg='#07000d')candlestick_ohlc(ax1, daysreshape.values[-SP:], width=.6, colorup='#ff1717', colordown='#53c156')Label1 = str(MA1) + ' SMA'Label2 = str(MA2) + ' SMA'ax1.plot(daysreshape.DateTime.values[-SP:], Av1[-SP:], '#e1edf9', label=Label1, linewidth=1.5)ax1.plot(daysreshape.DateTime.values[-SP:], Av2[-SP:], '#4ee6fd', label=Label2, linewidth=1.5)ax1.grid(True, color='w')ax1.xaxis.set_major_locator(mticker.MaxNLocator(10))ax1.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))ax1.yaxis.label.set_color("w")ax1.spines['bottom'].set_color("#5998ff")ax1.spines['top'].set_color("#5998ff")ax1.spines['left'].set_color("#5998ff")ax1.spines['right'].set_color("#5998ff")ax1.tick_params(axis='y', colors='w')plt.gca().yaxis.set_major_locator(mticker.MaxNLocator(prune='upper'))ax1.tick_params(axis='x', colors='w')plt.ylabel('Stock price and Volume')plt.show()if __name__ == "__main__":main()

运行K线图如下：

（情感分析和K线联系续集）

金融情感分析--股市预测（一）相关推荐

【量化交易】94篇论文分析股市预测的深度学习技术
论文 | Stock Market Prediction via Deep Learning Techniques: A Survey 作者 | Jinan Zou, Qingying Zhao, Y ...
自然语言处理模型_ICLR 2020 「自然语言处理」【Prosus AI】金融情感分析FinBERT模型（含源码）！...
来源:AINLPer微信公众号编辑: ShuYini 校稿: ShuYini 时间: 2020-1-15 TILE: FinBERT: Financial Sentiment Analysis wi ...
朴素贝叶斯算法实现豆瓣Top250电影评价的情感分析与预测。
前言本文使用朴素贝叶斯算法实现豆瓣Top250电影评价的情感分析与预测. 最近在学习自然语言正负面情感的处理问题,但是绝大部分能搜索到的实践都是Kggle上IMDB影评的情感分析. 所以在这里我就 ...
金融情感分析，股市预测（二）
""" 已周大生为例: 2018/4/10-2018/6/20 抓取业绩说明会前后的股民评论"""#!/usr/bin/env python ...
金融情感分析--基于业绩说明会的研究
额,基本工作完成了,先整理一下这个小项目.发现一个非常棒的网址:https://github.com/yaleimeng/Final_word_Similarity 项目内容: 一.数据准备项目数据 ...
实战六十四：基于机器学习朴素贝叶斯的豆瓣Top250影评的情感分析与预测附完整源码和数据
首先需要豆瓣Top250影评的语料,我用Scrapy抓取了5w份语料,用于训练与验证. 豆瓣影评爬虫 github.com/3inchtime/d- 有了语料之后我们就可以开始实际开发了. 这里建议使 ...
自然语言处理NLP-100例 | 第一篇：如何用Python做情感分析？
大家好,我是K同学啊~ 今天给大家分享一个情感分析的小案例在维基百科上,情感分析的定义是: 文本情感分析(也称为意见挖掘)是指用自然语言处理.文本挖掘以及计算机语言学等方法来识别和提取原素材中的主观 ...
Python实现基于LSTM的中文评论情感分析
资源下载地址:https://download.csdn.net/download/sheziqiong/85949420 资源下载地址:https://download.csdn.net/downl ...
如何用Python做情感分析？
商品评论挖掘.电影推荐.股市预测--情感分析大有用武之地.本文帮助你一步步用Python做出自己的情感分析结果,难道你不想试试看? 需求如果你关注数据科学研究或是商业实践,"情感分析&qu ...

金融情感分析--股市预测（一）

金融情感分析--股市预测（一）相关推荐

最新文章

热门文章