导包

import numpy as np
import pandas as pd
Backend TkAgg is interactive backend. Turning interactive mode on.
import pandas_datareader.data as web

读取数据

从雅虎财经读取BABA股票信息


>>> baba = web.DataReader(name = 'BABA',data_source='yahoo',start='2014-09-19')

baba.info() #打印列信息
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 1126 entries, 2014-09-19 to 2019-03-12
Data columns (total 6 columns):
High         1126 non-null float64
Low          1126 non-null float64
Open         1126 non-null float64
Close        1126 non-null float64
Volume       1126 non-null int64
Adj Close    1126 non-null float64
dtypes: float64(5), int64(1)
memory usage: 61.6 KB

>>> baba.tail()High         Low  ...    Volume   Adj Close
Date                                ...
2019-03-06  185.589996  183.020004  ...  10009100  184.169998
2019-03-07  181.800003  176.729996  ...  16488900  177.320007
2019-03-08  175.350006  171.565002  ...  14674200  175.029999
2019-03-11  181.720001  177.580002  ...  13764000  180.410004
2019-03-12  182.179993  179.509995  ...   8655500  180.630005[5 rows x 6 columns]

收盘价曲线

baba['Close'].plot(figsize=(8,5)) #设置长宽比例
<matplotlib.axes._subplots.AxesSubplot object at 0x00000168B2F91908>

对数收益率的向量化计算

>>> baba['Return'] = np.log(baba['Close']/baba['Close'].shift(1)) #shift前移
>>> baba[['Close','Return']].plot(subplots=True,style='b',figsize=(8,5)) #分开显示，加粗
array([<matplotlib.axes._subplots.AxesSubplot object at 0x00000168B0DB4828>,<matplotlib.axes._subplots.AxesSubplot object at 0x00000168B5018EF0>],dtype=object)

移动平均值计算

月度

baba['30d']=baba['Close'].rolling(window=30).mean() #30日均值

季度

baba['90d']=baba['Close'].rolling(window=90).mean() #90日均值

baba[['Close','30d','90d']].tail()Close         30d         90d
Date
2019-03-06  184.169998  171.160334  155.307334
2019-03-07  177.320007  172.003335  155.726334
2019-03-08  175.029999  172.642334  156.064445
2019-03-11  180.410004  173.349001  156.481556
2019-03-12  180.630005  174.072668  157.006556

移动历史标准差--移动历史波动率

import math
baba['Mov_Vol_30'] = baba['Return'].rolling(window=30).std()*math.sqrt(30)
baba['Mov_Vol'] = baba['Return'].rolling(window=365).std()*math.sqrt(365)
baba[['Close','Mov_Vol','Mov_Vol_30','Return']].plot(subplots=True,style='b',figsize=(8,7))
array([<matplotlib.axes._subplots.AxesSubplot object at 0x00000168B14E8860>,<matplotlib.axes._subplots.AxesSubplot object at 0x00000168B524D1D0>,<matplotlib.axes._subplots.AxesSubplot object at 0x00000168B5482898>],dtype=object)

python3阿里巴巴股票数据统计相关推荐

python分析股票数据_Python数据可视化——股票数据分析
1.背景 GAFATA,它表示的是GOOGLE,AMAZON,FACEBOOK,APPLE,TENCENT,ALIBABA这六家互联网巨头的首字母缩写.本文主要分析GAFATA这六家公司股票近一年的的 ...
大数据统计大量股票开盘平均价和收盘平均价
大数据统计大量股票开盘和收盘的平均价一.需要统计的文件: 二.单个文件内容: 三.程序: 程序来自小奶狗的博客连接为:https://blog.csdn.net/pengyangyan/artic ...
python 股票分析api,2020-04-21 用python3 按周分析新浪接口股票数据（篇一：下载、存储篇）...
思路概览一:下载存储股票数据量大,有一定的涨跌模式,为了节约看股时间,今天我们用python3,量化分析有关股票数据. 总体思路:使用通达信获得所有股票代码,然后通过requests 模块下载htt ...
python3抓取数据_python3抓取到的拉勾数据统计
趁着最近有时间写了个拉勾爬虫抓取了后端.前端和移动端技术岗位的数据,总共大约6多万条记录,对其取前十名进行统计按地域划分: 可以看出北上广深杭的数量远远超出其它城市,机会相对较多 2. 按融资阶段来 ...
Tushare财经数据接口（三）案例——股票基本面统计
Tushare财经数据接口股票基本面统计使用get_stock_basics()函数一次性下载所有股票基本面数据.这对观察股票的整体市场情况很有帮助. import tushare as ts i ...
Day02| 第四期-阿里巴巴股票行情分析(一)
01 前言 2020年高考的第一天到来了,不晓得你的心情如何,我想我们始终忘不了的是对追梦过程中的努力,希望长大以后 ...
如何用python爬股票数据_python爬虫股票数据,如何用python 爬虫抓取金融数据
Q1:如何用python 爬虫抓取金融数据获取数据是数据分析中必不可少的一部分,而网络爬虫是是获取数据的一个重要渠道之一.鉴于此,我拾起了Python这把利器,开启了网络爬虫之路. 本篇使用的版本为 ...
基于python获取雅虎金融股票数据及相关可视化操作
@TOC 基于python3实现 1.获取数据 1.1单只股票 (1)加载所需的包 import pandas as pd import pandas_datareader.data as web i ...
获取股票数据【使用JQData查询行情数据、财务指标、估值指标】
了解股票: 在上一次量化小科普[什么是量化?常用的股票量化指标.如何搭建量化交易系统]对于量化的概念有了一个基本认识,其中量化的主体在这门课程的学习中是"股票",而当别人问你:&q ...

python3阿里巴巴股票数据统计

导包

读取数据

收盘价曲线

对数收益率的向量化计算

移动平均值计算

移动历史标准差--移动历史波动率

python3阿里巴巴股票数据统计相关推荐

最新文章

热门文章