#?導入模塊
import?numpy?as?np
import?pandas?as?pd
import?yfinance?as?yf

#?GC=F黃金，SI=F白銀，ROSN.ME俄羅斯石油，SBER.ME俄羅斯銀行，天然氣
tickerSymbols?=?['GC=F',?'SI=F',?'ROSN.ME',?'SBER.ME','NG=F']

#?獲取這些代碼的數(shù)據(jù)
MSFT?=?yf.Ticker(tickerSymbols[0])
TSLA?=?yf.Ticker(tickerSymbols[1])
AAPL?=?yf.Ticker(tickerSymbols[2])
AMZN?=?yf.Ticker(tickerSymbols[3])
GOOG?=?yf.Ticker(tickerSymbols[4])

#?獲取代碼的歷史價格
MSFT_df?=?MSFT.history(period='1d',?start='2022-1-1',?end='2022-2-25')
TSLA_df?=?TSLA.history(period='1d',?start='2022-1-1',?end='2022-1-25')
AAPL_df?=?AAPL.history(period='1d',?start='2022-1-1',?end='2022-1-25')
AMZN_df?=?AMZN.history(period='1d',?start='2022-1-1',?end='2022-1-25')
GOOG_df?=?GOOG.history(period='1d',?start='2022-1-1',?end='2022-1-25')

#?比如天然氣
GOOG_df.head()

如下：

二、合并數(shù)據(jù)

#?將每只股票的收盤列保存到新變量中
MSFT?=?MSFT_df['Close']
TSLA?=?TSLA_df['Close']
AAPL?=?AAPL_df['Close']
AMZN?=?AMZN_df['Close']
GOOG?=?GOOG_df['Close']

#?Concatenate?all?stocks?close?columns?into?one?data?frame
stocks_df?=?pd.concat([MSFT,?TSLA,?AAPL,?AMZN,?GOOG],?axis='columns',?join='inner')

#?Rename?the?data?frame?columns?with?their?corresponding?tickers?symbols
stocks_df.columns?=?['gold',?'silver',?'oil',?'bank',?'gas']

#?Visualize?the?new?data?frame
stocks_df.head()

如下：

三、繪制股票每日百分比變化

#?接下來，讓我們計算股票每日百分比變化并繪制它們以直觀地分析它們在過去一個多月中的變化行為。
#?獲取每日百分比變化
stocks_df?=?stocks_df.pct_change().dropna()

#?可視化新數(shù)據(jù)框
stocks_df.head()

#?繪制每日百分比變化
stocks_df.plot(figsize=(20,?10),?title="Daily?Returns");

如下：

從圖也可以看出哪個變動大，哪個穩(wěn)定）自己用眼睛看

四、箱線圖

上面的圖確實不好看，所以我們畫一個箱線圖更加直觀：

#?箱線圖
#?計算累積回報
cumulative_returns?=?(1?+?stocks_df).cumprod()

#?繪制累積回報
cumulative_returns.plot(figsize=(20,?10),?title="Cumulative?Returns");

#?箱線圖直觀地顯示風險
stocks_df.plot.box(figsize=(20,?10),?title="Portfolio?Risk");

累計回報圖：

箱線圖：

顯然是天然氣收益最高；盒子越寬，晶須越長，股票的波動性就越大。石油最穩(wěn)定，天然氣波動大了點

五、計算月化夏普比率

#計算月化夏普比率
sharpe_ratios?=?(stocks_df.mean()?*?30)?/?(stocks_df.std()?*?np.sqrt(30))
sharpe_ratios?=?sharpe_ratios.sort_values(ascending=False)
sharpe_ratios

如下：

#將夏普比率可視化為條形圖
sharpe_ratios.plot(figsize=(20,?10),?kind="bar",?title="Sharpe?Ratios");

如下：

六、結(jié)論

根據(jù)以上結(jié)果，建議購買黃金，其次為白銀，天然氣，俄羅斯銀行和石油不建議購買。注意：以上分析數(shù)據(jù)為2022年1月1日到2022年2月5日分析圖。沒有寫預(yù)測部分，我覺得動蕩太多，沒必要預(yù)測了，買穩(wěn)定的吧，預(yù)測已經(jīng)沒有意義。

以上就是利用Python分析一下最近的股票市場的詳細內(nèi)容，更多關(guān)于Python分析股票市場的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: