Python是一門廣泛在各行業應用的語言，包括計算機，生物學，金融。可以說，python除了不會生孩子，其他啥都行。本文將使用python來玩股票數據，讓你見識Python的強大。
所使用的工具
python3.6Juypter notebook（互動式IDE，推薦使用）numpy，pandas用於資料分析matplotlib，seaborn用於資料視覺化pandas_datareader用於取得股票資料
#資料取得
我們可以從pandas_datareader取得股票資料。首先需要安裝這個庫
相關推薦：《python影片教學》
pip install pandas pip install pandas-datareader
然後就可以存取資料了
from pandas_datareader.data import DataReader datas = DataReader(name='BABA', data_source='yahoo', start='2015-01-01', end='2018-01-01')
在這裡，我首先把數據存為了csv文件，讓我們先來看看阿里巴巴前幾年的股票數據吧。
import pandas as pd file = 'BABA.csv' #csv文件index = 'Date' #将日期作为索引列alibaba = pd.read_csv(file, index_col=index) #读取csv文件数据
然後我們簡單的查看一下阿里巴巴的股票數據
alibaba.head(n = 5) #查看前5行数据
下面是股票數據的前5行，我們可以看到每天的開盤價，收盤價，最高值，最低值，成交量等。
然後再查看這些資料的描述，取得對資料的直覺感受。
alibaba.describe()
這是對數據的統計量的一些分析，可以看到總共有789行數據，最高值和最低值相差不大。
歷史趨勢分析
在分析之前，我們先導入所需的Python科學計算函式庫。
# 数据分析 import numpy as np import pandas as pd from pandas import Series, DataFrame# 可视化 import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline
我們首先分析股票的閉盤價的整體趨勢。
alibaba['Adj Close'].plot(legend = True) plt.title('Alibaba Adj Close') plt.ylim([50,200]) plt.xlabel('Date') plt.ylabel('Price')
可以看到，雖然中間也有小小的波動，閉盤價總體趨勢是上升的，這表明阿里巴巴的市值一直在上升。
然後我們了解每天阿里巴巴股票的日收益率，畢竟，在股市賺錢，主要靠的就是低買高賣得到的收益。
size = (10,8) alibaba['daily-return'].plot(figsize = size,linestyle = '--',marker = 'o') #折线图，原点表示最大最小点plt.title('Alibaba daily return') plt.xlabel('Date') plt.ylabel('daily return rate')
每天的收益率不是穩定的，證明股市有風險，需要謹慎對待。
實用小知識：pct_change()函數將每個元素與其前一個元素進行比較，並計算變化百分比。預設情況下，pct_change()對列進行操作; 如果想應用到行上，那麼可使用axis = 1參數。
我們再使用密度圖和直方圖來看看日收益率的整體狀況。
data = alibaba['daily-return'].dropna() #清除异常值bins = 50 #分为50个区间#在同一张图上画出分布直方图和密度图sns.distplot(data, bins = bins, color = 'red',hist = True, kde = True) plt.title('Alibaba daily return distribution') plt.xlabel('daily-return') plt.ylabel('probablity') plt.xlim([-0.05,0.1])
從圖中我們可以看出，整體報酬率基本上穩定在0左右，盈或損是對稱的。
風險分析
在風險分析裡，我們比較幾家網路產業的大公司，看看它們的股票有什麼差異，這裡我選的5家公司是蘋果，Google，亞馬遜，微軟，Facebook，時間是2015年到2017年。 （大家也可以從前面的百度網盤裡面的連結取得哦。）
讀取top5.csv檔案取得數據，按時間進行排序，並進行查看。
file = "top5.csv"index = 'Date'top_tech_df = pd.read_csv(file，index_col = index) #读取数据 top_tech_df=top_tech_df.sort_index() #按索引，也就是时间排序 top_tech_df.head(n = 5)
這裡的數據指的是股票的閉盤價，這是前5條數據。
先綜合比對一下這5家公司，看看誰更厲害。
top_tech_df.plot(kind = 'line') #折线图plt.title('five company adj close picture') plt.xlabel('Date') plt.ylabel('price') plt.legend() #添加图例
可以看到Google和亞馬遜，閉盤價始終高於其他三家公司，而這兩家也是似乎有點關係，你升我也升，你降我也降。
上面圖中看到其他三家貌似是平穩發展的，其實由於圖的比例太大，導致相對平穩，真實的情況其實是此起彼伏，也有很大波動，下面查看一下。
another_company = ['AAPL','FB','MSFT'] top_tech_df[another_company].plot() plt.title('another company adj close picture') plt.xlabel('Date') plt.ylabel('price') plt.legend()
從上面了解到Google和亞馬遜的閉盤價變化有著某種相似性，我們再來看看日收益率。
sns.jointplot("AMZN",'FB',top_tech_dr,kind='scatter',color = 'red',size=8)
plt.title('joint with AMZN and FB')Google和亞馬遜的殖利率也好像是正相關的，這可以作為預測這兩家股票發展的一個參考因素。
以上是python可以用來炒股嗎的詳細內容。更多資訊請關注PHP中文網其他相關文章！
