在不断发展的金融世界中，可视化数据可以提供对市场趋势前所未有的洞察。在本文中，我们将探讨如何利用 Python 来执行特定的财务分析任务：使用雅虎财经的历史数据可视化给定股票的期权流。我们将使用一个代码片段来获取期权数据、对其进行处理并生成散点图来说明看涨期权和看跌期权的流程。让我们深入了解细节。
我们的目标是分析特定股票的期权数据并在散点图中将其可视化。在本例中，我们将使用股票代码 LLY（礼来公司）。该代码片段完成以下任务：
首先，我们需要导入必要的库：
import yfinance as yf import os from datetime import datetime, timedelta import matplotlib.pyplot as plt import pandas as pd
我们设置了保存数据的输出目录和文件：
output_directory = 'output' os.makedirs(output_directory, exist_ok=True) output_file = os.path.join(output_directory, 'output.data')
这里，我们确保输出目录存在并指定数据文件的路径。
要获取股票代码 LLY 的期权数据，我们使用 yfinance：
ticker = 'LLY' days = 21 populate_data = 'Y' # Set 'N' to use existing file, 'Y' to create new file
如果 populate_data 设置为“Y”，代码将获取新的选项数据。如果“N”，它将使用现有的数据文件。
以下是数据获取和处理的完成方式：
if populate_data == 'Y':
stock = yf.Ticker(ticker)
options_dates = stock.options
today = datetime.now()
fourteen_days_later = today + timedelta(days)
with open(output_file, 'w') as file:
for date in options_dates:
date_dt = datetime.strptime(date, '%Y-%m-%d')
if today <= date_dt <= fourteen_days_later:
calls = stock.option_chain(date).calls
puts = stock.option_chain(date).puts
for _, row in calls.iterrows():
if not filter_volume(row['volume']):
file.write(f"Call,{date},{row['strike']},{row['volume']}\n")
for _, row in puts.iterrows():
if not filter_volume(row['volume']):
file.write(f"Put,{date},{row['strike']},{row['volume']}\n")
print(f"Data has been written to {output_file}")
此代码获取看涨期权和看跌期权数据，过滤掉包含不需要的卷数据的行，并将其写入文件。
接下来，我们读取数据并清理它：
data = pd.read_csv(output_file, names=['Type', 'Last_Trade_Date', 'Strike', 'Volume']) data.dropna(inplace=True) data['Last_Trade_Date'] = pd.to_datetime(data['Last_Trade_Date']) data = data[data['Volume'].notna()]
我们确保我们的数据集不包含 NaN 值，并且 Last_Trade_Date 的日期时间格式正确。
我们已准备好创建散点图：
extra_days_before = 5
extra_days_after = 5
min_date = data['Last_Trade_Date'].min() - timedelta(days=extra_days_before)
max_date = data['Last_Trade_Date'].max() + timedelta(days=extra_days_after)
plt.figure(figsize=(12, 8))
calls_data = data[data['Type'] == 'Call']
plt.scatter(calls_data['Last_Trade_Date'], calls_data['Strike'],
s=calls_data['Volume'], c='green', alpha=0.6, label='Call')
puts_data = data[data['Type'] == 'Put']
plt.scatter(puts_data['Last_Trade_Date'], puts_data['Strike'],
s=puts_data['Volume'], c='red', alpha=0.6, label='Put')
plt.xlabel('\nLast Trade Date')
plt.ylabel('Strike Price\n')
plt.title(f'Options Flow for {ticker} ({days} days)\n', fontsize=16)
plt.xticks(rotation=45, ha='right')
plt.gca().xaxis.set_major_formatter(plt.matplotlib.dates.DateFormatter('%Y-%m-%d'))
plt.xlim(min_date, max_date)
plt.subplots_adjust(bottom=0.2)
plt.grid(True)
plt.text(0.5, 0.5, f'{ticker}', color='gray', fontsize=80, alpha=0.5,
ha='center', va='center', rotation=15, transform=plt.gca().transAxes)
plt.text(0.95, 0.95, 'medium.com/@dmitry.romanoff', color='gray', fontsize=20, alpha=0.5,
ha='right', va='top', transform=plt.gca().transAxes)
plt.text(0.05, 0.05, 'medium.com/@dmitry.romanoff', color='gray', fontsize=20, alpha=0.5,
ha='left', va='bottom', transform=plt.gca().transAxes)
plot_file = os.path.join(output_directory, 'options_scatter_plot.png')
plt.savefig(plot_file)
print(f"Scatter plot has been saved to {plot_file}")
此部分创建看涨期权和看跌期权的散点图，其中 y 轴为执行价格，x 轴为交易日期。点的大小代表交易量，绿色表示看涨期权，红色表示看跌期权。我们还出于品牌目的添加水印并将绘图保存到文件中。
可视化期权数据有助于交易者和分析师了解市场情绪和交易活动。本指南演示了如何使用 Python 获取、处理和可视化期权数据。通过执行以下步骤，您可以针对任何股票调整此代码并分析其期权流，从而提供有关市场趋势的宝贵见解。
请随意修改代码以满足您的特定需求，并探索可视化财务数据的不同方法。
以上是使用 Python 可视化期权流：分步指南的详细内容。更多信息请关注PHP中文网其他相关文章！
