用于股票情绪分析的 Python 脚本-Python教程-PHP中文网

“股票市场上充满了知道所有东西价格但不知道任何东西的价值的人。” - 菲利普·费舍尔

Python 的受欢迎程度显着提高，并被用于广泛的应用，从基本计算到股票市场数据的高级统计分析。在本文中，我们将研究一个 Python 脚本，它体现了 Python 在金融领域日益增长的主导地位。它能够与数据无缝集成、执行复杂的计算和自动执行任务，这使其成为金融专业人士的宝贵工具。

此脚本演示了如何使用 Python 分析新闻标题并提取有关市场情绪的宝贵见解。通过利用自然语言处理 (NLP) 库的强大功能，该脚本可以分析与特定股票相关的新闻文章的情绪基调。该分析可以为投资者提供重要信息，帮助他们：

做出更明智的投资决策：通过了解当前的市场情绪，投资者可以识别潜在机会并降低风险。
制定更有效的交易策略：情绪分析可以集成到交易算法中，以改善时机并可能提高回报。
获得竞争优势：Python 的多功能性允许开发复杂的金融模型和分析大量数据集，在竞争激烈的金融领域提供显着优势

import requests
import pandas as pd
from nltk.sentiment.vader import SentimentIntensityAnalyzer

# THIS NEEDS TO BE INSTALLED
# ---------------------------
# import nltk
# nltk.download('vader_lexicon')

# Function to fetch news headlines from a free API
def get_news_headlines(ticker):
    """
    Fetches news headlines related to the given stock ticker from a free API.

    Args:
        ticker: Stock ticker symbol (e.g., 'AAPL', 'GOOG').

    Returns:
        A list of news headlines as strings.
    """

    # We are using the below free api from this website https://eodhd.com/financial-apis/stock-market-financial-news-api
    url = f'https://eodhd.com/api/news?s={ticker}.US&offset=0&limit=10&api_token=demo&fmt=json'
    response = requests.get(url)
    response.raise_for_status()  # Raise an exception for bad status codes

    try:
        data = response.json()
        # Extract the 'title' from each article
        headlines = [article['title'] for article in data]
        return headlines
    except (KeyError, ValueError, TypeError):
        print(f"Error parsing API response for {ticker}")
        return []

# Function to perform sentiment analysis on headlines
def analyze_sentiment(headlines):
    """
    Performs sentiment analysis on a list of news headlines using VADER.

    Args:
        headlines: A list of news headlines as strings.

    Returns:
        A pandas DataFrame with columns for headline and sentiment scores (compound, positive, negative, neutral).
    """

    sia = SentimentIntensityAnalyzer()
    sentiments = []

    for headline in headlines:
        sentiment_scores = sia.polarity_scores(headline)
        sentiments.append([headline, sentiment_scores['compound'],
                           sentiment_scores['pos'], sentiment_scores['neg'],
                           sentiment_scores['neu']])

    df = pd.DataFrame(sentiments, columns=['Headline', 'Compound', 'Positive', 'Negative', 'Neutral'])
    return df

# Main function
if __name__ == "__main__":

    ticker = input("Enter stock ticker symbol: ")
    headlines = get_news_headlines(ticker)

    if headlines:
        sentiment_df = analyze_sentiment(headlines)
        print(sentiment_df)

        # Calculate average sentiment
        average_sentiment = sentiment_df['Compound'].mean()
        print(f"Average Sentiment for {ticker}: {average_sentiment}")

        # Further analysis and visualization can be added here
        # (e.g., plotting sentiment scores, identifying most positive/negative headlines)
    else:
        print(f"No news headlines found for {ticker}.")

登录后复制

输出：

Python Script for Stock Sentiment Analysis

进口

请求：用于发出 HTTP 请求以从 Web API 获取数据。
pandas：用于创建和管理 DataFrame 格式数据的数据操作库。
SentimentIntensityAnalyzer 来自 nltk.sentiment.vader：一种情感分析工具，为文本提供情感分数。

设置

NLTK 设置：该脚本包含一条注释，指示需要使用 NLTK 下载 VADER 词典。这是通过 nltk.download('vader_lexicon') 完成的。

功能

获取新闻头条（股票）

用途：获取与给定股票代码相关的新闻标题。
参数：
- 股票代码：代表股票代码的字符串（例如，Apple 的“AAPL”）。
返回：作为字符串的新闻标题列表。
实施：
- 使用提供的代码构建假设新闻 API 的 URL。
- 向 API 发送 GET 请求并检查是否成功响应状态。
- 解析 JSON 响应以提取标题。
- 使用 try- except 块处理解析中的潜在错误。

分析情绪（标题）

用途：对新闻标题列表进行情绪分析。
参数：
- headers：字符串列表，每个字符串代表一个新闻标题。
返回：包含标题及其情绪分数（复合、积极、消极、中性）的 pandas DataFrame。
实施：
- 初始化 SentimentIntensityAnalyzer。
- 迭代每个标题，计算情绪分数，并将其存储在列表中。
- 将情感数据列表转换为 pandas DataFrame。