大宗商品价格在二十多年中的时间序列变化趋势数据分析

数据来源与介绍入口：大宗商品价格数据集 - Heywhale.com

一：数据介绍

本数据集收集整理了20多种商品期货的每日商品价格。

数据文件：
commodity_futures.csv：从2000年2022年的商品期货价格（包括23种不同的商品）。
list_of_categories.csv ：商品的分类。

不同商品描述如下：

1. Energy | 能源

field	品类
Natural Gas	天然气：以 欧元/百万英制热（MMBtu） 报价
Low Sulphur Gas Oil	低硫气油：以 欧元/吨 报价
WTI Crude	WTI原油：以 欧元/桶 报价
Brent Crude	布伦特原油：以 欧元/桶 报价
ULS Diesel	ULS柴油：以 欧元/加仑 报价
Gasoline	汽油：以 欧元/加仑 报价

2. Industrial Metals | 工业金属

field	品类
Copper	铜：以 欧元/磅 报价
Aluminum	铝：以 欧元/吨 报价
Zinc	锌：以 欧元/吨 报价
Nickel	镍：以 欧元/吨 报价

3. Precious Metals | 贵金属

field	品类
Gold	金：以 欧元/吨盎司 报价
Silver	银：以 欧元/吨盎司 报价

4. Grains | 谷物

field	品类
Corn	玉米：以 欧元/蒲式耳 报价
Soybeans	大豆：以 欧元/蒲式耳 报价
Wheat	小麦：以 欧元/蒲式耳 报价
Soybean Oil	豆油：以 欧元/磅 报价
Soybean Meal	豆粕：以 欧元/吨 报价
HRW Wheat	HRW小麦：以 欧元/蒲式耳 报价

5. Livestock | 牲畜

field	品类
Live cattle	活牛：以 欧元/磅 报价
Lean Hogs	瘦肉型猪：以 欧元/磅 报价

6. Softs | 软大宗商品

field	品类
Sugar	糖：以 欧元/磅 报价
Coffee	咖啡：以 欧元/磅 报价
Cotton	棉花：以 欧元/磅 报价

本文将探索不同类的商品期货价格（包括23种不同的商品）在二十多年中的时间序列变化趋势。

二：时间序列变化数据可视化分析

由于属于同一类的具有可比性，我们可以先以Softs | 软大宗商品为例，分别分析Sugar，Coffee，Cotton的时间序列变化趋势。

首先读取数据：

import pandas as pd

# 读取文件
df = pd.read_csv('commodity_futures.csv')

print('数据基本信息：')
df.info()
print('数据的前几行：')
print(df.head())

下面，我将把Date列转换为日期时间类型，并设置为索引，然后分别绘制 Sugar，Coffee，Cotton 三列的时间序列图，以直观展示它们的变化趋势。

import matplotlib.pyplot as plt

# 将Date列转换为日期时间类型
df['Date'] = pd.to_datetime(df['Date'])

# 设置Date列为索引
df.set_index('Date', inplace=True)

# 绘制Sugar列的时间序列图
plt.figure(figsize=(12, 6))
plt.plot(df['SUGAR'], label='Sugar')
plt.title('Sugar Futures Prices')
plt.xlabel('Date')
plt.ylabel('Price')
plt.legend()
plt.grid(True)
plt.show()

# 绘制Coffee列的时间序列图
plt.figure(figsize=(12, 6))
plt.plot(df['COFFEE'], label='Coffee', color='orange')
plt.title('Coffee Futures Prices')
plt.xlabel('Date')
plt.ylabel('Price')
plt.legend()
plt.grid(True)
plt.show()

# 绘制Cotton列的时间序列图
plt.figure(figsize=(12, 6))
plt.plot(df['COTTON'], label='Cotton', color='green')
plt.title('Cotton Futures Prices')
plt.xlabel('Date')
plt.ylabel('Price')
plt.legend()
plt.grid(True)
plt.show()

分别得到Sugar，Coffee，Cotton 三列的时间序列图如下：

通过观察这些图表，可以发现它们的价格都有一定的波动，并且在某些时间段内呈现出明显的上升或下降趋势。2008 年到 2012 年以及 2020 年到 2022 年软大宗商品（如 Sugar、Coffee 等）价格迅速增长的原因可能包括以下几点：

1. 经济因素：
   • 2008 年到 2012 年：全球经济在这一时期经历了波动，包括 2008 年的金融危机和后续的经济复苏阶段。经济不稳定可能导致市场对软大宗商品的需求和预期发生变化，从而影响价格。
   • 2020 年到 2022 年：新冠疫情对全球经济造成了巨大冲击，供应链中断、物流受阻以及各国为刺激经济采取的宽松货币政策等因素，可能导致通货膨胀预期上升，从而推动软大宗商品价格上涨。
2. 供需关系：
   • 2008 年到 2012 年：在此期间，一些主要生产国可能遭遇了自然灾害、病虫害等问题，导致软大宗商品的产量下降。同时，新兴市场的需求增长可能超过了供应的增长，从而推动价格上升。
   • 2020 年到 2022 年：疫情导致的供应链问题可能影响了软大宗商品的生产和运输，同时，一些国家的封锁和限制措施可能导致消费需求的结构发生变化，对某些软大宗商品的需求增加，而供应未能及时跟上，从而推动价格上涨。
3. 政策因素：政府的农业政策、贸易政策等可能对软大宗商品的价格产生影响。例如，一些国家可能实施了农产品补贴政策，鼓励农民增加生产，但由于各种原因，供应增长可能有限，从而导致价格上涨。
4. 市场投机：在价格波动较大的时期，市场投机行为可能加剧价格的上涨。投资者可能预期价格会继续上涨，从而大量买入软大宗商品期货，进一步推动价格上升。
5. 能源价格：软大宗商品的生产和运输通常需要消耗能源。如果能源价格上涨，可能会增加软大宗商品的生产成本，从而推动价格上涨。

需要指出的是，具体的原因可能因商品种类、地区和市场情况而异。此外，全球经济和政治形势的变化、气候变化等因素也可能对软大宗商品价格产生影响。

其他类型的商品价格也可以用类似的方法进行考虑。