用苹果股价详解量化分析的4种基本操作

Python最近几年的热度越来越高，其在多个领域都得到了广泛的使用，尤其是在量化分析方面，最近几年可以说是得到了飞速发展，现在说它是量化分析第一语言也不为过，笔者今天就介绍一下Python在量化分析中的一些基本使用操作。

今天讲的操作共有4种，都是我们经常用到的，而这4种操作都要用到pandas库，因为是量化分析，所以也要用到一些股票数据，我们就用“宇宙第一大股”苹果公司的股票数据来作为演示。

首先还是导入各种库。

import pandas as pd
import numpy as np
import yfinance as yf

这里我们稍微介绍一下yfinance，yfinance是使用Yahoo! Finance数据源的一个库，这个库的优点是下载速度快（没有被墙）、免费，同时导出来的数据就是pandas.DataFrame格式，非常好用。然后就是下载我们所需的苹果公司的股票数据，这里我们下载过去5年的数据，即2015年1月1日到2019年12月31日的数据，代码如下。

df = yf.download('AAPL', start='2015-01-02', end='2020-01-01', progress=False) #progress是进度显示条，最好关闭

yfinance的时间参数有些不同，其是滞后一天的，所以我们要下载第一天2015年1月1日的数据，则要设置为'2015-01-02'，截止时间也同样延后一天，同时设置progress=False，以关闭下载进度条。下载好的数据大致如图1所示。

图1. 苹果股价数据示例

有了数据，我们就开始介绍一下这4种基本操作。

一、rolling window

rolling window是对某个窗口期内的数据进行操作，其原理和我们常用的groupby有些类似，不过是在窗口期内进行操作，其使用方法如下。

df_rolling =