上市公司高送转预测在线实验闯关

本文通过三关实验详细阐述了如何利用股票交易数据检测和预测上市公司高送转行为。首先,通过判断收盘价跌幅确定高送转标识;接着,构建影响高送转的八大指标;最后,基于这些指标利用逻辑回归模型进行预测,评估模型的准确率。
摘要由CSDN通过智能技术生成

第1关:基于股票交易数据检测年度“高送转“”行为,构造标识因变量Y

任务描述
本关任务:基于2018年日交易数据表,设计一个简单算法,用于检测上市公司在2017年度报告中是否有“高送转”行为,同时获得上市公司高送转情况数据,其中有高送转行为的记为1,否则为0,作为因变量Y

相关知识
为了完成本关任务,你需要掌握:读取“2018年股票日交易数据.xlsx",其字段名称如下:
Stkcd(股票代码)、Trddt(交易日期)、Clsprc(收盘价),
设计一个简单算法,用于检测上市公司在2017年度报告中是否有“高送转”行为,
同时获得上市公司高送转标识数据,其中有高送转行为的记为1,否则为0。
返回结果用一个数据框B1来表示,其中列名分别为a_code(股票代码)、b(高送转标识:1-有高送转,0-无高送转)
说明:考虑日收盘价格跌幅在35%以上的,视为该股票存在高送转行为,其跌幅是由于股票价格除权所致

def return_values():
    import pandas as pd
    A=pd.read_excel('2018年股票日交易数据.xlsx')
    code=list(A['Stkcd'].unique())
    code_list=[]
    z_list=[]
    for i in range(len(code)):
        temp=A.iloc[A['Stkcd'
  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Ssaty.

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值