（15-8）基于时间序列预测的比特币自动交易系统：使用时间序列法分解数据

1.5.8  使用时间序列法分解数据

接下来将使用时间序列分解的方法来分析数据，通过将时序数据拆解为趋势、季节性和残差等组成部分，以更好地理解数据的变化趋势。

（1）使用库yfinance获取了自2020年1月1日至2022年1月31日期间的比特币（BTC）价格数据。然后，通过计算每日收益率，得到了比特币的收益率数据（returns）。

tickerSymbol = 'BTC-USD'
data = yf.Ticker(tickerSymbol)
prices = data.history(start='2020-01-01', end='2022-01-31').Close
returns = prices.pct_change().dropna()
returns

执行后会输出：

Date
2020-01-02   -0.029819
2020-01-03    0.051452
2020-01-04    0.008955
2020-01-05    0.000089
2020-01-06    0.048291
                ...   
2022-01-27    0.007764
2022-01-28    0.017397
2022-01-29    0.009365
2022-01-30   -0.005784
2022-01-31    0.014915
Name: Close, Length: 761, dtype: float64

（2）使用库plotly.express创建了一个折线图，展示比特币（BTC）对美元（USD）的价格随时间的变化情况。

fig = px.line(prices)
fig.update_layout(title='BTC/USD Price',
                   xaxis_title='Time',
                   yaxis_title='Price',
                   plot_bgcolor='white')


fig.show()

执行效果如图7-8所示。图中的横轴表示时间，纵轴表示价格，整体呈现比特币价格的趋势。

图7-8  比特币对美元的价格随时间的变化

（3）使用库plotly.express创建了一个折线图，展示了比特币（BTC）对美元（USD）的收益率随时间的变化情况。

fig = px.line(returns)
fig.update_layout(title='BTC/USD Price',
                   xaxis_title='Time',
                   yaxis_title='Returns',
                   plot_bgcolor='white')

fig.show()

执行效果如图7-8所示。图中的横轴表示时间，纵轴表示收益率，整体呈现比特币收益率的趋势。

图7-8  比特币对美元的收益率随时间的变化

未完待续