Python金融大数据分析-数据获取与简单处理

无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。教程链接：https://www.cbedai.net/qtlyx

 

Python的功能不可以说不大，在金融数据分析里面有着很方便的应用。

1.数据获取

pandas包中有自带的数据获取接口，详细的大家可以去其官网上找，是io.data下的DataReader方法。

 

1. import numpy as np

2. import pandas as pd

3. import pandas.io.data as web

4. import math

5. #从雅虎财经获取DAX指数的数据

6. DAX = web.DataReader(name='^GDAXI', data_source='yahoo',start = '2000-1-1')

7. #查看一下数据的一些信息 上面这一方法返回的是一个pandas dataframe的数据结构

8. print DAX.info()

9. #绘制收盘价的曲线

10. DAX['Close'].plot(figsize=(8,5))

 

我们获得的数据是dataframe的结构，毕竟是pandas的接口的嘛。然后我们绘制一下收盘价曲线。

这个是我们获取的数据的信息。

绘制出来的收盘价曲线是这样的。

2.简单的数据处理

有了股票价格，我们就计算一下每天的涨跌幅度，换句话说，就是每天的收益率，以及股价的移动平均和股价的波动率。

 

1. #计算每日的涨跌幅

2. DAX['Return'] = np.log(DAX['Close']/DAX['Close'].shift(1))

3. print DAX[['Close','Return']].tail()

4. #将收盘价与每日涨跌幅度放在一张图上

5. DAX[['Close','Return']].plot(subplots = True,style = 'b',figsize=(8,5))

6. #42与252个交易日为窗口取移动平均

7. DAX['42d']=pd.rolling_mean(DAX['Close'],window=42)

8. DAX['252d']=pd.rolling_mean(DAX['Close'],window=252)

9. #绘制MA与收盘价

10. DAX[['Close','42d','252d']].plot(figsize=(8,5))

11. #计算波动率，然后根据均方根法则进行年化

12. DAX['Mov_Vol']=pd.rolling_std(DAX['Return'],window = 252)*math.sqrt(252)

13. DAX[['Close','Mov_Vol','Return']].plot(subplots = True, style = 'b',figsize = (8,7))

 

 

 

我们可以掌握这种subplots的绘图方法，把几张趋势图片放在一起。

这是移动平均线的图片，subplots的属性为false，那么就是叠加在一起绘制。

        这是市场的波动率和股市的关系。和FRM中提到的一样，在市场低迷，或者说，金融危机的时候，市场的波动率急剧增加。于是，就有了恐慌指数这个东西，也就是Vix，其实就是市场的波动率指数。