使用python，pandas对外汇储备进行预测分析

本文的原文连接是: http://blog.csdn.net/freewebsys/article/details/52496604 未经博主允许不得转载。
博主地址是：http://blog.csdn.net/freewebsys

1，关于外汇储备数据

---

数据从国家统计局找到的。站内不好搜索，还是用google搜索出来的。
地址：
http://www.safe.gov.cn/wps/portal/!ut/p/c4/04_SB8K8xLLM9MSSzPy8xBz9CP0os3gPZxdnX293QwMLE09nA09Pr0BXLy8PQyNPI_2CbEdFAKLWUno!/?WCM_GLOBAL_CONTEXT=/wps/wcm/connect/safe_web_store/safe_web/tjsj/node_tjsj_whcb/node_tjsj_whcbsj_gjwhcbgm/node_news_tjsj_whcbsj_gjwhcbgm/799fcb004818128e8fc7df84909d05cd

数据是一个doc，两个excel。国家的网站做的也不仔细。
1950 年到 2015 年数据。16年到18 年的数据没有！？19年开始就按照月进行统计了。

2，这里尽量不使用 excel，使用python处理

---

excel很强大，但是，使用python更方便的进行编程。
python使用pandas进行开发，方便的很。

安装ipython book

sudo pip install jupyter
sudo pip install seaborn

安装个web版本的开放界面得了，轻量快速。

从官网下载一个python的demo文件。
https://try.jupyter.org/

webide直接下载就可以了。

这个jupyter工具非常好用。可以直接部署到服务器上面。并且将结果的图片。
都显示出来，同时写文档和代码运行，超级好用呢。
而且可以给非开发人员使用，一个服务器可以给公司内部的其他员工使用。
而不用每个人都搭建一个python服务。

3，读取我国外汇储备

---

并将外汇储备画成一个曲线展示。

%matplotlib notebook

# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
import matplotlib

from matplotlib import pyplot as plt
import seaborn as sns

#导入统计数据
data_file = "~/FreeWebSys/python-stat-01/src/demo-data.txt"
#读取内容，一共就两列，年，外汇储备。
data = pd.read_csv(data_file, index_col=0,sep=",",names=["year","reserve"])
#显示最后几行
print(data.tail())
#画图
data.plot()

然后使用线性回归对数据进行处理。

%matplotlib notebook

# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
import matplotlib

from matplotlib import pyplot as plt
import seaborn as sns

#导入统计数据
data_file = "~/FreeWebSys/python-stat-01/src/demo-data.txt"
#读取内容，一共就两列，年，外汇储备。
df = pd.read_csv(data_file, index_col=0,sep=",",names=["year","reserve"])
#显示最后几行
print(df.tail())
#画图
df.plot()

#df.index
#df['reserve']
reg = np.polyfit(df.index, df['reserve'],deg = 4)
ry = np.polyval(reg,df.index)
plt.plot(df.index,ry,'r')

分别设置深度为 1，2，3，4
其中reg为最小回归的系数。




当深度为4的时候，发现和原始数据已经很接近了。

4，总结

---

只是简单的使用了下，pandas的线性回归。
python非常强大，可以对金融数据进行分析。这个只是个入门的demo。
只是简单的使用下命令。还要继续学习。《python 金融大数据分析》是个非常不错的书。
本文的原文连接是: http://blog.csdn.net/freewebsys/article/details/52496604 未经博主允许不得转载。
博主地址是：http://blog.csdn.net/freewebsys