金融数据可视化——指数相关性

最新推荐文章于 2024-12-24 13:46:59 发布

林zen肥

最新推荐文章于 2024-12-24 13:46:59 发布

阅读量923

点赞数 1

分类专栏：金融数据可视化文章标签： python 可视化

本文链接：https://blog.csdn.net/joshua9801/article/details/114885952

版权

金融同时被 2 个专栏收录

2 篇文章

订阅专栏

数据可视化

1 篇文章

订阅专栏

本文通过Python中的pandas、numpy及matplotlib等库实现对多个股市指数的日线行情数据的获取与处理，计算并展示了各指数间的相关性，并进一步用热力图进行了直观展示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

工具介绍

import pandas as pd
import matplotlib.pyplot as plt
import tushare as ts
pro = ts.pro_api()
import math
plt.rcParams["font.sans-serif"]="SimHei"
import numpy as np

首先需要导入pandas和numpy模块完成数据分析的工作，还需要matplolib进行画图，最后需要获取指数的相关数据，这里导入了tushare数据包，tushare官网有数据包使用的详细教程。

构建指数相关性表格

df = pd.DataFrame(columns=["上证综指","深证成指","中小板指","创业板指","科创50","上证50","沪深300","中证500"])
list_code = ["000001.SH","399001.SZ","399005.SZ","399006.SZ","000688.SH","000016.SH","399300.SZ","399905.SZ"]
list_index = ["上证综指","深证成指","中小板指","创业板指","科创50","上证50","沪深300","中证500"]

for each in range(len(list_code)):
    df1 = pro.index_daily(ts_code=list_code[each],start_date=20200315,end_date=20210315)
    df1.sort_values(by="trade_date",ascending=True,inplace=True)
    list1 = df1["close"].tolist()
    list_return = []
    for i in range(len(list1)):
        if i < len(list1)-1:
            r = math.log(list1[i+1]/list1[i])
            list_return.append(r)
    df[list_index[each]] = list_return

corr = df.corr()

利用tushare获取指数的日线行情，这里获取了近一年的日线行情。之后利用公式计算出每日收益率。最后利用pandas里的corr函数可以直接返回相关系数表格。如下图所示：
在这里插入图片描述

利用相关性表格画出热力图

fig = plt.figure(figsize=(10,6))
cmap = plt.cm.OrRd
plt.imshow(corr,cmap=cmap)
plt.colorbar()
industry = corr.columns.values
tickmarks = np.arange(len(industry))
plt.xticks(tickmarks,industry,rotation=90)
plt.yticks(tickmarks,industry)