用Python快速分析和预测股票价格

点击上方“Python数据之道”，选择“星标公众号”

精品文章，第一时间送达

作者 | Vincent Tatan 

译者 | 李洁

编辑 | Lemonbit

出品 | Python数据之道

用Python快速分析、可视化和预测股票价格

1 前言

某天，我的一个朋友告诉我说，实现经济自由的关键是股票投资。虽然这是市场繁荣时期的真理，但如今业余交易股票仍然是一个有吸引力的选择。由于在线交易平台的便利性，涌现了许多自主价值投资者或家庭主妇交易员。甚至还有一些成功的故事和广告吹嘘有“快速致富计划”学习如何投资回报率高达 40% 甚至更高的股票。投资已成为当今职场人士的福音。

现在的问题是：哪些股票？如何分析股票？与其他股票相比，所选股票的回报和风险是什么？

本文的目标是让你了解使用快速简单的 Python 代码分析股票的一种方法。只需花 12 分钟阅读这篇文章——最好自己完成一下。然后你就可以快速浏览到你的第一份金融分析报告。

为了开始学习和分析股票，我们将从快速查看历史股票价格开始。这将通过从 Pandas 网络数据阅读器和雅虎财经中提取最新的股票数据来实现。然后，我们将尝试通过探索性分析，如相关性热图、Matplotlib 可视化以及使用线性分析和k最近邻（K Nearest Neighbor,KNN）的预测分析来查看数据。

2 加载雅虎财经数据集

Pandas 网络数据阅读器 （Pandas web data reader）是 Pandas 库的一个扩展，用于与大多数最新的金融数据进行通信，包括雅虎财经、谷歌财经、Enigma 等资源。

我们将使用以下代码提取 Apple 的股票价格：

import pandas as pd	
import datetime	
import pandas_datareader.data as web	
from pandas import Series, DataFrame	
start = datetime.datetime(2010, 1, 1)	
end = datetime.datetime(2017, 1, 11)	
df = web.DataReader("AAPL", 'yahoo', start, end)	
df.tail()

来源于雅虎财经的股票价格

这段代码将提取从 2010 年 1 月到 2017 年 1 月的 7 年的数据。你可以根据需要调整开始和结束日期。接下来的分析过程，我们将使用收盘价格，即股票在一天交易结束时的最终价格。

3 探索股票的移动平均值和收益率

在这个分析中，我们使用两个关键的测量指标来分析股票：移动平均值和回报率。

3.1 移动平均值：确定趋势

滚动平均 / 移动平均（MA）通过不断更新平均价格来平滑价格数据，有助于降低价格表中的“噪音”。此外，该移动平均线可能充当“阻力”，代表着股票的下跌和上升趋势，你可以从中预期它的未来趋势，不太可能偏离阻力点。

让我们开始写代码来得到滚动平均值:

1. close_px = df['Adj Close']

2. 
   

3. mavg = close_px.rolling(window=100).mean()

最后 10 个移动平均值

这将计算股票收盘价最后 100 个滑窗（100天）的移动平均值，并取每个滑窗的移动平均值。正如你所看到的，移动平均线在滑窗上稳步上升，并不遵循股票价格曲线的锯齿线。为了更好地理解，让我们用 Matplotlib 来绘制它。我们将用移动平均线来绘制股票价格表。

1. %matplotlib inline

2. import matplotlib.pyplot as plt

3. from matplotlib import style

4. 
   

5. # Adjusting the size of matplotlib

6. 
   

7. import matplotlib as mpl

8. mpl.rc('figure', figsize=(8, 7))

9. 
   

10. mpl.__version__

11. 
    

12. # Adjusting the style of matplotlib

13. 
    

14. style.use('ggplot')

15. 
    

16. close_px.plot(label='AAPL')

17. 
    

18. mavg.plot(label='mavg')

19. 
    

20. plt.legend()

苹果股票移动平均价格(mavg)

移动平均使曲线平滑，显示股票价格的涨跌趋势。

在这张图表中，移动平均线显示了股票价格上升或下降的趋势。从逻辑上讲，你应该在股市低迷时买进，在股市上涨时卖出。

3.2 回报偏差:用于确定风险和收益

预期收益衡量投资收益概率分布的平均值或预期值。投资组合的预期回报是通过将每项资产的权重乘以其预期回报，再加上每项投资的价值来计算的。（摘自投资百科，investopedia）

你可以参考以下公式：

收益公式

根据这个公式，我们可以画出收益，如下。

1. rets = close_px / close_px.shift(1) - 1

2. 
   

3. rets.plot(label='return')

收益率

从逻辑上讲，我们理想的股票收益应该尽可能高且稳定。如果你是风险规避者（像我一样），你可能希望避开这种股票，因为你看到 2013 年下跌了 10%。这个决定很大程度上取决于你对股票的总体看法和对其他竞争对手股票的分析。

4 分析竞争对手股票

在这部分中，我们将分析一家公司相对于其竞争对手的表现。假设我们对科技公司感兴趣，并想比较一下这些巨头：苹果（Apple）、通用电气（GE）、谷歌（Google）、IBM 和微软（Microsoft）。

1. dfcomp = web.DataReader(['AAPL', 'GE', 'GOOG', 'IBM', 'MSFT'],'yahoo'