###套利分析
import pandas as pd
import numpy as np
#读取数据
caipo=pd.read_excel('caipo.xlsx')
doupo=pd.read_excel('doupo.xlsx')
caipo.head(5)
#整理数据
caipo_close=caipo.ix[::,6]
caipo_close.head()
doupo_close=doupo.ix[::,6]
doupo_close.head()
'''#分析数据
cc=caipo_close
dc=doupo_close
cc.mean()
dc.mean()
i=dc.mean()/cc.mean()
i
e=cc*i-dc
e.head()
#基于均值比例分析残差
cc=caipo_close
dc=doupo_close
cc.corr(dc,method='pearson')
#从相关系数来看,两者的相关性很高,94%;
#菜粕和豆粕价格相差很大,我们不同比例计算
ccnew=cc*123
dcnew=dc*100
e=(ccnew-dcnew)/100
e.head(10)
import pandas as pd
import numpy as np
#读取数据
caipo=pd.read_excel('caipo.xlsx')
doupo=pd.read_excel('doupo.xlsx')
caipo.head(5)
#整理数据
caipo_close=caipo.ix[::,6]
caipo_close.head()
doupo_close=doupo.ix[::,6]
doupo_close.head()
'''#分析数据
cc=caipo_close
dc=doupo_close
cc.mean()
dc.mean()
i=dc.mean()/cc.mean()
i
e=cc*i-dc
e.head()
#基于均值比例分析残差
e.plot()'''
cc=caipo_close
dc=doupo_close
cc.corr(dc,method='pearson')
#从相关系数来看,两者的相关性很高,94%;
#菜粕和豆粕价格相差很大,我们不同比例计算
ccnew=cc*123
dcnew=dc*100
e=(ccnew-dcnew)/100
e.head(10)
e.plot()
稍后将会就价差做KDJ-MACD模型计算一下是否能够盈利;