Pandas:金融数据下载和分析

获取金融数据
pandas_datareader是一个从Pandas拆分出来的一个模块，可以用来获取谷歌．雅虎财经的数据，
但是今年这雅虎财经借口进行了改动，现在不能正常使用．
tushare是一个财经数据获取的包，可以通过pip安装，文档http://tushare.org/classifying.html
可以获取一些简单的股票基金数据，并不能满足一些专业的需求

import tushare as ts
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 通过tushare读取上证50指数
df_sz = ts.get_k_data('sz50',start='2012-01-01')
print df_sz.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 1346 entries, 0 to 1345
Data columns (total 7 columns):
date      1346 non-null object
open      1346 non-null float64
close     1346 non-null float64
high      1346 non-null float64
low       1346 non-null float64
volume    1346 non-null float64
code      1346 non-null object
dtypes: float64(5), object(2)
memory usage: 84.1+ KB
None

# 后五行数据
print df_sz.tail()

           date     open    close     high      low      volume  code
860  2017-07-13  2565.59  2600.95  2601.47  2563.22  42871574.0  sz50
861  2017-07-14  2600.76  2622.98  2623.32  2593.43  33653285.0  sz50
862  2017-07-17  2627.37  2631.41  2663.28  2594.42  60865949.0  sz50
863  2017-07-18  2619.23  2624.31  2637.53  2596.12  39435040.0  sz50
864  2017-07-19  2621.11  2657.89  2661.66  2618.37  48688897.0  sz50

df_sz = df_sz.set_index('date')
# 对收盘价格进行可视化
%matplotlib inline
df_sz['close'].plot(figsize=(12,6))
plt.grid(True)

上证５０

对数收益率

# 对数收益率
%time
df_sz['d_ret'] = np.log(df_sz['close'] / df_sz['close'].shift(1))

CPU times: user 0 ns, sys: 0 ns, total: 0 ns
Wall time: 12.2 µs

%matplotlib inline
df_sz[['close','d_ret']].plot(subplots=True, style='g', figsize=(10,7))

　　　　　　　　　　　　　　　　　　　指数收益率

　
杠杆效应
波动性和市场收益是负相关，市场下跌时波动性上升．
　

滚动平均线

# 滚动平均曲线
# pandas提供了一些计算滚动值的内建方法，Series.rolling(window=22,center=False).mean()/max()/min()/corr()
df_sz['42d'] = df_sz['close'].rolling(window=42).mean()
df_sz['252d'] = df_sz['close'].rolling(window=252).mean()

%matplotlib inline 
df_sz[['close','42d','252d']].plot(figsize=(12,6))

收益率的滚动标准差

# 对数收益率的，移动标准差
df_sz['d_ret_std'] = df_sz['d_ret'].rolling(window=42).std()

%matplotlib inline 
df_sz[['close','d_ret_std','d_ret']].plot(subplots=True,figsize=(10,7))

　
上图中，杠杆假设，市场下降，波动率上升，上涨时波动率下降