python股票数据可视化软件_【Python量化干货】同一板块内多只股票相关性与联动性？巧用Seaborn实现金融数据可视化2...

点击蓝字 关注 我们，只有不到 7% 的公众号是原创，不到 1% 的公众号持续产出高质量的原创内容。 标星★我们 ，每天get一点 高质量 编程、金融、量化、人工智能、前沿FinTech知识吧！爱你们，笔芯～

o(*^▽^*)┛乐学偶得原创文章

禁止转载

正版视频 | 公众号内【技术视频】

或点击左下角

公众号：乐学Fintech

网站：lexueoude.com

这是乐学偶得的第 【184】篇原创技术文章

我们在上一个推送中向大家介绍了利用Seaborn快速实现两只股票相关性的研究与判断：

【Python量化干货】matplotlib加强版！用Seaborn实现金融数据可视化1

现在我们继续探究，将两只股票的情况继续推广到一般情况：假设我们想利用多只股票的联动性与相关性的特点进行研究和交易，这种策略思路就必须要快速对多只股票进行判断了。

A股上市公司根据分类有一级分类与二级分类，细分下不少公司会在一个类别之中，这就给我们分析带来了非常大的便利——不仅仅是我们目前的市场信息，我们在财务，公司估值等价值分析与投行投研层面也可以横向得到不少信息

那么我们不妨选一个行业，将行业中的多只股票进行对比分析：

我们接着上次航空股票与石油股的例子，我们不妨这次也选用航空板块作为研究对象：

我们选取了一级分类为：运输仓储，二级分类为：空运

注意tushare等数据平台一般都会提供行业分类以及相应接口，tushare的要求是需要2000积分，考虑到不一定所有人都有积分，如果不能直接调用，可以采用通过其他方式查询行业分类并通过一般接口调用的方法

因为涉及到批量操作，我们先定义一个函数：

def get_df(ticker,start,end):

df = pro.daily(ts_code=ticker, start_date=start, end_date=end)

# 把trade_date设置为索引

df.set_index('trade_date',inplace=True)

df=df.sort_index(ascending=True)

returns=df["pct_chg"].dropna()

returns.name=ticker

return returns

这样就能通过调用函数批量调取信息：

series_600029=get_df("600029.SH","20180101","20190630")

series_600115=get_df("600115.SH","20180101","20190630")

series_600221=get_df("600221.SH","20180101","20190630")

series_601021=get_df("601021.SH","20180101","20190630")

series_601111=get_df("601111.SH","20180101","20190630")

series_603885=get_df("603885.SH","20180101","20190630")

通过创建sector板块信息：

我们会发现位置不太好看，我们可以通过.T进行矩阵转置：

df_sector=df_sector.T

df_sector

这样就得到了非常好看的板块股票的收盘价信息对比数据了

我们不妨通过seaborn可视化对比一下相关性，快速判断：

现在我们大家来找茬，看看这看似眼花缭乱的数据有哪些比较“刺眼”：

这里允许我们调皮一下：

不需要定量分析，光肉眼就会发现红色圈出的部分：

我们于是可以进一步把这些“比较直”的数据对应的股票找出来：

600029，601111，600115，我们特意将对应的中文简称隐去了，全部通过代号ticker数据进行分析，这样会一视同仁，减少人为的影响。

但是如果我们将这些“刺眼”的数据对应的公司名字对应上去，就会发现：

600029：南方航空

601111：中国航空

600115：东方航空

好像发现了什么......

我们就可以以此进一步量化的分析与构建我们的策略......

更多Python/Java/C/C++/Linux/机器学习 人工智能/量化投资/建模/云计算/游戏开发 Excel/VBA 视频讲解内容 ~(＾Ｕ＾)ノ~ＹＯ 点击 欢迎“分享”，“点赞”，“在看”三连，爱你们～