如何利用excel和python构建拟合曲线预测可转债股票价格?

各位同学大家好!上次我写了一篇干货教程:如何预测新上市转债的价格?

文中提到利用excel拟合曲线插值预测转债价格的方法,点赞过30了,看来感兴趣的朋友不少,今天给大家详细地写一下教程。

一、准备工具

1、Microsoft Excel

2、可转债数据:转股价值和转债价格

二、操作方法

1、从集思录或者宁稳网获取数据,长按鼠标左键从上到下选中所有可转债数据,然后复制

宁稳数据

2、新建并打开一个excel表格,将刚才复制的数据粘贴进去

粘贴数据

3、删除多余的数据,只留下转股价值和转债价格,并将两列数据位置调换

剪切转股价值列:

剪切转股价值

选中转债价格列,在其前面插入剪切的单元格:

插入

4、选中数据,然后在“插入”中选择“X Y散点图”中的第一个“散点图”

选择散点图

5、在出现的图表中选择其中一点,右击并选择添加趋势线

添加趋势线

6、在出现的的“设置趋势线格式”界面中,选择趋势线选项“多项式”,勾选“显示公式”和“显示R平方值”选项,然后我们就得到了趋势线及方程

生成方程

7、根据生成的方程,我们就可以代入转股价值进行计算了。

三、高阶玩法

我之前说了:「这个方法的缺点就是每天都要复制可转债的转股价值和价格,生成一次公式再计算。我这么懒,肯定不能这么干,所以计划用python生成代码每天自动跑。」

下面就是我用python生成的代码,也分享给大家:

import matplotlib.pyplot as plt
import numpy as np

# 转股价值
x = [1, 2, 3, 4, 5, 6, 7, 8]
# 转债价格
y = [1, 4, 9, 13, 30, 25, 49, 70]
# np.polyfit()可以对一组数据进行多项式拟合,3个参数表示用2次多项式拟合x,y数组
a = np.polyfit(x, y, 2)
# np.poly1d()生成多项式对象
b = np.poly1d(a)
print(b)
# 生成多项式对象之后,即可获取x在这个多项式处的值
c = b(x)
print(c)
# 输入转股价值即可生成拟合价格
d = b(99.8)
print(d)
# 对原始数据画散点图
plt.scatter(x, y, marker='o', label='original datas')
# 对拟合之后的数据,也就是x,c数组画图
plt.plot(x, c, ls='-', c='red', label='fitting with second-degree polynomial')
# 在图上标明一个图例,用于说明每条曲线的文字显示
plt.legend()
# 生成图表
plt.show()

执行代码,即可生成拟合价格:

代码已经上传到我的仓库:https://gitee.com/zsyoung01/kzz

全文完。

如果大家觉得有所收获,麻烦点赞在看转发一键三连,创作不易,感谢您的支持!

  • 3
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

启四

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值