Python数据分析：股价相关性

概述好久没发博客了，今天来发一篇分析股价相关度的。╮(╯▽╰)╭为什么要分析股价相关度呢，我们来引入一个概念——配对交易所谓的配对交易，是基于统计套利的配对交易策略是一种市场中性策略，具体的说，是指从市场上找出历史股价走势相近的股票进行配对，当配对的股票价格差偏离历史

好久没发博客了，今天来发一篇分析股价相关度的。╮ ( ╯ ▽ ╰ ) ╭

为什么要分析股价相关度呢，我们来引入一个概念——配对交易

所谓的配对交易，是基于统计套利的配对交易策略是一种市场中性策略，具体的说，是指从市场上找出历史股价走势相近的股票进行配对，当配对的股票价格差偏离历史均值时，则做空股价较高的股票同时买进股价较低的股票，等待他们回归到长期均衡关系，由此赚取两股票价格收敛的报酬。

接下来开始我们的股价相关度分析，首先我们选两个股票 ~

 

 

 

感觉全聚德和光明乳业都很好吃的样子，我们就选它们了吧！ = ￣ω￣ =

 

1 、导入数据包

简单介绍一下要用到的数据包

matplotlib.pyplot ：绘图库，其中 pyplot 子包提供一个类 MATLAB 的绘图框架

numpy ：科学计算库，支持高级大量的维度数组与矩阵运算

pandas ：纳入了大量库和一些标准的数据模型，提供高效地 *** 作大型数据集所需的工具

tushare ：财经数据接口包

 

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

 

 

 

2 、根据全聚德和光明乳业的股票代码获取数据，这里获取的是 2016 年一整年的收盘价，获取完后合并，因为停牌的存在，用前一天的价格去填写缺失数据，最终以 CSV 格式保存数据

 

    s_qjd = '002186' #全聚德
    s_gm = '600597' #光明乳业
    sdate = '2016-01-01'#起止日期
    edate = '2016-12-31'
    df_qjd = ts.get_h_data(s_qjd, start = sdate, end = edate).sort_index(axis = 0,ascending=True)#获取历史数据
    df_gm = ts.get_h_data(s_gm, start = sdate, end = edate).sort_index(axis = 0,ascending=True)
    df = pd.concat([df_qjd.close,df_gm.close], axis = 1, keys=['qjd_close', 'gm_close'])#合并
    df.ffill(axis=0, inplace=True)#填充缺失数据
    df.to_csv('qjd_gm.csv')

 

 

 

3 、用 pearson 相关系数计算相关度（ Pearson 相关系数是用来衡量两个数据集合是否在一条线上面，它用来衡量定距变量间的线性关系。），再打印出来看一眼

 

    corr = df.corr(method = 'pearson', min_periods = 1)#pearson方法计算相关性
    print(corr)

 

 

算出来有 0.81 ，超过 0.8 ，按值域等级来说属于极强相关，不过话说一个卖烤鸭的为什么会和卖牛奶的相关度那么高。。。。难道大家吃烤鸭的时候都喜欢喝牛奶吗。。。

 

 

4 、绘制图像出来喵一眼，看看趋势上来说什么时候可以有机会做配对交易

 

    df.plot(figsize = (20,12))
    plt.savefig('qjd_gm.jpg')
    plt.close()

5 、按分析日期的第一天的股价为基准做归一化处理，打印图像

 

    df['qjd_one'] = df.qjd_close / float(df.qjd_close[0])*100
    df['gm_one'] = df.gm_close / float(df.gm_close[0])*100
    df.qjd_one.plot(figsize = (20,12))
    df.gm_one.plot(figsize = (20,12))
    plt.savefig('qjd_gm_one.jpg')
    

 

 

好啦，做完啦，虽然我也不知道为什么全聚德会和光明乳业这么高相关性

不过理论上是可以做配对交易的，不过股票有风险，投资需谨慎 ~

╮ ( ╯ ▽ ╰ ) ╭

以下是完整代码：

 

    # Coding=gbk
    
    import matplotlib.pyplot as plt #提供类matlab里绘图框架
    import numpy as np
    import pandas as pd
    import tushare as ts
    
    #获取数据
    s_qjd = '002186' #全聚德
    s_gm = '600597' #光明乳业
    sdate = '2016-01-01'#起止日期
    edate = '2016-12-31'
    df_qjd = ts.get_h_data(s_qjd, start = sdate, end = edate).sort_index(axis = 0,ascending=True)#获取历史数据
    df_gm = ts.get_h_data(s_gm, start = sdate, end = edate).sort_index(axis = 0,ascending=True)
    df = pd.concat([df_qjd.close,df_gm.close], axis = 1, keys=['qjd_close', 'gm_close'])#合并
    df.ffill(axis=0, inplace=True)#填充缺失数据
    df.to_csv('qjd_gm.csv')
    
    #pearson方法计算相关性
    corr = df.corr(method = 'pearson', min_periods = 1)
    print(corr)
    
    #打印图像
    df.plot(figsize = (20,12))
    plt.savefig('qjd_gm.jpg')
    plt.close()
    
    #归一化处理打印图像
    df['qjd_one'] = df.qjd_close / float(df.qjd_close[0])*100
    df['gm_one'] = df.gm_close / float(df.gm_close[0])*100
    df.qjd_one.plot(figsize = (20,12))
    df.gm_one.plot(figsize = (20,12))
    plt.savefig('qjd_gm_one.jpg')
[/code]
​
  
​
参考资料：
​
[1] MBA  智库百科  [
http://wiki.mbalib.com/wiki/%E9%85%8D%E5%AF%B9%E4%BA%A4%E6%98%93
](http://wiki.mbalib.com/wiki/%E9%85%8D%E5%AF%B9%E4%BA%A4%E6%98%93)
​
[2]  东方财富网  http://quote.eastmoney.com/stockList.HTML
​
[3]  七月在线  [ https://ask.julyedu.com/  ](https://ask.julyedu.com/)
​
[4] Tushare [ http://tushare.org/  ](http://tushare.org/)
​
  
​
  
​
  
​
  
​
  
​
​
![在这里插入图片描述](https://www.icode9.com/i/ll/?i=20210608151750993.gif)

总结

以上是内存溢出为你收集整理的Python数据分析：股价相关性全部内容，希望文章能够帮你解决Python数据分析：股价相关性所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。